SlideShare a Scribd company logo
1 of 11
Download to read offline
68
4 – APROXIMAÇÃO DE FUNÇÕES
4.1- INTERPOLAÇÃO POLINOMIAL
Introdução: A interpolação
Interpolar uma função f(x) consiste em aproximar essa função por uma outra
função g(x), escolhida entre uma classe de funções definida a priori e que satisfaça algumas
propriedades. A função g(x) é então usada em substituição à função f(x).
A necessidade de se efetuar esta substituição surge em várias situações, como por
exemplo:
a.) quando são conhecidos somente os valores numéricos da função para um
conjunto de pontos e é necessário calcular o valor da função em um ponto não
tabelado;
b.) quando a função em estudo tem uma expressão tal que operações como a
diferenciação e a integração são difíceis (ou mesmo impossíveis) de serem
realizadas.
4.1.1- Interpretação geométrica
Consideremos (n +1 ) pontos distintos: x0, x1, ... , xn, chamamos nós da
interpolação, e os valores de f(x) nesses pontos: f(x0), f(x1), ..., f(xn).
A forma de interpolação de f(x) que veremos a seguir, consiste em se obter uma
determinada função g(x) tal que:
( ) ( )
( ) ( )
( ) ( )
( ) ( )










=
⋅⋅
⋅⋅
⋅⋅
=
=
=
nn
22
11
00
xfxg
xfxg
xfxg
xfxg
Geometricamente, um esboço da interpolante g(x) sobre a função f(x) é visto na
figura 3.1.
Em particular, se g(x) = Pn(x), onde Pn é um polinômio de grau n, então a
interpolação é denominada de interpolação polinomial.
Observamos que:
i.) existem outras formas de interpolação polinomial como, por exemplo, a
fórmula de Taylor, a interpolação por polinômios de Hermite e do tipo
“spline”, para as quais as condições são outras;
ii.) Assim como g(x) foi escolhida entre as funções polinomiais, poderíamos
ter escolhido g(x) como função racional, função trigonométrica, etc. Um
69
caso que explora combinaçãoes de funções trigonométricas, em campo real
ou complexo, é o aproximante definido a partir da série de Fourier;
iii.) existe também o caso polinomial não interpolante, tal como, o aproximante
de funções por mínimos quadrados.
Em qualquer um dos casos citados, estes encontram-se inseridos em um tópico
mais geral chamado aproximação de funções.
A interpolação polinomial que será vistá será a de Lagrange e a de Newton.
Figura 4.1 – esboço de uma função f(x) e de sua interpolante g(x), para n = 4 ( 05
nós).
Definição 4.1- Interpolação Polinomial
Dados os pontos (x0, f(x0)), (x1, f(x1)), ..., (xn, f(xn)), portanto (n + 1) pontos,
queremos aproximar f(x) por um polinômio pn(x), de grau menor ou igual a n, tal que:
f(xk) = pn(xk) k = 0, 1, 2, ..., n
Surgem aqui as perguntas: existe sempre um polinômio pn(x) que satisfaça estas
condições? Caso exista, ele é único?
Representaremos pn(x) por:
pn(x) = a0 + a1x + a2x2
+ ... + anxn
.
Portanto, obter pn(x) significa obter os coeficientes a0, a1, ..., an.
Da condição pn(xk) = f(xk), ∀ k = 0, 1, 2, ..., n, montamos o seguinte sistema
linear:
70
( )
( )
( )









=++++
=++++
=++++
n
n
nn
2
n2n10
1
n
1n
2
12110
0
n
0n
2
02010
xfxaxaxaa
......
......
......
xfxaxaxaa
xfxaxaxaa
L
L
L
com n + 1 equações e n + 1 variáveis: a0, a1, ..., an.
A matriz A dos coeficientes é
A =




















n
n
2
nn
n
1
2
11
n
0
2
00
xxx1
....
....
....
xxx1
xxx1
L
L
L
que é uma matriz de Vandermonde e, portanto, desde que x0, x1, ..., xn sejam pontos
distintos, temos det (A) ≠ 0 e, então, o sistema linear admite solução única.
Demonstramos assim o seguinte teorema:
Teorema 4.1 – Existência e unicidade do Polinômio Interpolador
Existe um único polinômio pn(x), de grau ≤ n, tal que: pn(xk) = f(xk), k = 0, 1, 2,
..., n, desde que xk ≠ xj, j ≠ k.
4.2- Forma de Lagrange do Polinômio de Interpolação
Sejam x0, x1, ...,xn, (n + 1) pontos distintos e yi = f(xi), i = 0, ..., n.
Seja pn(x) o polinômio de grau ≤ n que interpola f em x0, ..., xn. Podemos
representar pn(x) na forma pn(x) = y0L0(x) + y1L1(x) + ... + ynLn(x), onde os polinômios
Lk(x) são de grau n. Para cada i, queremos que a condição pn(xi) = yi seja satisfeita, ou seja:
pn(xi) = y0L0(xi) + y1L1(xi) + ... + ynLn(xi) = yi
A forma mais simples de se satisfazer esta condição é impor:
Lk (xi) =




