Capítulo4 interpolação

Capítulo 4: Interpolação Polinomial
1. Introdução
Suponhamos que conhecemos a função f em apenas em (n+1) pontos do intervalo
[a,b] e que pretendemos conhece-la em qualquer outro ponto desse intervalo. Para
tal vamos, com base nos pontos conhecidos, construir uma função que “substitua”
f(x) dentro de um limite de precisão. Uma tal função designa-se por função
aproximante.
A escolha da função aproximante é aqui um polinómio, mas poderia ser outra. Se
escolhêssemos funções racionais teríamos interpolação racional, se escolhêssemos
funções exponenciais teríamos interpolação exponencial.
Seja, então, f uma função definida em A, f: A ⊆ ℜ →ℜ, e admitamos que são
conhecidos os pontos (x0, f(x0)), (x1, f(x1)), ..., (xn, f(xn)), com xi < xi+1, i=0,..., n-1
sendo x0=a e xn=b. Pretende-se aproximar f(x), x∈[ x0, xn], por um polinómio
Pn(x)=anxn
+an-1xn-1
+...+a2x2
+a1x+a0 (1)
tal que nos pontos conhecidos Pn(x) coincida com a função f(x), i.é., que satisfaça:
Pn(xi)=f(xi) i=0,...,n (2)
Diremos que Pn(x) é um polinómio interpolador para f(x) nos pontos dados,
(xi, f(xi)) i=0,...,n, que serão o suporte da interpolação.
Assim, dados (n+1) pontos (xi, f(xi)), i=0,...,n, a existência de um polinómio que
satisfaça (2) e acerca da unicidade e do grau do polinómio temos informação
através do seguinte teorema:
Teorema: Sejam dados (n+1) pontos distintos x0, x1, ..., xn, (xi≠ xj), e os valores de
f(x) nesses pontos f(x0), f(x1), ...,f(xn). Então existe um único polinómio Pn(x) de
grau inferior ou igual a n que satisfaz a f(xi)=Pn(xi), i=0, ...,n.
1

2. Interpolação polinomial: linear e quadrática
O caso linear é o caso mais simples da interpolação. Dados dois pontos
distintos de uma função y=f(x), (x0, f(x0)) e (x1, f(x1)), e x ∈(x0, x1) pretendemos
saber, usando a interpolação polinomial, o valor de )(xfy = .
Pelo teorema anterior, vamos construir um polinómio de grau um,
P1(x)=a0+a1x
Mas P1(x) tem de ser tal que:
⎩
⎨
⎧
==
==
1111
0001
)()(
)()(
yxfxP
yxfxP
Para obtermos o valor dos coeficientes a0 e a1 temos que resolver o sistema
anterior em ordem a a0 e a1. A matriz dos coeficientes é, A= , sendo que
det(A)=x
⎥
⎦
⎤
⎢
⎣
⎡
1
1
1
0
x
x
0-x1. O sistema anterior tem solução única se det(A)≠0, i.é., se x0≠x1.
Ou seja, para pontos distintos o sistema tem solução única.
Interpretação Geométrica
O polinómio P1(x)=a0+a1x é a equação da recta que passa nos pontos (x0, f(x0))
e (x1, f(x1)) .
Exemplo: Consideremos a função f definida pelos pontos (0, 1.35) e (1, 2.94).
Determinar aproximadamente o valor de f(0.73).
Como temos dois pontos vamos construir um polinómio de grau um, i.é.,
P1(x)=a0+a1x., P1 é tal que :
⎩
⎨
⎧
=
=
94.2)1(
35.1)0(
1
1
P
P
⇔
⎩
⎨
⎧
=+×
=+×
94.21
35.10
01
01
aa
aa
⇔
⎩
⎨
⎧
=
=
59.1
35.1
1
0
a
a
ou seja, P1(x)=1.35+1.59x e f(0.73) ≅ P1(0.73)=2.51
O cálculo de a0 e a1 está afectado por dois tipos de erro:
i. Erro de arredondamento,
2

ii. Erro de truncatura — cometido quando decidimos aproximar a função f
por um polinómio de grau um.
Erro de truncatura
O erro de truncatura cometido no ponto x é dado pela fórmula:
ET( x )=f( x )-P1( x )
O erro de truncatura é uma função que se anula nos pontos x0 e x1, pois
f(x0)=P1(x0) e f(x1)=P1(x1) então:
ET(x)=(x-x0)(x-x1)A,
onde A é uma constante a determinar.
Obtenção de A
Consideremos a função auxiliar
G(t)=f(t)-P1(t)-ET(t),
ou seja,
G(t)=f(t)-(a1t+a0)-(t-x0)(t-x1)A
A função G(t) anula-se em pelo menos três pontos t=x0, t=x1, t= x . Se
considerarmos que f(t) é contínua e diferenciável em (x0, x1) e uma vez que P1(t)
e ET(t) são polinómios também são, logo G(t) é contínua e diferenciável em (x0,
x1), então podemos aplicar o teorema de Rolle a G(t).
Recordação!
Teorema de Rolle: Se f(x) é contínua e diferenciável no intervalo (a,b) e
f(a)=f(b), então existe ξ∈(a, b) tal que f '(ξ)=0.
Aplicando então o teorema de Rolle a G(t) conclui-se que:
∃ ξ1 ∈ (x0, x ): G’(ξ1)=0
∃ ξ2 ∈ ( x , x1):G’(ξ2)=0
Ou seja, G’(t) é tal que G’(ξ1)=G’(ξ2) e G’(t) é contínua e diferenciável em
(ξ1,ξ2), aplicando novamente o teorema de Rolle a G’(t) concluímos que:
3

