SlideShare uma empresa Scribd logo
1 de 23
Baixar para ler offline
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
12...1
111
0001
2
02...1
010
,
cuja matriz é A=
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎣
⎡
−
−
−
1...
1
...............
11...1
11
10...1
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

Mais conteúdo relacionado

Mais procurados

ANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃOANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃOCarlos Campani
 
Funções e suas propriedades analíticas
Funções e suas propriedades analíticasFunções e suas propriedades analíticas
Funções e suas propriedades analíticasCarlos Campani
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmicaCarlos Campani
 
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃO
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃOFUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃO
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃOCarlos Campani
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13Carlos Campani
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a DerivadaEinstein Rafael
 
Funções trigonométricas
Funções trigonométricasFunções trigonométricas
Funções trigonométricasCarlos Campani
 
Lista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemLista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemCarlos Campani
 
Lista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemLista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemCarlos Campani
 
Lista de exercícios 11
Lista de exercícios 11Lista de exercícios 11
Lista de exercícios 11Carlos Campani
 
Ger numaleat(1)
Ger numaleat(1)Ger numaleat(1)
Ger numaleat(1)Iago Lira
 
Lista de exercícios 5 - Cálculo
Lista de exercícios 5 - CálculoLista de exercícios 5 - Cálculo
Lista de exercícios 5 - CálculoCarlos Campani
 

Mais procurados (19)

ANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃOANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃO
 
Funções e suas propriedades analíticas
Funções e suas propriedades analíticasFunções e suas propriedades analíticas
Funções e suas propriedades analíticas
 
Ms impresso aula05
Ms impresso aula05Ms impresso aula05
Ms impresso aula05
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmica
 
Cálculo usando MatLab
Cálculo usando MatLabCálculo usando MatLab
Cálculo usando MatLab
 
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃO
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃOFUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃO
FUNÇÕES: DEFINIÇÃO, DOMÍNIO, IMAGEM E GRÁFICO DE FUNÇÃO
 
Cl interpolao
Cl interpolaoCl interpolao
Cl interpolao
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a Derivada
 
Funções trigonométricas
Funções trigonométricasFunções trigonométricas
Funções trigonométricas
 
Max min ime
Max min   imeMax min   ime
Max min ime
 
Função Exponencial
Função ExponencialFunção Exponencial
Função Exponencial
 
Lista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemLista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat Elem
 
Lista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemLista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat Elem
 
Lista de exercícios 11
Lista de exercícios 11Lista de exercícios 11
Lista de exercícios 11
 
Função exponencial
Função exponencialFunção exponencial
Função exponencial
 
Ger numaleat(1)
Ger numaleat(1)Ger numaleat(1)
Ger numaleat(1)
 
Funcoes Exponenciais
Funcoes ExponenciaisFuncoes Exponenciais
Funcoes Exponenciais
 
Lista de exercícios 5 - Cálculo
Lista de exercícios 5 - CálculoLista de exercícios 5 - Cálculo
Lista de exercícios 5 - Cálculo
 

Semelhante a Capítulo4 interpolação

1 integr num_simples
1 integr num_simples1 integr num_simples
1 integr num_simplesHeron Soares
 
Lista de exercícios 8
Lista de exercícios 8Lista de exercícios 8
Lista de exercícios 8Carlos Campani
 
Introdução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercíciosIntrodução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercíciosThiagoFDomingosDiasF
 
funcoes1_slides.pptx matematica,engenharia e afins
funcoes1_slides.pptx matematica,engenharia e afinsfuncoes1_slides.pptx matematica,engenharia e afins
funcoes1_slides.pptx matematica,engenharia e afinsJosJunior621067
 
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.doc
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.docguia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.doc
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.docShirleyCristinaCosta
 
Integracão para engenharia
Integracão para engenhariaIntegracão para engenharia
Integracão para engenhariaEder Ribeiro
 
Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacaoJADSON SANTOS
 
Equação de Laplace em Coordenadas Polares.pdf
Equação de Laplace em Coordenadas Polares.pdfEquação de Laplace em Coordenadas Polares.pdf
Equação de Laplace em Coordenadas Polares.pdfmikaelg3
 