=
≠
ikse
ikse
1
0
e, para isso, definimos Lk(x) por
Lk(x) =
( )( ) ( )( ) ( )
( )( ) ( )( ) ( )nk1kk1kk1k0k
n1k1k10
xxxxxxxxxx
xxxxxxxxxx
−−−−−
−−−−−
+−
+−
KK
KK
.
71
É fácil verificar que realmente
Lk(xk) = 1 e
Lk(xi) = 0 se i ≠ k.
Como o numerador de Lk(x) é um produto de n fatores da forma:
( )ixx − , i = 0, ..., n, i ≠ k, então Lk é um polinômio de grau n e, assim, pn(x) é
um polinômio de grau menor ou igual a n.
Além disso, para x = xi, i = 0, ..., n temos:
( ) ( ) ( ) iiii
n
0k
ikkin yxLyxLyxp === ∑
=
Então, a forma de Lagrange para o polinômio interpolador é:
pn(x) = ( )∑
=
n
0k
kk xLy
onde
( )
( )
( )∏
∏
≠
=
≠
=
−
−
=
n
kj
0j
jk
n
kj
0j
j
k
xx
xx
xL .
Exemplo 4.2.1: (Interpolação Linear)
Faremos aqui um exemplo teórico para interpolação em dois pontos distintos: (x0,
f(xo)) e (x1, f(x1)).
Assim, n é igual a 1 e, por isto, a interpolação por dois pontos é chamada
interpolação linear.
Usando a forma de Lagrange teremos:
p1(x) = ( ) ( )xLyxLy 1100 + , onde
L0(x) =
( )
( )10
1
xx
xx
−
−
, L1(x) =
( )
( )01
0
xx
xx
−
−
.
Assim, p1(x) =
( )
( )
( )
( )01
0
1
10
1
0
xx
xx
y
xx
xx
y
−
−
+
−
−
, ou seja,
72
p1(x) =
( ) ( )
( )01
1001
xx
yxxyxx
−
−+−
que é exatamente a equação da reta que passa por (x0, f(x0)) e (x1, f(x1)).
Exemplo 4.2.2:
Seja a tabela:
x -1 0 2
f(x) 4 1 -1
Pela forma de Lagrange, temos que:
p2(x) = ( ) ( )xLyxLy 1100 + ( )xLy 22+ , onde:
L0(x) =
( )( )
( )( )
( )( )
( )( ) 3
x2x
2101
2x0x
xxxx
xxxx 2
2010
21 −
=
−−−−
−−
=
−−
−−
L1(x) =
( )( )
( )( )
( )( )
( )( ) 2
2xx
2010
2x1x
xxxx
xxxx 2
2101
20
−
−−
=
−+
−+
=
−−
−−
L2(x) =
( )( )
( )( )
( )( )
( )( ) 6
xx
0212
0x1x
xxxx
xxxx 2
1202
10 +
=
−+
−+
=
−−
−−
Assim na forma de Lagrange,
p2(x) = ( ) 






 +
−+








−
−−
+







 −
6
xx
1
2
2xx
1
3
x2x
4
222
Agrupando os termos semelhantes, obtemos que p2(x) = 2
x
3
2
x
3
7
1 +− .
4.3 - Forma de Newton do Polinômio de Interpolação
A forma de Newton para o polinômio pn(x) que interpola f(x) em x0, x1, ..., xn,
(n + 1) pontos distintos é a seguinte:
pn(x) = ( ) ( )( ) ( )( ) ( )1n10n102010 xxxxxxdxxxxdxxdd −−−−++−−+−+ LL
No que segue, estudaremos:
i) o operador diferenças divididas, uma vez que os coeficientes dk, k = 0, 1,
..., n acima são diferenças divididas de ordem k entre os pontos (xj, f(xj)),
j = 0, 1, ..., k.
ii) a dedução da expressão de pn(x) dada por:
pn(x) = ( ) ( )( ) ( )( ) ( )1n10n102010 xxxxxxdxxxxdxxdd −−−−++−−+−+ LL
73
4.3.1- Operador diferenças divididas
Seja f(x) uma função tabelada em n + 1 pontos distintos: x0, x1, ..., xn.
Definimos o operador diferenças divididas por:
[ ] ( )
[ ]
[ ] [ ] ( ) ( )
[ ]
[ ] [ ]
[ ] [ ] [ ]
[ ]
[ ] [ ]



