∃ ξ ∈ (ξ1, ξ2): G’’(ξ)=0
Mas se ξ ∈ (ξ1, ξ2) então ξ ∈ (x0, x1). Além disso,
G’(t)=f ’(t)-a1-(t-x1)A-(t-x0)A
G’’(t)=f’’(t)-A-A=f’’(t)-2A
Como G’’(ξ)=0, então f’’(ξ)-2A=0 ⇔ A=
2
)('' ξf
O erro de truncatura é então dado por:
ET(x)=(x-x0)(x-x1)
2
)('' ξf
, com ξ ∈ (x0, x1)
Nota: Na maior parte das vezes não se conhece o valor exacto de ξ, como tal,
consideramo-lo igual ao valor que maximiza |f’’(x)| em (x0, x1), i.é., ξ tal que
)(''max)(''
10
xff
xxx <<
=ξ .
Exemplo: Considere a função f(x)=sin(x). Utilizando os pontos (1, 0.84) e (2,
0.91) construa um polinómio de grau um que aproxime f. Calcule o valor
aproximado de f(
2
π
). Determine o erro de truncatura cometido.
Pretendemos então P1(x)=a0+a1x que é tal que :
⎩
⎨
⎧
=
=
91.0)2(1
84.0)1(1
P
P
⇔ ⇔
⎩
⎨
⎧
=+×
=+
91.0021
84.001
aa
aa
⎩
⎨
⎧
=
=
07.01
77.00
a
a
então, P1(x)=0.77+0.07x, e, f(
2
π
)≅P1(
2
π
)=0.88.
O erro de truncatura é dado por:
ET(
2
π
)=(
2
π
-1)(
2
π
-2)
2
)('' ξf
, com ξ ∈ (1, 2) e tal que )(''max
21
xf
x<<
=ξ
f ’(x)=cos(x) e f’’(x)= -sin(x), então o máximo de |-sin(x)| no intervalo (1,2) é
atingido em
2
π
, donde ET(
2
π
)=0.12.
4

No caso da interpolação quadrática pretendemos aproximar a nossa função f
por um polinómio do segundo grau da forma P2(x)=a0+a1x+a2x2
. Para tal
precisamos de conhecer a função f em três pontos distintos.
Sejam (xi, yi=f(xi)), i=0,1,2, três pontos distintos de f. Pretendemos P2(x) tal
que
⎪
⎩
⎪
⎨
⎧
=
=
=
2)2(2
1)1(2
0)0(2
yxP
yxP
yxP
⇔
⎪
⎩
⎪
⎨
⎧
=++
=++
=++
2021
2
22
1011
2
12
0001
2
02
yaxaxa
yaxaxa
yaxaxa
A matriz dos coeficientes é
A=
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
12
2
2
11
2
1
10
2
0
xx
xx
xx
O sistema tem solução única se det(A)≠0, o que acontece se os três pontos forem
distintos.
Erro de truncatura
O erro de truncatura é agora dado por ET( x )=f( x )-P2( x ). Seguindo um
raciocínio análogo ao efectuado para o caso linear chegamos à conclusão que:
ET(x)=(x-x0)(x-x1)(x-x2)
!3
)(''' ξf
, com ξ ∈ (x0, x2).
3. Interpolação de Lagrange
Tanto a interpolação linear como a quadrática são casos particulares da
interpolação de Lagrange.
Genericamente pretendemos determinar o polinómio interpolador de grau
menor ou igual a n sendo conhecidos (n+1) pontos. Ou seja, pretendemos
Pn(x)=anxn
+an-1xn-1
+...+a2x2
+a1x+a0= ,∑
=
n
i
i
ixa
0
5