625639 a-teoria-dos-limites-calculo
625639 a-teoria-dos-limites-calculo625639 a-teoria-dos-limites-calculo
625639 a-teoria-dos-limites-calculoMarcos Lira
 
Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacaojadsons95
 

Semelhante a Capítulo4 interpolação (20)

1 integr num_simples
1 integr num_simples1 integr num_simples
1 integr num_simples
 
Lista de exercícios 8
Lista de exercícios 8Lista de exercícios 8
Lista de exercícios 8
 
Funcao exponencial
Funcao exponencialFuncao exponencial
Funcao exponencial
 
Introdução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercíciosIntrodução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercícios
 
Teste Derivadas
Teste DerivadasTeste Derivadas
Teste Derivadas
 
funcoes1_slides.pptx matematica,engenharia e afins
funcoes1_slides.pptx matematica,engenharia e afinsfuncoes1_slides.pptx matematica,engenharia e afins
funcoes1_slides.pptx matematica,engenharia e afins
 
Função Polinomial
Função PolinomialFunção Polinomial
Função Polinomial
 
Calculo1 aula10
Calculo1 aula10Calculo1 aula10
Calculo1 aula10
 
Função Inversa
Função InversaFunção Inversa
Função Inversa
 
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.doc
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.docguia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.doc
guia-de-func3a7c3a3o-4a-parte-cc3a1lculo-integral2.doc
 
Funções Elementares
Funções ElementaresFunções Elementares
Funções Elementares
 
Aula11.pdf
Aula11.pdfAula11.pdf
Aula11.pdf
 
Integracão para engenharia
Integracão para engenhariaIntegracão para engenharia
Integracão para engenharia
 
Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacao
 
Equação de Laplace em Coordenadas Polares.pdf
Equação de Laplace em Coordenadas Polares.pdfEquação de Laplace em Coordenadas Polares.pdf
Equação de Laplace em Coordenadas Polares.pdf
 
Apostila calculo
Apostila calculoApostila calculo
Apostila calculo
 
Segundaultduaslinha
SegundaultduaslinhaSegundaultduaslinha
Segundaultduaslinha
 
625639 a-teoria-dos-limites-calculo
625639 a-teoria-dos-limites-calculo625639 a-teoria-dos-limites-calculo
625639 a-teoria-dos-limites-calculo
 
Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacao
 
Lista6 revisão teoriama11
Lista6 revisão teoriama11Lista6 revisão teoriama11
Lista6 revisão teoriama11
 

Mais de JADSON SANTOS

Capitulo 3 -_circuitos_con_diodos_diodos_zener
Capitulo 3 -_circuitos_con_diodos_diodos_zenerCapitulo 3 -_circuitos_con_diodos_diodos_zener
Capitulo 3 -_circuitos_con_diodos_diodos_zenerJADSON SANTOS
 
Indutores e transformadores
Indutores e transformadoresIndutores e transformadores
Indutores e transformadoresJADSON SANTOS
 
Doc matematica _744794884
Doc matematica _744794884Doc matematica _744794884
Doc matematica _744794884JADSON SANTOS
 
3b5d17 748a8b99e224a1bf91f42123e5388634
3b5d17 748a8b99e224a1bf91f42123e53886343b5d17 748a8b99e224a1bf91f42123e5388634
3b5d17 748a8b99e224a1bf91f42123e5388634JADSON SANTOS
 
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...JADSON SANTOS
 

Mais de JADSON SANTOS (14)

Aula4 reguladores
Aula4 reguladoresAula4 reguladores
Aula4 reguladores
 
Capitulo 3 -_circuitos_con_diodos_diodos_zener
Capitulo 3 -_circuitos_con_diodos_diodos_zenerCapitulo 3 -_circuitos_con_diodos_diodos_zener
Capitulo 3 -_circuitos_con_diodos_diodos_zener
 
Lista05
Lista05Lista05
Lista05
 
Capítulo 5
Capítulo 5Capítulo 5
Capítulo 5
 
Elepot2006 proj (1)
Elepot2006 proj (1)Elepot2006 proj (1)
Elepot2006 proj (1)
 