−
−
=
−
−
=
−
−
=
−
−
=
−
−
=
=
−
0n
1n210n21
n210
03
210321
3210
02
1021
210
01
01
01
01
10
00
xx
x,,x,x,xfx,,x,xf
x,,x,x,xf
..
..
..
xx
x,x,xfx,x,xf
x,x,x,xf
xx
x,xfx,xf
x,x,xf
xx
xfxf
xx
xfxf
x,xf
xfxf
LL
L
Dizemos que f[x0, x1, ..., xk] é a diferença dividida de ordem k da função f(x) sobre
os k + 1 pontos: x0, x1, ..., xk.
Dada uma função f(x) e conhecidos os valores que f(x) assume nos pontos
distintos x0, x1, ..., xn, podemos construir a tabela:
x Ordem 0 Ordem 1 Ordem 2 Ordem 3 ... Ordem n
x0 f[x0]
F[x0, x1]
x1 f[x1] f[x0, x1, x2]
F[x1, x2] f[x0, x1, x2, x3]
x2 f[x2] f[x1, x2, x3]
F[x2, x3] f[x1, x2, x3, x4]
.
.
.
x3 f[x3] f[x2, x3, x4] f[x0, x1, x2, ..., xn]
F[x3,x4]
.
.
.
x4 f[x4]
.
.
.
f[xn-3, xn-2, xn-1, xn] .
.
.
. . f[xn-2, xn-1, xn]
. . .
.
.
. . F[xn-1, xn]
xn f[xn]
(Ordem Zero)
(Ordem 1)
(Ordem 2)
(Ordem 3)
(Ordem n)
74
Exemplo 4.3.1:
Seja f(x) tabelada abaixo
X -1 0 1 2 3
f(x) 1 1 0 -1 -2
Sua tabela de diferenças divididas é:
x Ordem 0 Ordem 1 Ordem 2 Ordem 3 Ordem 4
-1 1
0
0 1
2
1
−
-1
6
1
1 0 0
24
1
−
-1 0
2 -1 0
-1
3 -2
Onde
f[x0, x1] =
[ ] [ ] 0
1
11
xx
xfxf
01
01 =
−
=
−
−
f[x1, x2] =
[ ] [ ] 1
01
10
xx
xfxf
12
12 −=
−
−
=
−
−
.
.
.
f[x0, x1, x2] =
[ ] [ ]
2
1
11
01
xx
x,xfx,xf
02
1021 −
=
+
−−
=
−
−
f[x1, x2, x3] =
[ ] [ ] 0
02
11
xx
x,xfx,xf
13
2132 =
−
+−
=
−
−
.
.
.
f[x0, x1, x2, x3] =
[ ] [ ]
6
1
12
210
xx
x,x,xfx,x,xf
03
210321 =
+
+
=
−
−
Procede-se desta forma até obter-se todos os termos da tabela de diferenças
divididas.
75
Propriedade 4.3.1
As formas de diferenças divididas satisfazem a propriedade a seguir:
f[x0, x1, ..., xk] é simétrica nos argumentos, ou seja, f[x0, x1, ..., xk] = f[xj0, xj1, ...,
xjk] onde j0, j1, ..., jk é qualquer permutação de 0, 1, ..., k.
Por exemplo,
f[x0, x1] =
[ ] [ ] [ ] [ ] [ ]01
10
10
01
01 x,xf
xx
xfxf
xx
xfxf
=
−
−
=
−
−
.
Para k = 2 teremos:
f[x0, x1, x2] = f[x0, x2, x1] = f[x1, x0, x2] = f[x1, x2, x0] = f[x2, x0, x1] = f[x2, x1, x0].
4.3.2- A Forma de Newton do polinômio interpolador
Seja f(x) contínua e com tantas derivadas contínuas quantas necessárias num
intervalo [a, b].
Sejam a = x0 < x1 < x2 < ... < xn = b, (n + 1) pontos.
Construiremos o polinômio pn(x) que interpola f(x) em x0, x1, ..., xn. Iniciaremos a
construção obtendo p0(x) que interpola f(x) em x = x0. E assim, sucessivamente,
construiremos pk(x) que interpola f(x) em x0, x1, ..., xk, k = 0, 1, ..., n.
Seja p0(x) o polinômio de grau 0 que interpola f(x) em x = x0. Então, p0(x) = f(x0)
= f[x0].
Temos que, para todo x ∈ [a, b], x ≠ x0
[ ] [ ] [ ] ( ) ( )
( ) [ ] ( ) ( )
( ) ( )
( )
( ) [ ]
( )
( ) ( ) ( ) ( ) [ ]x,xfxxxpxfxE
x,xfxxxfxf
xfxfx,xfxx
xx
xfxf
xx
xfxf
x,xf
0000
xE
00
xp
0
000
0
0
0
0
0
0o
−=−=⇒
−+=⇒
⇒−=−⇒
⇒
−
−
=
−
−
=
44 344 21321
Note que E0(x) = f(x)-p0(x) é o erro cometido ao se aproximar f(x) por p0(x).
Seja agora construir p1(x), o polinômio de grau ≤ 1 que interpola f(x) em x0 e x1.
Temos que
[ ] [ ] [ ] [ ]
( ) ( ) [ ]
( )
( ) ( ) ( ) [ ]
( )( )01
0100
1
01
0
0
1
010
0110
xxxx
x,xfxxxfxf
xx
x,xf
xx
xfxf
xx
x,xfx,xf
x,x,xfx,x,xf
−−
−−−
=
−
−
−
−
=
=
−
−
==
76
[ ] ( ) ( ) ( ) [ ]
( )( )
( ) ( ) ( ) [ ]
( )
( )( ) [ ]
( )
4444 34444 214444 34444 21
xE
1010
xp
0100
10
0100
10
11
x,x,xfxxxxx,xfxxxfxf
xxxx
x,xfxxxfxf
x,x,xf
−−+−+=⇒
⇒
−−
−−−
=⇒
Assim,
p1(x) = ( )
( )
( ) [ ]
( )
444 3444 21321
xq
100
xp
0
10
x,xfxxxf −+ e
E1(x) = ( )( ) [ ]x,x,xfxxxx 1010 −− .
Verificação:
p1(x) interpola f(x) em x0 e em x1?
p1(x0) = f(x0)
p1(x1) = f(x0) + (x1 – x0)
( ) ( )
( )1
01
01
xf
xx
xfxf
=
−
−
.
Seja agora construir p2(x) , o polinômio de grau ≤ 2 que interpola f(x) em x0, x1,
x2.
Temos que:
f[x0, x1, x2, x] = f[x2, x1, x0, x] =
[ ] [ ]
=
−
−
2
01201
xx
x,x,xfx,x,xf
[ ] [ ]
[ ]
( )
( ) ( )
( )
[ ]
( )
[ ]
( )
=
−
−
−
−
−
−
=
=
−
−
−
−
=
2
012
1
01
0
0
2
012
1
010
xx
x,x,xf
xx
x,xf
xx
xfxf
xx
x,x,xf
xx
x,xfx,xf
( ) ( ) ( ) [ ] ( )( ) [ ]
( )( )( )
⇒
−−−
−−−−−−
=
210
012100100
xxxxxx
x,x,xfxxxxx,xfxxxfxf
⇒
( ) ( ) ( ) [ ] ( )( ) [ ]
( )( )( ) [ ]x,x,x,xfxxxxxx
x,x,xfxxxxx,xfxxxfxf
210210
210101000
−−−+
+−−+−+=
Então,
p2(x) = ( ) ( ) [ ]
( )
( )( ) [ ]
( )
44444 344444 214444 34444 21
xq
21010
xp
1000
21
x,x,xfxxxxx,xfxxxf −−+−+ e
E2(x) = (x – x0)(x – x1)(x – x2)f[x0, x1, x2, x].
77
Observamos que, assim como para p1(x) e p2(x), pk(x) = pk–1(x) + qk(x), onde qk(x)
é um polinômio de grau k.
Aplicando sucessivamente o mesmo raciocínio para
x0, x1, x2, x3;
x0, x1, x2, x3, x4;
.
.
.
x0, x1, x2, ..., xn,
teremos a forma de Newton para o polinômio de grau ≤ n que interpola f(x) em x0, ..., xn:
pn(x) = f(x0) + (x – x0)f[x0, x1] + (x – x0)(x – x1)f[x0, x1, x2] + ... +
+ ... + (x – x0)(x – x1)...(x – xn–1)f[x0, x1, ..., xn]
e o erro é dado por:
En(x) = (x – x0)(x – x1) ... (x – xn)f[x0, x1, ..., xn, x]
De fato, pn(x) interpola f(x)em x0, x1, ..., xn, pois sendo
f(x) = pn(x) + En(x), então para todo nó xk, k = 0, ..., n, temos:
f(xk) = pn(xk) + ( ) ( )kn
0
kn xpxE =
=
43421
.
Exemplo 4.3.2:
Usando a forma de Newton, o polinômio p2(x), que interpola f(x) nos pontos dados
abaixo, é:
x -1 0 2
f(x) 4 1 -1
p2(x) = f(x0) + (x – x0)f[x0, x1] + (x – x0)(x – x1)f[x0, x1, x2].
x Ordem 0 Ordem 1 Ordem 2
-1 4
-3
0 1 2/3
-1
2 -1
p2(x) = 4 + (x + 1)(-3) + (x + 1)(x - 0)(2/3)
Observamos que, agrupando os termos semelhantes, obtemos
p2(x) = 1x
3
7
x
3
2 2
+− , que é a mesma expressão obtida no exemplo 2.
78
Observamos ainda que é conveniente deixar o polinômio na forma de Newton,
sem agrupar os termos semelhantes, pois, quando calcularmos o valor numérico de pn(x),
para x = α , evitaremos o cálculo de potências. O número de operações pode ainda ser
reduzido se usarmos a forma dos parênteses encaixados descrita a seguir:
Dado:
pn(x) = f(x0) (x – x0)f[x0, x1] + (x – x0)(x –x1)f[x0, x1, x2] +
+ (x – x0)(x – x1)(x – x2)f[x0, x1, x2, x3] + ... +
+ (x – x0)(x – xi)...(x – xn–1)f[x0, x1, x2, ..., xn]
temos que:
pn(x) = f(x0) + (x – x0){f[x0, x1] + (x – x1){f[x0, x1, x2] +
+ (x – x2){f[x0, x1, x2, x3] + ... + (x – xn–1)f[x0, x1, ..., xn]...}}}.
Um algoritmo para se calcular pn(α) usando esta forma de parênteses encaixados
será visto na lista de exercícios no final deste capítulo.

