Apostila de Introdução

Aos Métodos Numéricos

PARTE III
2o Semestre - 2002

Profa. Salete Souza de Oliveira Buffoni

Índice
INTERPOLAÇÃO POLINOMIAL ....................................................................................3

INTRODUÇÃO ....................................................................................................................3
FORMA DE LAGRANGE .................................................................................................... 4
Interpolação para 2 pontos (n+1=2) - ajuste de retas (n=1).......................................... 5
Interpolação para 3 pontos (n+1=3) - ajuste de parábolas (n=2) ................................. 6

SÉTIMA LISTA DE EXERCÍCIOS ...................................................................................9

FORMA DE NEWTON ........................................................................................................10

Tabela de Diferenças Divididas..................................................................................... 10
Forma de Newton para o Polinômio Interpolador ........................................................ 11

OITAVA LISTA DE EXERCÍCIOS.................................................................................15

2
Interpolação Polinomial

Introdução
Vamos supor que temos um conjunto de dados {xi,f(xi)} tal como na tabela abaixo:
xi 0 1,5 3,0 4,5 6,0
f(xi) 0,001 0,016 0,028 0,046 0,057

Nosso problema é obter o valor de f(x) para um valor de x que não tenha sido medido, como
por exemplo, x=2.0.
Por exemplo, quando não temos muitos dados (que levaria a um mau ajuste de uma função)
e só queremos saber o valor de f(x) para um x intermediário entre duas medidas, isto é, xi<x<xi+1,
podemos usar as técnicas da interpolação.
Portanto, interpolar um ponto x a um conjunto de n+1 dados {xi,f(xi)}, significa
simplesmente, calcular o valor de f(x), sem conhecer a forma analítica de f(x) ou ajustar uma função
analítica aos dados.
A interpolação polinomial consiste em se obter um polinômio p(x) que passe por todos os
pontos do conjunto de (n+1) dados {xi,f(xi)}, isto é:
p(x0)=f(x0) (1)
p(x1)=f(x1)
...
p(xn)=f(xn)
(note que a contagem começa em zero, portanto temos n+1 pontos na expressão acima).
O polinômio p(x) é chamado de polinômio interpolador. É possível se demonstrar que
existe um único polinômio p(x) de grau menor ou igual a n que passa por todos os (n+1) pontos do
conjunto {xi,f(xi)}
Portanto, podemos escrever:

pn ( x 0 ) = a 0 + a1 ⋅ x 0 + a 2 ⋅ x 02 +L+ a n ⋅ x 0n = f ( x 0 )

pn ( x1 ) = a 0 + a1 ⋅ x1 + a 2 ⋅ x12 +L+ a n ⋅ x1n = f ( x1 )

...

pn ( x n ) = a 0 + a1 ⋅ x n + a 2 ⋅ x n2 +L+ a n ⋅ x nn = f ( x n )

3
 Esse conjunto de equações corresponde a um sistema linear de n+1 equações e n+1
variáveis. Portanto, ele poderia ser resolvido diretamente. Essa é uma das formas de se obter o
polinômio interpolador.
Entretanto, existem outras formas, como a forma de Lagrange e a forma de Newton, que
veremos a seguir.

Forma de Lagrange
Introdução :

Sendo conhecidos os valores de uma função apenas em determinados pontos, a

INTERPOLAÇÃO é um procedimento que possibilita a estimativa de valores desconhecidos da
função, bem como auxilia na integraçãode uma função desconhecida ou de difícil integração.
Seja um conjunto de n+1 dados {xi,f(xi)}. Queremos encontrar um polinômio interpolador
p(x) que satisfaça a condição (1), isto é, passe por todos os pontos.
Uma possível forma para p(x) que satisfaça (1) é:
p( x ) = L0 ( x ) ⋅ f ( x 0 ) + L1 ( x ) ⋅ f ( x1 ) +L+ Ln ( x ) ⋅ f ( x n ) (2)
onde os Lk(x) são polinômios tais que:

Lk ( xi ) = δ ki (3)

sendo que:
0 se, k ≠ i
δki =  (4)
1 se, k = i
Portanto,
p( x 0 ) = L0 ( x 0 ) ⋅ f ( x 0 ) + L1 ( x 0 ) ⋅ f ( x1 ) +L+ Ln ( x 0 ) ⋅ f ( x n )
p( x 0 ) = 1 ⋅ f ( x 0 ) + 0 ⋅ f ( x1 ) +L+0 ⋅ f ( x n )
p( x 0 ) = f ( x 0 )
e,
p( x1 ) = L0 ( x1 ) ⋅ f ( x 0 ) + L1 ( x1 ) ⋅ f ( x1 ) +L+ Ln ( x1 ) ⋅ f ( x n )
p( x1 ) = 0 ⋅ f ( x 0 ) + 1 ⋅ f ( x1 ) +L+0 ⋅ f ( x n )
p ( x 1 ) = f ( x1 )
ou seja:
p( x i ) = f ( x i )
o que mostra que o polinômio interpolador p(x) passa exatamente sobre os pontos {xi,f(xi)} da tabela
dada.