onde Pn tem no máximo grau n. an, an-1,...,a2, a1, a0 são determinados à custa da
resolução do sistema:
⎪
⎪
⎩
⎪
⎪
⎨
⎧
=
=
=
nynxnP
yxnP
yxnP
)(
....
1
)1(
0)0(
⇔
⎪
⎪
⎩
⎪
⎪
⎨
⎧
=++++−
−
+
=++++−
−
+
=++++−
−
+
nyanxanxan
nx
n
an
nxna
yaxaxanx
n
anxna
yaxaxanx
n
anxna
01
2
2...1
1
....
1011
2
111
0001
2
010
,
cuja matriz é A=
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎣
⎡
−
−
−
1...
1
...............
11
00
nx
n
nx
n
nx
xnxnx
xnxnx
. Prova-se que a solução do sistema
anterior é única se det(A)≠0, ou seja, se os (n+1) pontos forem todos distintos.
Obtenção fórmula de Lagrange
Consideremos os seguintes (n+1) polinómios de grau n
⎪
⎪
⎩
⎪
⎪
⎨
⎧
−−−−=
−−−=
−−−=
)1)...(
1
)(0()(
...
))...(2)(0()(
1
))...(2)(1()(0
nxxxxxxxnp
nxxxxxxxp
nxxxxxxxp
,
ou de forma abreviada
(3))()(
0
∏ −=
≠
=
n
ij
j
j
i
xxxp
Os polinómios anteriores são tais que:
i. pi(xi)≠0, ∀ i
ii. pi(xj)=0, ∀ i≠j.
Os polinómios anteriores chamamos polinómios de Lagrange.
6

Como o polinómio Pn que pretendemos determinar é de grau n e contém os
pontos (xi, yi), i=0,...,n, podemos escrever Pn como combinação linear dos
polinómios anteriores, pn, i=0,...,n, ou seja,
(4)∑
=
=
n
i
in xpibxP
0
)()(
Então para determinar Pn(x) basta calcular os bi, i=0,...,n, já que os polinómios
pi(x) são facilmente calculáveis. Tem-se então que:
Pn(xk)=b0p0(xk)+b1p1(xk)+...+bkpk(xk)+...+bnpn(xk),
mas pk(xk)≠0 e pi(xk)=0 para i=1,...,k-1,k+1,...,n, ou seja,
Pn(xk)=bkpk(xk) ⇔ bk=
)(
)(
kk
kn
xp
xP
Como por hipótese Pn(xi)=yi, i=0,...,n, então
bi=
)( ii
i
xp
y
, i=0,...,n.
Substituindo o valor de bi em (4) obtemos:
∑
=
=
n
i ii
i
in
xp
xp
yxP
0 )(
)(
)(
e por (3) concluímos que:
∑ ∏
=
≠
= −
−
=
n
i
n
ij
j ji
j
in
xx
xx
yxP
0 0 )(
)(
)( ,
que é a fórmula do polinómio interpolador de Lagrange.
Exemplo: Determinar o polinómio interpolador de Lagrange para a função
conhecida pelos pontos
xi yi
0 0
0.2 2.008
0.4 4.064
0.5 5.125
7

Como a função é conhecida em quatro pontos vamos construir um polinómio
de grau máximo, i.é., grau três,
∑ ∏
=
≠
= −
−
=
3
0
3
0
3 )(
)(
)(
i
ij
j ji
j
i xx
xx
yxP ⇔
30
3
20
2
10
1
03 )(
xx
xx
xx
xx
xx
xx
yxP
−
−
−
−
−
−
=
31
3
21
2
01
0
1 xx
xx
xx
xx
xx
xx
y
−
−
−
−
−
−
+
32
3
12
1
02
0
2 xx
xx
xx
xx
xx
xx
y
−
−
−
−
−
−
+
23
2
13
1
03
0
3 xx
xx
xx
xx
xx
xx
y
−
−
−
−
−
−
⇔
5.02.0
5.0
4.02.0
4.0
2.0
008.2)(3 −
−
−
−
=
xxx
xP +
5.04.0
4.0
2.04.0
2.0
4.0
064.4
−
−
−
− xxx
+
+
4.05.0
4.0
12.05.0
2.0
5.0
125.5
−
−
−
− xxx
O polinómio interpolador é : =)(3
xP x3
+10x.
Erro de truncatura
Também aqui o erro de truncatura é dado por
ET( x )=f( x )-Pn( x ).
Seguindo um processo análogo aos casos anteriores e tendo em atenção que Pn
interpola f em (n+1) pontos obtêm-se:
)!1(
)(
))...()(()(
)1(
10
+
−−−=
+
n
f
xxxxxxxE
n
nT
ξ
, x0<ξ<xn.
De seguida vamos ver outras formas de construir o polinómio Pn.
4. Interpolação com diferenças divididas
Há várias formas de escrever o polinómio Pn, o polinómio interpolador de
Lagrange, nem sempre é o mais conveniente. Vamos ver de seguida como
construir o polinómio interpolador de Newton, para tal começaremos por definir
o conceito de diferença dividida.
8