More Related Content

What's hot

Composição de Funções
Composição de FunçõesComposição de Funções
Composição de FunçõesCarlos Campani
 
Lista de exercícios 9
Lista de exercícios 9Lista de exercícios 9
Lista de exercícios 9Carlos Campani
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a DerivadaEinstein Rafael
 
Funções e suas propriedades analíticas
Funções e suas propriedades analíticasFunções e suas propriedades analíticas
Funções e suas propriedades analíticasCarlos Campani
 
1 integr num_simples
1 integr num_simples1 integr num_simples
1 integr num_simplesHeron Soares
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmicaCarlos Campani
 
Lista de exercícios 2 - Cálculo
Lista de exercícios 2 - CálculoLista de exercícios 2 - Cálculo
Lista de exercícios 2 - CálculoCarlos Campani
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13Carlos Campani
 
Lista de exercícios 8 - Mat Elem
Lista de exercícios 8 - Mat ElemLista de exercícios 8 - Mat Elem
Lista de exercícios 8 - Mat ElemCarlos Campani
 
Amii a complexa_2011
Amii a complexa_2011Amii a complexa_2011
Amii a complexa_2011Diogo Freire
 
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 8
Lista de exercícios 8Lista de exercícios 8
Lista de exercícios 8Carlos Campani
 
Exame matematica
Exame matematicaExame matematica
Exame matematicaJoão Pinto
 
Lista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemLista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemCarlos Campani
 

What's hot (19)

Composição de Funções
Composição de FunçõesComposição de Funções
Composição de Funções
 
Lista de exercícios 9
Lista de exercícios 9Lista de exercícios 9
Lista de exercícios 9
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a Derivada
 
Funções e suas propriedades analíticas
Funções e suas propriedades analíticasFunções e suas propriedades analíticas
Funções e suas propriedades analíticas
 
Cálculo usando MatLab
Cálculo usando MatLabCálculo usando MatLab
Cálculo usando MatLab
 
1 integr num_simples
1 integr num_simples1 integr num_simples
1 integr num_simples
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmica
 
Lista de exercícios 2 - Cálculo
Lista de exercícios 2 - CálculoLista de exercícios 2 - Cálculo
Lista de exercícios 2 - Cálculo
 
Regra da cadeia
Regra da cadeiaRegra da cadeia
Regra da cadeia
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13
 
Lista de exercícios 8 - Mat Elem
Lista de exercícios 8 - Mat ElemLista de exercícios 8 - Mat Elem
Lista de exercícios 8 - Mat Elem
 
Amii a complexa_2011
Amii a complexa_2011Amii a complexa_2011
Amii a complexa_2011
 
Max min ime
Max min   imeMax min   ime
Max min ime
 
Cálculo de Derivadas
Cálculo de DerivadasCálculo de Derivadas
Cálculo de Derivadas
 
Iezzi93 109
Iezzi93 109Iezzi93 109
Iezzi93 109
 
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 8
Lista de exercícios 8Lista de exercícios 8
Lista de exercícios 8
 
Exame matematica
Exame matematicaExame matematica
Exame matematica
 
Lista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat ElemLista de exercícios 6 - Mat Elem
Lista de exercícios 6 - Mat Elem
 

Viewers also liked

Interpolação - Parte II - @professorenan
Interpolação - Parte II - @professorenanInterpolação - Parte II - @professorenan
Interpolação - Parte II - @professorenanRenan Gustavo
 