4
 Temos agora que encontrar os polinômios Lk(x), que satisfaçam (3). Uma função que
satisfaz a condição (3) é:
(x − x0 ) ⋅ (x − x1 ) ⋅ L ⋅ (x − x k − 1 ) ⋅ (x − x k + 1 ) ⋅ L ⋅ (x − x n )
Lk ( x ) =
(x k − x0 ) ⋅ ( x k − x1 ) ⋅ L ⋅ ( x k − x k − 1 ) ⋅ ( x k − x k + 1 ) ⋅ L ⋅ ( x k − x n )
que é fácil verificar, pois:

Lk ( x k ) = 1 e
Lk ( xi ) = 0 se, i ≠ k

De maneira compacta, podemos escrever o polinômio interpolador na Forma de Lagrange,

como:
n
pn ( x ) = ∑ Li ( x ) ⋅ f ( xi ) (5)
i =0

e,

∏ (x − x )
n

j
j =0
j ≠i
Li ( x ) =
∏(x )
n

i − xj
j =0
j ≠i

Interpolação para 2 pontos (n+1=2) - ajuste de retas (n=1)

xi x0 x1

f(xi) f(x0) f(x1)

De (5) :

1
p(x) = ∑Li (x).f (xi ) = L0 (x).f (x0 ) + L1 (x).f (x1 )
i=0
(6)
As funções Li (x) devem satisfazer (3), ou seja:

L0 (x0) =1 L1 (x0) =0
L0 (x1) =0 L1 (x1) =1 (7)

5
 É fácil verificar que, as seguintes funções, satisfazem (7) :

x − x1 x − x0
L0 ( x ) = L1 ( x ) =
x0 − x1 x1 − x 0
(8)
De (8) em (6) :
 x − x1   x − x0 
p( x ) =   ⋅ f ( x0 ) +   ⋅ f ( x1 )
 x 0 − x1   x1 − x0 

Interpolação para 3 pontos (n+1=3) - ajuste de parábolas (n=2)

xi x0 x1 x2

f(xi) f(x0) f(x1) f(x2)

De (5):
2
p( x ) = ∑ Li ⋅ f ( xi ) = L0 ⋅ f (x 0 ) + L1 ⋅ f ( x1 ) + L2 ⋅ f ( x 2 ) (9)
i =0

onde:

L0 (x0) =1 L1 (x0) =0 L2 (x0) =0

L0 (x1) =0 L1 (x1) =1 L2 (x1) =0
L0 (x2) =0 L1 (x2) =0 L2 (x2) =1

Por construção:
(x − x1 ) ⋅ (x − x2 )
L0 =
(x0 − x1 ) ⋅ (x0 − x2 )

(x − x0 ) ⋅ (x − x 2 )
L1 =
(x1 − x0 ) ⋅ (x1 − x2 )

(x − x0 ) ⋅ (x − x1 )
L2 =
(x 2 − x0 ) ⋅ (x2 − x1 )

6
 Portanto:

p ( x) =
(x − x1 ) ⋅ (x − x2 ) ⋅ f (x ) + (x − x0 ) ⋅ (x − x 2 ) ⋅ f (x ) + (x − x0 ) ⋅ (x − x1 ) ⋅ f (x )
(x0 − x1 ) ⋅ (x0 − x 2 ) 0
(x1 − x0 ) ⋅ (x1 − x2 ) 1
(x2 − x0 ) ⋅ (x2 − x1 ) 2

Exemplo:
Ajuste uma reta aos seguintes pontos:

x 2 4

f(x) 3,1 5,6

 x − x1   x − x0 
p( x ) =   ⋅ f ( x0 ) +   ⋅ f ( x1 )
 x 0 − x1   x1 − x0 
 x −4  x −2
p(x ) =   ⋅ 3.1 +   ⋅ 5.6 = −1.55 ⋅ ( x − 4 ) + 2.8 ⋅ ( x − 2)
2−4 4−2
p( x ) = 1.25 ⋅ x + 0.6

Ex.: Interpolação linear

Tabela
————————————
x | y
—————+——————
10 | 250 Qual o valor de y para x = 15?
20 | 432
30 | 500
————————————

+-

7
Interpolação linear entre 2 pontos conhecidos |(x , y )
| 1 1
| (x , y )
| 2 2
x - x +-
1
y = y + ———————— ( y - y )
1 x - x 2 1
2 1

15 - 10
y = 250 + ——————— (432 - 250) = 341
20 - 10

8
Sétima Lista de Exercícios

1 ) Qual a relação entre o número de pontos usados na interpolação e o grau do polinômio

interpolador que pode ser calculado?

2 ) Se você tiver um conjunto de 5 dados {(x0,f(x0), (x1,f(x1), (x2,f(x2), (x3,f(x3), (x4,f(x4),}, e deseja
fazer uma interpolação linear, isto é, encontrar uma reta que lhe permita obter o valor de f(x′), onde
x1<x′<x2:
a) Qual seria o grau do polinômio que você calcularia, isto é, quantos pontos você utilizaria?
b) E quais pontos da tabela você usaria?