4.1. Conceito de diferença dividida
Seja f uma função da qual se conhecem os (n+1) pontos (xi, yi), i=0,...,n.
A primeira derivada de f no ponto x0 é definida por:
f ’(x0)=
0 0
0)()(
xx xx
xfxf
Lim
→ −
−
A diferença dividida de primeira ordem define-se como sendo uma
aproximação da primeira derivada,
f[x, x0]=
0
0)()(
xx
xfxf
−
−
(5)
Nota: As notações de diferença dividida são: f[ , ], [ , ] e ∇ y.
Se em (5) fizermos x= x1 obtemos a diferença dividida de primeira ordem em
relação aos argumentos x0 e x1
1
∇ y0 =f[x1, x0]=
01
01 )()(
xx
xfxf
−
−
Note-se que
1
∇ y0 =f[x1, x0]=
01
01 )()(
xx
xfxf
−
−
=
10
10 )()(
xx
xfxf
−
−
= f[x0, x1],
ou seja, f[x0, x1]= f[x1, x0].
De um modo geral, define-se diferença dividida de primeira ordem em relação
aos argumentos xi, xi+1 como sendo:
1
∇ yi =f[xi, xi+1]=
ii
ii
xx
xfxf
−
−
+
+
1
1 )()(
se recordarmos que yi=f(xi) temos que
1
∇ yi=f[xi, xi+1]=
ii
ii
xx
yy
−
−
+
+
1
1
A diferença dividida de ordem zero é definida com ∇0
yi=f[xi]=f(xi)=yi.
9

Atendendo à definição de diferença dividida de ordem zero, podemos escrever
as diferenças divididas de ordem um em função das diferenças divididas de
ordem zero do seguinte modo:
1
∇ yi=f[xi, xi+1]=
ii
ii
xx
xfxf
−
−
+
+
1
1 )()(
=
[ ] [ ]
ii
ii
xx
xfxf
−
−
+
+
1
1 =
ii
ii
xx
yy
−
∇−∇
+
+
1
0
1
0
Genericamente, a diferença dividida de ordem n é dada por:
∇
n
y =i [ ]niii xxxf ++ ,...,, 1 =
[ ] [ ]
ini
niiiniii
xx
xxxfxxxf
−
−
+
−+++++ 1121 ,...,,,...,,
=
ini
ii
n
xx
yy n
−
∇−∇
+
+
− −1
1
1
que é uma aproximação para a derivada de ordem n.
É usual construir-se uma tabela, chamada tabela das diferenças divididas, onde
se colocam todos os valores anteriores.
xi ∇
0
y =y =f(x )i i i ∇1
yi ∇2
yi ... ∇n
yi
x0 y0 f[x0, x1]
x1 y1 f[x1, x2] f[x0, x1,x2]
x2 y2 f[x2, x3] f[x1,x2, x3] .... f[x0,...,xn]
... ... ... ...
xn yn f[xn-1, xn] f[xn-2, xn-1,xn]
Pela tabela anterior podemos concluir que:
i. Cada coluna é construída à custa da coluna anterior;
ii. Com (n+1) pontos podemos construir n diferenças divididas de primeira
ordem, (n-1) de segunda ordem e assim sucessivamente, até à uma diferença
dividida de ordem n.
Exemplo: Dada a função f pela tabela seguinte, construa a tabela das diferenças
divididas.
xi yi
0.3 3.09
1.5 17.25
2.1 25.41
10

A tabela das diferenças dividas é:
xi ∇
0
y =y =f(x )i i i ∇
1
yi ∇
2
yi
0.3 3.09 11.8 1
1.5 17.25 13.6
2.1 25.41
onde,
∇1
y =0
3.05.1
09.325.17
−
−
=11.8, ∇1
y =1
5.11.2
25.1741.25
−
−
=13.6 e 2
∇ y0=
3.01.2
8.116.13
−
−
=1.
Ainda acerca das diferenças divididas, vejamos o seguinte corolário,
Corolário: Se f é uma função polinomial de grau n, então, todas as diferenças
divididas de ordem n são iguais a uma constante e as de ordem (n+1) são nulas.
4.2. Fórmula de Newton para interpolação com diferenças
divididas
Consideremos os (n+1) pontos distintos (xi, yi), i=0,...,n, e Pn o polinómio
interpolador de grau n que contém esses pontos.
Pela definição de diferença dividida tem-se:
então,
Pn(x)= Pn(x0)+(Pn[x0, x1]+Pn[x, x0, x1](x-x1))(x-x0)⇔
11