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenan
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenanMétodos Iterativos - Gauss-Jacobi - Part II - @professorenan
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenanRenan Gustavo
 
Ajuste de Curvas - @professorenan
Ajuste de Curvas - @professorenanAjuste de Curvas - @professorenan
Ajuste de Curvas - @professorenanRenan Gustavo
 
Frasco leite fermentado
Frasco leite fermentadoFrasco leite fermentado
Frasco leite fermentadothiago oda
 
Método de Newton-Raphson - @professorenan
Método de Newton-Raphson - @professorenanMétodo de Newton-Raphson - @professorenan
Método de Newton-Raphson - @professorenanRenan Gustavo
 
Trabalho CáLculo NuméRico LâMpada
Trabalho CáLculo NuméRico   LâMpadaTrabalho CáLculo NuméRico   LâMpada
Trabalho CáLculo NuméRico LâMpadathiago oda
 
Cálculo Numérico - Introdução
Cálculo Numérico - IntroduçãoCálculo Numérico - Introdução
Cálculo Numérico - IntroduçãoKleber Jacinto
 

Viewers also liked (8)

Inter pol
Inter polInter pol
Inter pol
 
Interpolação - Parte II - @professorenan
Interpolação - Parte II - @professorenanInterpolação - Parte II - @professorenan
Interpolação - Parte II - @professorenan
 
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenan
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenanMétodos Iterativos - Gauss-Jacobi - Part II - @professorenan
Métodos Iterativos - Gauss-Jacobi - Part II - @professorenan
 
Ajuste de Curvas - @professorenan
Ajuste de Curvas - @professorenanAjuste de Curvas - @professorenan
Ajuste de Curvas - @professorenan
 
Frasco leite fermentado
Frasco leite fermentadoFrasco leite fermentado
Frasco leite fermentado
 
Método de Newton-Raphson - @professorenan
Método de Newton-Raphson - @professorenanMétodo de Newton-Raphson - @professorenan
Método de Newton-Raphson - @professorenan
 
Trabalho CáLculo NuméRico LâMpada
Trabalho CáLculo NuméRico   LâMpadaTrabalho CáLculo NuméRico   LâMpada
Trabalho CáLculo NuméRico LâMpada
 
Cálculo Numérico - Introdução
Cálculo Numérico - IntroduçãoCálculo Numérico - Introdução
Cálculo Numérico - Introdução
 

Similar to 1 interpol polinomial_met_lagrange_newton

Similar to 1 interpol polinomial_met_lagrange_newton (20)

Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacao
 
Mn aula06-interpolacao
Mn aula06-interpolacaoMn aula06-interpolacao
Mn aula06-interpolacao
 
1 integr num_simples
1 integr num_simples1 integr num_simples
1 integr num_simples
 
Lista de exercícios 11
Lista de exercícios 11Lista de exercícios 11
Lista de exercícios 11
 
Fourier
FourierFourier
Fourier
 
Função do 2º Grau.
Função do 2º Grau.Função do 2º Grau.
Função do 2º Grau.
 
FunçãO Do 1º E 2º Grau Autor Antonio Carlos Carneiro Barroso
FunçãO Do 1º  E 2º Grau Autor Antonio Carlos Carneiro BarrosoFunçãO Do 1º  E 2º Grau Autor Antonio Carlos Carneiro Barroso
FunçãO Do 1º E 2º Grau Autor Antonio Carlos Carneiro Barroso
 
3ee+gab
3ee+gab3ee+gab
3ee+gab
 
Função de 2º grau 17122016
Função de 2º grau 17122016Função de 2º grau 17122016
Função de 2º grau 17122016
 
Apostila matematica
Apostila matematicaApostila matematica
Apostila matematica
 
Lista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat ElemLista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat Elem
 
Segundaultduaslinha
SegundaultduaslinhaSegundaultduaslinha
Segundaultduaslinha
 
Derivadas
DerivadasDerivadas
Derivadas
 
Derivadas
DerivadasDerivadas
Derivadas
 
16598764 apostila-de-calculo
16598764 apostila-de-calculo16598764 apostila-de-calculo
16598764 apostila-de-calculo
 
Integracão para engenharia
Integracão para engenhariaIntegracão para engenharia
Integracão para engenharia
 