Indutores e transformadores
Indutores e transformadoresIndutores e transformadores
Indutores e transformadores
 
16 resolvidas
16 resolvidas16 resolvidas
16 resolvidas
 
Juroscompostos
JuroscompostosJuroscompostos
Juroscompostos
 
Doc matematica _744794884
Doc matematica _744794884Doc matematica _744794884
Doc matematica _744794884
 
Resolvidas
ResolvidasResolvidas
Resolvidas
 
3b5d17 748a8b99e224a1bf91f42123e5388634
3b5d17 748a8b99e224a1bf91f42123e53886343b5d17 748a8b99e224a1bf91f42123e5388634
3b5d17 748a8b99e224a1bf91f42123e5388634
 
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...
Aplicac3a7c3a3o da-abordagem-gqm-para-a-definic3a7c3a3o-de-um-processo-de-eng...
 
Embarcado
EmbarcadoEmbarcado
Embarcado
 
Inter pol
Inter polInter pol
Inter pol
 

Último

Semana Interna de Prevenção de Acidentes SIPAT/2024
Semana Interna de Prevenção de Acidentes SIPAT/2024Semana Interna de Prevenção de Acidentes SIPAT/2024
Semana Interna de Prevenção de Acidentes SIPAT/2024Rosana Andrea Miranda
 
08-05 - Atividade de língua Portuguesa.pdf
08-05 - Atividade de língua Portuguesa.pdf08-05 - Atividade de língua Portuguesa.pdf
08-05 - Atividade de língua Portuguesa.pdfAntonio Barros
 
Multiplicação - Caça-número
Multiplicação - Caça-número Multiplicação - Caça-número
Multiplicação - Caça-número Mary Alvarenga
 
Produção de poemas - Reciclar é preciso
Produção  de  poemas  -  Reciclar é precisoProdução  de  poemas  -  Reciclar é preciso
Produção de poemas - Reciclar é precisoMary Alvarenga
 
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptxEB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptxIlda Bicacro
 
O Reizinho Autista.pdf - livro maravilhoso
O Reizinho Autista.pdf - livro maravilhosoO Reizinho Autista.pdf - livro maravilhoso
O Reizinho Autista.pdf - livro maravilhosoVALMIRARIBEIRO1
 
Nós Propomos! Infraestruturas em Proença-a-Nova
Nós Propomos! Infraestruturas em Proença-a-NovaNós Propomos! Infraestruturas em Proença-a-Nova
Nós Propomos! Infraestruturas em Proença-a-NovaIlda Bicacro
 
Descrever e planear atividades imersivas estruturadamente
Descrever e planear atividades imersivas estruturadamenteDescrever e planear atividades imersivas estruturadamente
Descrever e planear atividades imersivas estruturadamenteLeonel Morgado
 
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024azulassessoria9
 
Atividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdfAtividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdfmaria794949
 
Apresentação sobre Robots e processos educativos
Apresentação sobre Robots e processos educativosApresentação sobre Robots e processos educativos
Apresentação sobre Robots e processos educativosFernanda Ledesma
 
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHAS
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHASMARCHA HUMANA. UM ESTUDO SOBRE AS MARCHAS
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHASyan1305goncalves
 
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdfAparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdfAbdLuxemBourg
 
Conteúdo sobre a formação e expansão persa
Conteúdo sobre a formação e expansão persaConteúdo sobre a formação e expansão persa
Conteúdo sobre a formação e expansão persafelipescherner
 
livro para educação infantil conceitos sensorial
livro para educação infantil conceitos sensoriallivro para educação infantil conceitos sensorial
livro para educação infantil conceitos sensorialNeuroppIsnayaLciaMar
 
Nós Propomos! Sertã 2024 - Geografia C - 12º ano
Nós Propomos! Sertã 2024 - Geografia C - 12º anoNós Propomos! Sertã 2024 - Geografia C - 12º ano
Nós Propomos! Sertã 2024 - Geografia C - 12º anoIlda Bicacro
 