então
Pn(x)=Pn(x0)+Pn[x0, x1](x-x0)+(Pn[x0, x1, x2]+Pn[x, x0, x1, x2](x-x2))(x-x1)(x-x0)
⇔ Pn(x)=Pn(x0)+Pn[x0,x1](x-x0)+Pn[x0,x1,x2](x-x1)(x-x0)+Pn[x,x0,x1,x2](x-x2)
(x-x1)(x-x0).
Desenvolvendo Pn[x,x0,x1,x2] e aplicando um raciocínio análogo ao anterior
obtemos:
Pn(x)=Pn(x0)+Pn[x0,x1](x-x0)+Pn[x0,x1,x2](x-x1)(x-x0)+Pn[x,x0,x1,x2](x-x2) (x-x1) (x-x0)
+...+Pn[x0,x1,...,xn](x-xn-1)...(x-x2)(x-x1)(x-x0)+Pn[x,x0,x1,...,xn](x-xn)(x-xn-1)...(x-x2)
(x-x1)(x-x0).
Como Pn é de grau n, pelo corolário anterior, concluímos que
Pn[x,x0,x1,...,xn]=0, além disso, como Pn(x0)=y0 podemos escrever:
Pn(x)=y0+Pn[x0,x1](x-x0)+Pn[x0,x1,x2](x-x1)(x-x0)+Pn[x,x0,x1,x2](x-x2)(x-x1)
(x-x0)+...+Pn[x0,x1,...,xn](x-xn-1)...(x-x2)(x-x1)(x-x0)
Mas como i
∇ y =P [x ,...,x ] podemos escrever o polinómio anterior do seguinte
modo:
i n 0 i
Pn(x)=y0+∇
1
y0(x-x0)+∇
2
y0(x-x1)(x-x0)+∇
3
y0(x-x2)(x-x1)(x- x0) +…
…+∇
n
y0(x-xn-1)...(x-x2)(x-x1)(x-x0)
ou ainda,
12

Pn(x)=y0+ ∏∑
−
==
−∇
1
01
0
)(
i
j
j
n
i
i
xxy
que é o polinómio interpolador de Newton para diferenças divididas.
Exemplo: Determinar o valor aproximado de f(0.4), usando todos os pontos
tabelados da função f.
xi yi
0.0 1.008
0.2 1.064
0.3 1.125
0.5 1.343
0.6 1.512
Vamos começar por construir a tabela das diferenças divididas.
xi ∇
0
y =y =f(x )i i i ∇
1
yi ∇
2
yi ∇
3
yi ∇
4
yi
0.0 1.008 0.28 1.1 1 0
0.2 1.064 0.61 1.6 1
0.3 1.125 1.09 2
0.5 1.343 1.69
0.6 1.512
O polinómio interpolador de f é:
P4(x)=y0+∇
1
y0(x-x0)+∇
2
y0(x-x1)(x-x0)+∇
3
y0(x-x2)(x-x1)(x-x0)+ 4
∇ y (x-x )
(x-x )(x-x )(x-x )
0 0
1 2 3
ou seja, P4(x)=1.008+0.028x+1.1x(x-0.2)+x(x-0.2)(x-0.3)
então f(0.4)≅P4(0.4)=1.216.
Erro de truncatura
A fórmula do erro de truncatura para a interpolação de Newton é a mesma do
que a cometida com a interpolação de Lagrange, tal deve-se ao facto de ambas
utilizarem polinómios do mesmo grau. Assim,
)!1(
)(
))...()(()(
)1(
10
+
−−−=
+
n
f
xxxxxxxE
n
nT
ξ
, x0<ξ<xn.
13

5. Interpolação com diferenças finitas
5.1. Conceito de diferença finita
Admitamos agora que os pontos xi são igualmente espaçados, i.e., xi=xi-1+h,
i=1,...,n, sendo h uma constante que designamos por passo.
O facto de os pontos serem igualmente espaçados deve ser aproveitado, pois
entre outras razões os cálculos vêm mais simplificados, o que nos leva a utilizar
outro operador.
Antes de definirmos diferença finita, consideremos uma variável auxiliar, z,
dada por:
z=
h
xx 0−
⇔ zh=x-x0
então x-x1=x-(x0+h)=x-x0-h=zh-h=(z-1)h
x-x2=x-(x1+h)=x-x1-h=(z-1)h-h=(z-2)h
continuando o raciocínio anterior conclui-se que:
x-xn-1=x-(xn-2+h)=x-xn-2-h=(z-(n-2))h-h=(z-(n-2)-1)h=(z-(n-1))h
substituindo os valores anteriores em
Pn(x)=y0+∇1
y0(x-x0)+∇2
y0(x-x1)(x-x0)+∇3
y0(x-x2)(x-x1)(x-x0)+...+
∇n
y (x-x )...(x-x )(x-x )(x-x )0 n-1 2 1 0 ⇔
Pn(x)=y0+zh∇1
y0+zh(z-1)h∇2
y +zh(z-1)h(z-2)h0 ∇3
y0+...+zh(z-1)h(z-2)h....
…(z-(n-1))h∇n
y0⇔
Pn(x)=y0+zh∇1
y0+zh2
(z-1)∇2
y0+z(z-1)(z-2)h3
∇3
y0+...+z(z-1)(z-2)...
…(z-(n-1))hn
∇n
y0 ⇔ (6)
Pn(x)=y0+ ∑ ∏
=
−
=
−∇
n
i
i
j
ii
jzyh
1
1
0
0 )( ,
14