Apostila calculo
Apostila calculoApostila calculo
Apostila calculo
 
Função
FunçãoFunção
Função
 
Ms impresso aula05
Ms impresso aula05Ms impresso aula05
Ms impresso aula05
 
Função do 2º Grau
Função do 2º GrauFunção do 2º Grau
Função do 2º Grau
 

1 interpol polinomial_met_lagrange_newton

  • 1. 68 4 – APROXIMAÇÃO DE FUNÇÕES 4.1- INTERPOLAÇÃO POLINOMIAL Introdução: A interpolação Interpolar uma função f(x) consiste em aproximar essa função por uma outra função g(x), escolhida entre uma classe de funções definida a priori e que satisfaça algumas propriedades. A função g(x) é então usada em substituição à função f(x). A necessidade de se efetuar esta substituição surge em várias situações, como por exemplo: a.) quando são conhecidos somente os valores numéricos da função para um conjunto de pontos e é necessário calcular o valor da função em um ponto não tabelado; b.) quando a função em estudo tem uma expressão tal que operações como a diferenciação e a integração são difíceis (ou mesmo impossíveis) de serem realizadas. 4.1.1- Interpretação geométrica Consideremos (n +1 ) pontos distintos: x0, x1, ... , xn, chamamos nós da interpolação, e os valores de f(x) nesses pontos: f(x0), f(x1), ..., f(xn). A forma de interpolação de f(x) que veremos a seguir, consiste em se obter uma determinada função g(x) tal que: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )           = ⋅⋅ ⋅⋅ ⋅⋅ = = = nn 22 11 00 xfxg xfxg xfxg xfxg Geometricamente, um esboço da interpolante g(x) sobre a função f(x) é visto na figura 3.1. Em particular, se g(x) = Pn(x), onde Pn é um polinômio de grau n, então a interpolação é denominada de interpolação polinomial. Observamos que: i.) existem outras formas de interpolação polinomial como, por exemplo, a fórmula de Taylor, a interpolação por polinômios de Hermite e do tipo “spline”, para as quais as condições são outras; ii.) Assim como g(x) foi escolhida entre as funções polinomiais, poderíamos ter escolhido g(x) como função racional, função trigonométrica, etc. Um
  • 2. 69 caso que explora combinaçãoes de funções trigonométricas, em campo real ou complexo, é o aproximante definido a partir da série de Fourier; iii.) existe também o caso polinomial não interpolante, tal como, o aproximante de funções por mínimos quadrados. Em qualquer um dos casos citados, estes encontram-se inseridos em um tópico mais geral chamado aproximação de funções. A interpolação polinomial que será vistá será a de Lagrange e a de Newton. Figura 4.1 – esboço de uma função f(x) e de sua interpolante g(x), para n = 4 ( 05 nós). Definição 4.1- Interpolação Polinomial Dados os pontos (x0, f(x0)), (x1, f(x1)), ..., (xn, f(xn)), portanto (n + 1) pontos, queremos aproximar f(x) por um polinômio pn(x), de grau menor ou igual a n, tal que: f(xk) = pn(xk) k = 0, 1, 2, ..., n Surgem aqui as perguntas: existe sempre um polinômio pn(x) que satisfaça estas condições? Caso exista, ele é único? Representaremos pn(x) por: pn(x) = a0 + a1x + a2x2 + ... + anxn . Portanto, obter pn(x) significa obter os coeficientes a0, a1, ..., an. Da condição pn(xk) = f(xk), ∀ k = 0, 1, 2, ..., n, montamos o seguinte sistema linear:
  • 3. 70 ( ) ( ) ( )          =++++ =++++ =++++ n n nn 2 n2n10 1 n 1n 2 12110 0 n 0n 2 02010 xfxaxaxaa ...... ...... ...... xfxaxaxaa xfxaxaxaa L L L com n + 1 equações e n + 1 variáveis: a0, a1, ..., an. A matriz A dos coeficientes é A =                     n n 2 nn n 1 2 11 n 0 2 00 xxx1 .... .... .... xxx1 xxx1 L L L que é uma matriz de Vandermonde e, portanto, desde que x0, x1, ..., xn sejam pontos distintos, temos det (A) ≠ 0 e, então, o sistema linear admite solução única. Demonstramos assim o seguinte teorema: Teorema 4.1 – Existência e unicidade do Polinômio Interpolador Existe um único polinômio pn(x), de grau ≤ n, tal que: pn(xk) = f(xk), k = 0, 1, 2, ..., n, desde que xk ≠ xj, j ≠ k. 4.2- Forma de Lagrange do Polinômio de Interpolação Sejam x0, x1, ...,xn, (n + 1) pontos distintos e yi = f(xi), i = 0, ..., n. Seja pn(x) o polinômio de grau ≤ n que interpola f em x0, ..., xn. Podemos representar pn(x) na forma pn(x) = y0L0(x) + y1L1(x) + ... + ynLn(x), onde os polinômios Lk(x) são de grau n. Para cada i, queremos que a condição pn(xi) = yi seja satisfeita, ou seja: pn(xi) = y0L0(xi) + y1L1(xi) + ... + ynLn(xi) = yi A forma mais simples de se satisfazer esta condição é impor: Lk (xi) =     = ≠ ikse ikse 1 0 e, para isso, definimos Lk(x) por Lk(x) = ( )( ) ( )( ) ( ) ( )( ) ( )( ) ( )nk1kk1kk1k0k n1k1k10 xxxxxxxxxx xxxxxxxxxx −−−−− −−−−− +− +− KK KK .