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...Manuais Formação
 
"Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande""Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande"Ilda Bicacro
 
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIA
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIAHISTORIA DA XILOGRAVURA A SUA IMPORTANCIA
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIAElianeAlves383563
 

Último (20)

Semana Interna de Prevenção de Acidentes SIPAT/2024
Semana Interna de Prevenção de Acidentes SIPAT/2024Semana Interna de Prevenção de Acidentes SIPAT/2024
Semana Interna de Prevenção de Acidentes SIPAT/2024
 
08-05 - Atividade de língua Portuguesa.pdf
08-05 - Atividade de língua Portuguesa.pdf08-05 - Atividade de língua Portuguesa.pdf
08-05 - Atividade de língua Portuguesa.pdf
 
Multiplicação - Caça-número
Multiplicação - Caça-número Multiplicação - Caça-número
Multiplicação - Caça-número
 
Produção de poemas - Reciclar é preciso
Produção  de  poemas  -  Reciclar é precisoProdução  de  poemas  -  Reciclar é preciso
Produção de poemas - Reciclar é preciso
 
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptxEB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
 
Poema - Aedes Aegypt.
Poema - Aedes Aegypt.Poema - Aedes Aegypt.
Poema - Aedes Aegypt.
 
O Reizinho Autista.pdf - livro maravilhoso
O Reizinho Autista.pdf - livro maravilhosoO Reizinho Autista.pdf - livro maravilhoso
O Reizinho Autista.pdf - livro maravilhoso
 
Nós Propomos! Infraestruturas em Proença-a-Nova
Nós Propomos! Infraestruturas em Proença-a-NovaNós Propomos! Infraestruturas em Proença-a-Nova
Nós Propomos! Infraestruturas em Proença-a-Nova
 
Descrever e planear atividades imersivas estruturadamente
Descrever e planear atividades imersivas estruturadamenteDescrever e planear atividades imersivas estruturadamente
Descrever e planear atividades imersivas estruturadamente
 
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024
ATIVIDADE 2 - GQ - COMUNICAÇÃO EMPRESARIAL E NEGOCIAÇÃO - 52_2024
 
Atividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdfAtividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdf
 
Apresentação sobre Robots e processos educativos
Apresentação sobre Robots e processos educativosApresentação sobre Robots e processos educativos
Apresentação sobre Robots e processos educativos
 
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHAS
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHASMARCHA HUMANA. UM ESTUDO SOBRE AS MARCHAS
MARCHA HUMANA. UM ESTUDO SOBRE AS MARCHAS
 
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdfAparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
 
Conteúdo sobre a formação e expansão persa
Conteúdo sobre a formação e expansão persaConteúdo sobre a formação e expansão persa
Conteúdo sobre a formação e expansão persa
 
livro para educação infantil conceitos sensorial
livro para educação infantil conceitos sensoriallivro para educação infantil conceitos sensorial
livro para educação infantil conceitos sensorial
 
Nós Propomos! Sertã 2024 - Geografia C - 12º ano
Nós Propomos! Sertã 2024 - Geografia C - 12º anoNós Propomos! Sertã 2024 - Geografia C - 12º ano
Nós Propomos! Sertã 2024 - Geografia C - 12º ano
 
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
 
"Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande""Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande"
 
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIA
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIAHISTORIA DA XILOGRAVURA A SUA IMPORTANCIA
HISTORIA DA XILOGRAVURA A SUA IMPORTANCIA
 

Capítulo4 interpolação

  • 1. 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. 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
  • 3. 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
  • 4. ∃ 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
  • 5. 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
  • 6. 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 12...1 111 0001 2 02...1 010 , cuja matriz é A= ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − − − 1... 1 ............... 11...1 11 10...1 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
  • 7. 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
  • 8. 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
  • 9. 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
  • 10. 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
  • 11. 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
  • 12. 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
  • 13. 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
  • 14. 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
  • 15. 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
  • 16. 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
  • 17. 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
  • 18. 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
  • 19. 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
  • 20. 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
  • 21. 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
  • 22. 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
  • 23. 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