Trata-se do polinómio interpolador de Newton para pontos igualmente
espaçados.
Vamos introduzir de seguida o conceito de diferença finita, válido apenas
quando xi-xi-1=h, i=1,...,n,.
Define-se diferença finita de:
i. Ordem zero: ∆0
yi=yi
ii. Ordem um: ∆1
yi=yi+1-yi=∆0
yi+1-∆0
yi
iii. Ordem dois: ∆2
yi=∆1
yi+1-∆1
yi
iv. Ordem n: ∆n
yi=∆n-1
yi+1-∆n-1
yi.
Exemplo: Construir a tabela das diferenças finitas para a função dada pela
tabela:
xi yi
3.5 9.82
4.0 10.91
4.5 12.05
5.0 13.14
5.5 16.19
A tabela das diferenças finitas
xi ∆0
yi =yi=f(xi) ∆1
yi ∆2
yi ∆3
yi ∆4
yi
3.5 9.82 1.09 0.05 -0.1 2.11
4.0 10.91 1.14 -0.05 2.01
4.5 12.05 1.09 1.96
5.0 13.14 3.05
5.5 16.19
15

5.2. Fórmula de Gregory-Newton para interpolação com diferenças
finitas
De seguida vamos enunciar um teorema que relaciona as diferenças divididas e
as diferenças finitas.
Teorema: seja f uma função definida nos pontos (xi, yi), i=0,...,n, tais que xi+1-
xi=h, ∀i. Tem-se que: n
i
n
i
n
hn
y
y
!
∆
=∇ .
Tendo em consideração o teorema anterior se substituirmos ∇n
y0 por n
n
hn
y
!
0∆
em
(6) obtemos:
Pn(x)=y0+zh
h
y0∆
+zh2
(z-1) 2
!2
0
2
h
y∆
+z(z-1)(z-2)h3
3
!3
0
3
h
y∆
+...+z(z-1)(z-2)...
…(z-(n-1))hn
n
hn
y
n
!
0∆
⇔Pn(x)=y0+z +z(z-1)0
y∆
!2
0
2
y∆
+z(z-1)(z-2)
!3
0
3
y∆
+...+z(z-1)(z-2)...(z-(n-1))
!
0
n
y
n
∆
ou de forma condensada
Pn(x)=y0+ ∑ ∏
=
−
=
−
∆n
i
i
j
i
jz
i
y
1
1
0
0 )(
!
que é a fórmula de Gregory-Newton para diferenças finitas.
Mostra-se de modo análogo que o erro de truncatura é dado por:
)!1(
)(
))...(2)(1()(
)1(
1
+
−−−=
+
+
n
f
nzzzzhzE
n
n
T
ξ
, x0<ξ<xn.
Exemplo: Dada a função f, conhecida nos pontos abaixo tabelados, calcule um
valor aproximado para f(0.25).
16

xi yi
0.1 0.125
0.2 0.064
0.3 0.027
0.4 0.008
0.5 0.001
Vamos começar por construir a tabela das diferenças finitas.
xi ∆
0
y =y =f(x )i i i ∆
1
yi ∆
2
yi ∆
3
yi ∆
4
yi
0.1 0.125 -0.061 0.024 -0.006 0
0.2 0.064 -0.037 0.018 -0.006
0.3 0.027 -0.019 0.012
0.4 0.008 -0.007
0.5 0.001
De seguida vamos construir um polinómio interpolador de f de grau máximo.
P4(x)=y0+z +z(z-1)0
y∆
!2
0
2
y∆
+z(z-1)(z-2)
!3
0
3
y∆
+z(z-1)(z-2)(z-3)
!4
0
4
y∆
ou seja, P4(x)=0.125-0.061z+0.024z(z-1)-0.006z(z-1)(z-2),
com z=
h
xx 0−
= 110
1.0
1.0
−=
−
x
x
, donde
P4(x)=0.125-0.061(10x-1)+0.024(10x-1)(10x-2)-0.006(10x-1)(10x-2)(10x-3).
Então f(0.25)≅P4(0.25)=0.043.
6. Interpolação de Hermite
Supondo que f é duas vezes diferenciável, sabe-se que um zero, xi , de f se diz
de multiplicidade dois se f(xi)=0, f ’(xi)=0 e f’’(xi)≠0. Diremos que duas funções
f e g 2-osculam (osculam 2-vezes) um ponto xi, se xi é zero de multiplicidade 2
da função (f-g)(x), isto é,
f(xi)=g(xi)
f ’(xi)=g ’(xi)
f ’’(xi)≠g’’(xi).
17