  • 4. 71 É fácil verificar que realmente Lk(xk) = 1 e Lk(xi) = 0 se i ≠ k. Como o numerador de Lk(x) é um produto de n fatores da forma: ( )ixx − , i = 0, ..., n, i ≠ k, então Lk é um polinômio de grau n e, assim, pn(x) é um polinômio de grau menor ou igual a n. Além disso, para x = xi, i = 0, ..., n temos: ( ) ( ) ( ) iiii n 0k ikkin yxLyxLyxp === ∑ = Então, a forma de Lagrange para o polinômio interpolador é: pn(x) = ( )∑ = n 0k kk xLy onde ( ) ( ) ( )∏ ∏ ≠ = ≠ = − − = n kj 0j jk n kj 0j j k xx xx xL . Exemplo 4.2.1: (Interpolação Linear) Faremos aqui um exemplo teórico para interpolação em dois pontos distintos: (x0, f(xo)) e (x1, f(x1)). Assim, n é igual a 1 e, por isto, a interpolação por dois pontos é chamada interpolação linear. Usando a forma de Lagrange teremos: p1(x) = ( ) ( )xLyxLy 1100 + , onde L0(x) = ( ) ( )10 1 xx xx − − , L1(x) = ( ) ( )01 0 xx xx − − . Assim, p1(x) = ( ) ( ) ( ) ( )01 0 1 10 1 0 xx xx y xx xx y − − + − − , ou seja,
  • 5. 72 p1(x) = ( ) ( ) ( )01 1001 xx yxxyxx − −+− que é exatamente a equação da reta que passa por (x0, f(x0)) e (x1, f(x1)). Exemplo 4.2.2: Seja a tabela: x -1 0 2 f(x) 4 1 -1 Pela forma de Lagrange, temos que: p2(x) = ( ) ( )xLyxLy 1100 + ( )xLy 22+ , onde: L0(x) = ( )( ) ( )( ) ( )( ) ( )( ) 3 x2x 2101 2x0x xxxx xxxx 2 2010 21 − = −−−− −− = −− −− L1(x) = ( )( ) ( )( ) ( )( ) ( )( ) 2 2xx 2010 2x1x xxxx xxxx 2 2101 20 − −− = −+ −+ = −− −− L2(x) = ( )( ) ( )( ) ( )( ) ( )( ) 6 xx 0212 0x1x xxxx xxxx 2 1202 10 + = −+ −+ = −− −− Assim na forma de Lagrange, p2(x) = ( )         + −+         − −− +         − 6 xx 1 2 2xx 1 3 x2x 4 222 Agrupando os termos semelhantes, obtemos que p2(x) = 2 x 3 2 x 3 7 1 +− . 4.3 - Forma de Newton do Polinômio de Interpolação A forma de Newton para o polinômio pn(x) que interpola f(x) em x0, x1, ..., xn, (n + 1) pontos distintos é a seguinte: pn(x) = ( ) ( )( ) ( )( ) ( )1n10n102010 xxxxxxdxxxxdxxdd −−−−++−−+−+ LL No que segue, estudaremos: i) o operador diferenças divididas, uma vez que os coeficientes dk, k = 0, 1, ..., n acima são diferenças divididas de ordem k entre os pontos (xj, f(xj)), j = 0, 1, ..., k. ii) a dedução da expressão de pn(x) dada por: pn(x) = ( ) ( )( ) ( )( ) ( )1n10n102010 xxxxxxdxxxxdxxdd −−−−++−−+−+ LL
  • 6. 73 4.3.1- Operador diferenças divididas Seja f(x) uma função tabelada em n + 1 pontos distintos: x0, x1, ..., xn. Definimos o operador diferenças divididas por: [ ] ( ) [ ] [ ] [ ] ( ) ( ) [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ]                    − − = − − = − − = − − = − − = = − 0n 1n210n21 n210 03 210321 3210 02 1021 210 01 01 01 01 10 00 xx x,,x,x,xfx,,x,xf x,,x,x,xf .. .. .. xx x,x,xfx,x,xf x,x,x,xf xx x,xfx,xf x,x,xf xx xfxf xx xfxf x,xf xfxf LL L Dizemos que f[x0, x1, ..., xk] é a diferença dividida de ordem k da função f(x) sobre os k + 1 pontos: x0, x1, ..., xk. Dada uma função f(x) e conhecidos os valores que f(x) assume nos pontos distintos x0, x1, ..., xn, podemos construir a tabela: x Ordem 0 Ordem 1 Ordem 2 Ordem 3 ... Ordem n x0 f[x0] F[x0, x1] x1 f[x1] f[x0, x1, x2] F[x1, x2] f[x0, x1, x2, x3] x2 f[x2] f[x1, x2, x3] F[x2, x3] f[x1, x2, x3, x4] . . . x3 f[x3] f[x2, x3, x4] f[x0, x1, x2, ..., xn] F[x3,x4] . . . x4 f[x4] . . . f[xn-3, xn-2, xn-1, xn] . . . . . f[xn-2, xn-1, xn] . . . . . . . F[xn-1, xn] xn f[xn] (Ordem Zero) (Ordem 1) (Ordem 2) (Ordem 3) (Ordem n)
  • 7. 74 Exemplo 4.3.1: Seja f(x) tabelada abaixo X -1 0 1 2 3 f(x) 1 1 0 -1 -2 Sua tabela de diferenças divididas é: x Ordem 0 Ordem 1 Ordem 2 Ordem 3 Ordem 4 -1 1 0 0 1 2 1 − -1 6 1 1 0 0 24 1 − -1 0 2 -1 0 -1 3 -2 Onde f[x0, x1] = [ ] [ ] 0 1 11 xx xfxf 01 01 = − = − − f[x1, x2] = [ ] [ ] 1 01 10 xx xfxf 12 12 −= − − = − − . . . f[x0, x1, x2] = [ ] [ ] 2 1 11 01 xx x,xfx,xf 02 1021 − = + −− = − − f[x1, x2, x3] = [ ] [ ] 0 02 11 xx x,xfx,xf 13 2132 = − +− = − − . . . f[x0, x1, x2, x3] = [ ] [ ] 6 1 12 210 xx x,x,xfx,x,xf 03 210321 = + + = − − Procede-se desta forma até obter-se todos os termos da tabela de diferenças divididas.