Tal comportamento significa que g interpola f e g’ interpola f ’ em x=xi. Nestes
casos falamos de interpolação osculatória ou repetida ou de Hermite. Por
exemplo, é bem conhecido um polinómio (n+1)-osculador de f(x) no ponto x=0
⎯ o polinómio de Mclaurin de f:
n
n
n x
n
f
xffxp
!
)0(
...)0(')0()(
)(
+++=
Com efeito,
pn(0)=f(0)
p’n(0)=f ’(0)
....
pn
(n)
(0)=f(n)
(0)
pn
(n+1)
(0)≠f(n+1)
(0).
Consideremos então um suporte (xi,yi), i=0,...,n, xi≠xj para i≠j, e um polinómio
dito polinómio interpolador de Hermite, H2n+1(x) verificando as 2(n+1)
condições seguintes:
H2n+1(xi)=f(xi)
H ’2n+1(xi)=f ’(xi)
Mostra-se que este polinómio de grau menor ou igual a 2n+1 existe e é único.
Vejamos como construir H2n+1 de uma forma que generaliza o polinómio
interpolador de Newton nas diferenças divididas. Consideremos os 2n+2 pontos
z0, z1,z2,...,z2n, z2n+1
e o polinómio interpolador de Newton
[ ] [ ]
[ ]1210210
21010100012
,...,,)...())((...
,,)()(,)()()(
+
+
−−−++
+−−+−+=
nn
n
zzzfzxzxzx
zzzfzxzxzzfzxzfxp
(7)
Recorrendo ao artifício de considerar cada xi igual a um par de z’s
consecutivos, supostos iguais, ou seja, fazendo
z0=z1=x0
18

z2=z3=x1
...
z2n=z2n+1=xn
então a fórmula (1) passa a escrever-se
[ ] [ ] )()(,,)(,)()()( 1
2
0100
2
0000012 xxxxxxxfxxxxfxxxfxp n −−+−+−+=+
[ ] [ ]nnnn xxxxfxxxxxxxxxxxxf ,,...,,)()...()()(...,,, 00
2
1
2
1
2
01100 −−−−+++ −
(8)
De facto, podemos generalizar a definição de diferenças divididas de modo a
dar significado à fórmula anterior: assim,
[ ] [ ] )('
)()(
,, i
i
i
xx
i
xx
ii xf
xx
xfxf
LimxxfLimxxf
ii
=
−
−
==
→→
[ ] [ ]
01
010
100
)(',
,,
xx
xfxxf
xxxf
−
−
= ,
[ ] [ ] [ ]
01
100110
1100
,,,,
,,,
xx
xxxfxxxf
xxxxf
−
−
= ,...
Doutro modo, o resultado obtido em (8) poderia obter-se fazendo o limite em
(7) quando z0,z1→x0, z2,z3→x1,..., z2n,z2n+1→xn.
Para o polinómio cúbico de Hermite (n=2) as relações anteriores indicam que
podemos estabelecer uma tabela com a seguinte configuração
x f 1as
. difs 2as
. difs 3as
. difs
xi fi f ’i f[xi,xi,xi+1] f[xi,xi,xi+1,xi+1]
xi fi f[xi,xi+1] f[xi,xi+1,xi+1]
xi+1 fi+1 f ’i+1
xi+1 fi+1
Exemplo: Determinar um valor aproximado de ln(1.5) sabendo que
x 1 2
ln(x) 0 0.693147
x
1 1 0.5
Tem-se que
19

x f D D2
D3
x0=1 0 1=f ’(1) -0.306853 0.113706
x0=1 0 0.693147 -0.193147
x1=2 0.693147 0.5=f ’(2)
x1=2 0.693147
Tendo-se que o polinómio de Hermite de grau três é:
H3(x)=(x-1)-0.306853(x-1)2
+0.113706(x-1)2
(x-2)
7. Interpolação com Splines
Na secção anterior, foram utilizados polinómios de ordem n para interpolar
entre os (n+1) pontos conhecidos. Por exemplo, com oito pontos pode-se
construir um polinómio de grau sete. Este polinómio terá um comportamento que
se adequará aos pontos conhecidos. No entanto, existem casos em que estas
funções conduzem a resultados erróneos. Uma aproximação alternativa consiste
em ajustar polinómios de ordem mais baixa a subconjuntos dos dados. Tais
polinómios de ligação são chamados funções splines.
Polinómios de ordem superior pela sua regularidade tendem a não captar as
alterações bruscas no comportamento da função, ao contrário dos splines. Assim,
os splines conseguem uma melhor aproximação para as funções que tenham
mudanças bruscas locais.
7.1. Splines Lineares
A ligação mais simples entre dois pontos é uma linha recta. O spline de
primeira ordem, para um grupo de dados ordenados, pode ser definido como o
conjunto de funções lineares:
10000 xxx,)()()( ≤≤−+= xxmxfxf
21111 xxx,)()()( ≤≤−+= xxmxfxf
...
n1-n111 xxx,)()()( ≤≤−+= −−− nnn xxmxfxf
20

onde mi é o declive da recta que une os pontos
ii
ii
i
xx
xfxf
m
−
−
=
+
+
1
1 )()(
Estas equações podem ser usadas para avaliar o valor da função em qualquer
ponto entre x0 e xn, bastando para tal localizar o intervalo em que o ponto cai. De
seguida, a equação apropriada é usada para determinar o valor da função nesse
intervalo. Este método é muito idêntico à interpolação linear.
Uma das grandes desvantagens deste método reside no facto de ele não ser
suave. No ponto onde dois splines se encontram (chamado nó), o declive muda
abruptamente. Ou seja, a primeira derivada da função é descontínua nestes
pontos. Esta desvantagem é superada utilizando splines de ordem superior que
assegurem a suavidade nos nós e que entram com o valor da derivada nestes
pontos.
7.2. Splines Quadráticos
Para garantir que as derivadas de ordem m sejam contínuas nos nós, têm de ser
utilizados splines com ordem pelo menos m+1. Polinómios de terceira ordem ou
splines cúbicos garantem a continuidade das derivadas de primeira e segunda
ordem e são muito utilizados na prática.
Vamos ilustrar o conceito de interpolação com splines utilizando polinómios
de segunda ordem. Estes “splines quadráticos” têm primeira derivada contínua
nos nós. Embora splines quadráticos não garantam segundas derivadas iguais nos
nós, servem para demonstrar o procedimento geral para desenvolver splines de
ordens superiores.
O objectivo nos splines quadráticos é arranjar um polinómio de segunda ordem
para cada intervalo entre valores. O polinómio para cada intervalo pode ser
representado de um modo geral por
fi(x)=aix2
+bix+ci. i=1,...,n
21

Com n+1 pontos tem-se n intervalos e consequentemente 3n constantes
desconhecidas. Como tal são necessárias 3n equações para calcular as constantes
desconhecidas. Estas são:
1. O valor das funções tem que ser igual nos nós, i.é.,
fi(xi)= aix2
i+bixi+ci=f(xi)
fi+1(xi)=ai+1x2
i+bi+1xi+ci+1=f(xi) i=1,...,n-1
Como só os nós interiores são utilizados temos n-1+n-1=2n-2 condições.
2. A primeira e a última função têm que passar nos nós finais.
f1(x0)=a1x2
0+b1x0+c1=f(x0)
fn(xn)=anx2
n+bnxn+cn=f(xn)
Temos então mais duas condições.
3. A primeira derivada nos nós interiores tem de ser igual.
f ’(x)=2ax+b
fi’ (xi)=2aixi+bi= 2ai+1xi+bi+1= fi+1’ (xi) i=1,...,n-1
Temos então mais n-1 condições.
Até agora temos 2n-2+2+n-1=3n-1 condições. Como temos 3n constantes
desconhecidas temos que arranjar mais uma condição. Se não tivermos mais
nenhuma informação adicional sobre as funções e as suas derivadas, temos que
fazer uma escolha arbitrária para calcular as constantes. Apesar das escolhas
que podem ser feitas serem inúmeras, por simplicidade:
4. Assumimos que a segunda derivada da primeira função é zero. Como
f1’’(x)=2a1 então a1=0. Esta condição pode ser interpretada graficamente
como, os dois primeiros pontos são ligados por uma linha recta.
Exemplo:
Ajustar um spline quadrático aos dados da tabela seguinte e usar o resultado
para estimar o valor em x=5.
22

x f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5
Temos n=3 intervalos, como tal vamos ter 3n=9 condições que são:
⎪
⎪
⎪
⎪
⎪
⎪
⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎧
=
+×=+×
+×=+×
=++
=++
=++
=++
=++
=++
0
7272
5.425.42
5.0981
5.239
5.2749
5.2749
0.15.425.20
0.15.425.20
1
3322
2211
333
111
333
222
222
111
a
baba
baba
cba
cba
cba
cba
cba
cba
Como a1=0 o problema resume-se a resolver oito equações simultaneamente.
Em forma de matriz temos:
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
=
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
×
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
−−
−−
0.0
0.0
5.0
5.2
5.2
5.2
0.1
0.1
0.00.10.140.00.10.140.00.0
0.00.00.00.00.10.90.00.1
0.10.90.810.00.00.00.00.0
0.00.00.00.00.00.00.10.3
0.10.70.490.00.00.00.00.0
0.00.00.00.10.70.490.00.0
0.00.00.00.15.425.200.00.0
0.00.00.00.00.00.00.15.4
3
2
3
2
2
2
1
1
c
b
a
c
b
a
c
b
Resolvendo o sistema anterior obtém-se
a1=0, b1= -1, c1=5.5, a2=0.64, b2= -6.76, c2=18.46, a3= -1.6, b3=24.6, c3= -91.3
Temos então os splines quadráticos: f1(x)=-x+5.5 3.0≤ x ≤4.5
f2(x)=0.64x2
-6.76x+18.46 4.5≤ x ≤7.0
f3(x)=-1.6x2
+24.6x-91.3 7.0≤ x ≤9.0
Temos então que f2(5)=0.64×25-6.76×5+18.46=0.66.
23

Capítulo4 interpolação

Mais conteúdo relacionado

Mais procurados (19)

Semelhante a Capítulo4 interpolação (20)

Mais de JADSON SANTOS (15)

Último (20)

Capítulo4 interpolação