  • 8. 75 Propriedade 4.3.1 As formas de diferenças divididas satisfazem a propriedade a seguir: f[x0, x1, ..., xk] é simétrica nos argumentos, ou seja, f[x0, x1, ..., xk] = f[xj0, xj1, ..., xjk] onde j0, j1, ..., jk é qualquer permutação de 0, 1, ..., k. Por exemplo, f[x0, x1] = [ ] [ ] [ ] [ ] [ ]01 10 10 01 01 x,xf xx xfxf xx xfxf = − − = − − . Para k = 2 teremos: f[x0, x1, x2] = f[x0, x2, x1] = f[x1, x0, x2] = f[x1, x2, x0] = f[x2, x0, x1] = f[x2, x1, x0]. 4.3.2- A Forma de Newton do polinômio interpolador Seja f(x) contínua e com tantas derivadas contínuas quantas necessárias num intervalo [a, b]. Sejam a = x0 < x1 < x2 < ... < xn = b, (n + 1) pontos. Construiremos o polinômio pn(x) que interpola f(x) em x0, x1, ..., xn. Iniciaremos a construção obtendo p0(x) que interpola f(x) em x = x0. E assim, sucessivamente, construiremos pk(x) que interpola f(x) em x0, x1, ..., xk, k = 0, 1, ..., n. Seja p0(x) o polinômio de grau 0 que interpola f(x) em x = x0. Então, p0(x) = f(x0) = f[x0]. Temos que, para todo x ∈ [a, b], x ≠ x0 [ ] [ ] [ ] ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) [ ]x,xfxxxpxfxE x,xfxxxfxf xfxfx,xfxx xx xfxf xx xfxf x,xf 0000 xE 00 xp 0 000 0 0 0 0 0 0o −=−=⇒ −+=⇒ ⇒−=−⇒ ⇒ − − = − − = 44 344 21321 Note que E0(x) = f(x)-p0(x) é o erro cometido ao se aproximar f(x) por p0(x). Seja agora construir p1(x), o polinômio de grau ≤ 1 que interpola f(x) em x0 e x1. Temos que [ ] [ ] [ ] [ ] ( ) ( ) [ ] ( ) ( ) ( ) ( ) [ ] ( )( )01 0100 1 01 0 0 1 010 0110 xxxx x,xfxxxfxf xx x,xf xx xfxf xx x,xfx,xf x,x,xfx,x,xf −− −−− = − − − − = = − − ==
  • 9. 76 [ ] ( ) ( ) ( ) [ ] ( )( ) ( ) ( ) ( ) [ ] ( ) ( )( ) [ ] ( ) 4444 34444 214444 34444 21 xE 1010 xp 0100 10 0100 10 11 x,x,xfxxxxx,xfxxxfxf xxxx x,xfxxxfxf x,x,xf −−+−+=⇒ ⇒ −− −−− =⇒ Assim, p1(x) = ( ) ( ) ( ) [ ] ( ) 444 3444 21321 xq 100 xp 0 10 x,xfxxxf −+ e E1(x) = ( )( ) [ ]x,x,xfxxxx 1010 −− . Verificação: p1(x) interpola f(x) em x0 e em x1? p1(x0) = f(x0) p1(x1) = f(x0) + (x1 – x0) ( ) ( ) ( )1 01 01 xf xx xfxf = − − . Seja agora construir p2(x) , o polinômio de grau ≤ 2 que interpola f(x) em x0, x1, x2. Temos que: f[x0, x1, x2, x] = f[x2, x1, x0, x] = [ ] [ ] = − − 2 01201 xx x,x,xfx,x,xf [ ] [ ] [ ] ( ) ( ) ( ) ( ) [ ] ( ) [ ] ( ) = − − − − − − = = − − − − = 2 012 1 01 0 0 2 012 1 010 xx x,x,xf xx x,xf xx xfxf xx x,x,xf xx x,xfx,xf ( ) ( ) ( ) [ ] ( )( ) [ ] ( )( )( ) ⇒ −−− −−−−−− = 210 012100100 xxxxxx x,x,xfxxxxx,xfxxxfxf ⇒ ( ) ( ) ( ) [ ] ( )( ) [ ] ( )( )( ) [ ]x,x,x,xfxxxxxx x,x,xfxxxxx,xfxxxfxf 210210 210101000 −−−+ +−−+−+= Então, p2(x) = ( ) ( ) [ ] ( ) ( )( ) [ ] ( ) 44444 344444 214444 34444 21 xq 21010 xp 1000 21 x,x,xfxxxxx,xfxxxf −−+−+ e E2(x) = (x – x0)(x – x1)(x – x2)f[x0, x1, x2, x].
  • 10. 77 Observamos que, assim como para p1(x) e p2(x), pk(x) = pk–1(x) + qk(x), onde qk(x) é um polinômio de grau k. Aplicando sucessivamente o mesmo raciocínio para x0, x1, x2, x3; x0, x1, x2, x3, x4; . . . x0, x1, x2, ..., xn, teremos a forma de Newton para o polinômio de grau ≤ n que interpola f(x) em x0, ..., xn: pn(x) = f(x0) + (x – x0)f[x0, x1] + (x – x0)(x – x1)f[x0, x1, x2] + ... + + ... + (x – x0)(x – x1)...(x – xn–1)f[x0, x1, ..., xn] e o erro é dado por: En(x) = (x – x0)(x – x1) ... (x – xn)f[x0, x1, ..., xn, x] De fato, pn(x) interpola f(x)em x0, x1, ..., xn, pois sendo f(x) = pn(x) + En(x), então para todo nó xk, k = 0, ..., n, temos: f(xk) = pn(xk) + ( ) ( )kn 0 kn xpxE = = 43421 . Exemplo 4.3.2: Usando a forma de Newton, o polinômio p2(x), que interpola f(x) nos pontos dados abaixo, é: x -1 0 2 f(x) 4 1 -1 p2(x) = f(x0) + (x – x0)f[x0, x1] + (x – x0)(x – x1)f[x0, x1, x2]. x Ordem 0 Ordem 1 Ordem 2 -1 4 -3 0 1 2/3 -1 2 -1 p2(x) = 4 + (x + 1)(-3) + (x + 1)(x - 0)(2/3) Observamos que, agrupando os termos semelhantes, obtemos p2(x) = 1x 3 7 x 3 2 2 +− , que é a mesma expressão obtida no exemplo 2.
  • 11. 78 Observamos ainda que é conveniente deixar o polinômio na forma de Newton, sem agrupar os termos semelhantes, pois, quando calcularmos o valor numérico de pn(x), para x = α , evitaremos o cálculo de potências. O número de operações pode ainda ser reduzido se usarmos a forma dos parênteses encaixados descrita a seguir: Dado: pn(x) = f(x0) (x – x0)f[x0, x1] + (x – x0)(x –x1)f[x0, x1, x2] + + (x – x0)(x – x1)(x – x2)f[x0, x1, x2, x3] + ... + + (x – x0)(x – xi)...(x – xn–1)f[x0, x1, x2, ..., xn] temos que: pn(x) = f(x0) + (x – x0){f[x0, x1] + (x – x1){f[x0, x1, x2] + + (x – x2){f[x0, x1, x2, x3] + ... + (x – xn–1)f[x0, x1, ..., xn]...}}}. Um algoritmo para se calcular pn(α) usando esta forma de parênteses encaixados será visto na lista de exercícios no final deste capítulo.