3 ) A seguinte tabela informa o número de carros que passam por um determinado pedágio em um
determinado dia:
Horário 10:00 10:30 11:00 11:30 12:00 12:30
Número (em mil) 2.69 1.64 1.09 1.04 1.49 2.44

a) Faça um gráfico de horário vs. número de carros para verificar qual a tendência da curva.
b) Estime o número de carros que passariam pelo pedágio às 11:10, usando a forma de
Lagrange para encontrar um polinômio interpolador p(x) que estima o número de carros em
função do tempo. Use uma reta como função interpoladora.
c) Agora, faça a mesma estimativa, mas utilizando uma parábola como polinômio interpolador.

9
 Forma de Newton

Tabela de Diferenças Divididas.

O próximo a método de interpolação a ser estudado é a “Forma de Newton”. No entanto, para que
possamos discutir este método temos que antes nos familiarizar com a construção da chamada
“Tabela de Diferenças Divididas”
Seja a tabela de valores:

x x0 x1 x2 x3
f(x) f(x0) f(x1) f(x2) f(x3)

Podemos construir a seguinte tabela:

x f(xi) f[xi, xi+1] f[xi, xi+1, xi+2] f[xi, xi+1, xi+2, xi+3]

x0 f(x0)
f[x0,x1]
f[x0,x1,x2]
x1 f(x1)
f[x1,x2] f[x0,x1,x2,x3]

x2 f(x2) f[x1,x2,x3]
f[x2,x3]

x3 f(x3)

onde:

f ( x1 ) − f ( x 0 )
[ ]
f x 0 , x1 =
x1 − x 0

f ( x 2 ) − f ( x1 )
[ ]
f x1 , x 2 =
x 2 − x1

f ( x3 ) − f ( x2 )
[ ]
f x2 , x3 =
x3 − x2

[ ] [
f x1 , x 2 − f x 0 , x1 ]
[ ]
f x 0 , x1 , x 2 =
x2 − x0

10
 [ ] [
f x 2 , x 3 − f x1 , x 2 ]
[ ]
f x1 , x 2 , x 3 =
x 3 − x1

[ ] [
f x1 , x 2 , x 3 − f x 0 , x1 , x 2 ]
[ ]
f x 0 , x1 , x 2 , x 3 =
x3 − x0

Exemplo:

xi 0,1 0,4 0,7 1 1,2

f(xi) 0,813 0,536 0,682 1,25 1,864

A tabela de diferenças divididas é:

xi f(xi) f[xi , xi+1] f[xi , xi+1, xi+2] f[xi , xi+1 , xi+2 ,xi+3]
0,536 − 0,813
0,1 0,813 = −0,923 0,487− (− 0,923)
0, 4 − 0,1 = 2,350
0,7 − 0,1 2,343− 2,350
= −0,008
0,4 0,536 0, 682 − 0,536 1− 0,1
= 0, 487
0,7 − 0, 4
1,893− 0,487
0,7 0,682 = 2,343
1, 25 − 0 , 682
1 − 0,4
= 1,893
1 − 0,7
1 1,250 2,354− 2,343
3,07 − 1,893 = 0,014
1,864 − 1, 25
= 2,354 1,2 − 0,4
1,2 1,864 = 3, 07 1,2 − 0,7
1, 2 − 1

0,014− (−0,008)
f[xi , xi+1 , xi+2 , xi+3 , xi+4 ] = = 0,02
1,2 − 0,1

Forma de Newton para o Polinômio Interpolador

Para calcular a Forma de Newton do polinômio interpolador, vamos começar com o caso mais
simples: encontrar um polinômio de grau 0, p0(x), que interpola f(x) no ponto x0. Vamos partir da
diferença dividida f[x0,x], que é dada por:

f ( x) − f ( x0 )
[ ]
f x0 , x =
x − x0
(1)

Isolando-se f(x) da expressão acima, tem-se:

11
 [ ]
f ( x) − f ( x0 ) = f x0 , x ⋅ ( x − x0 )

f ( x) = f ( x ) + f [ x , x] ⋅ ( x − x )
0 0 0 (2)

Da própria definição de polinômio interpolador, sabe-se que (ver expressão 1 da aula

anterior):
p0(x)=f(x0)
Portanto, a expressão (2) pode ser escrita como:

[ ]
f ( x ) = p0 ( x ) + f x 0 , x ⋅ ( x − x 0 ) (3)

A expressão acima não pode ser usada diretamente, pois não podemos calcular o valor
f[x0,x], já que não conhecemos o valor de f(x) em qualquer ponto x (veja expressão (1) acima). Fora
do ponto x0, sabemos que o polinômio interpolador é apenas uma aproximação de f(x), caso
contrário teríamos uma resposta exata e não precisaríamos da interpolação. Em outras palavras,
tem-se que:
p0(x)≈f(x), para x≠x0
Portanto, da expressão (3), concluímos que f[x,x0]⋅(x-x0) é simplesmente a diferença entre o
valor de f(x) (valor real da função) e o valor p0(x) que obtivemos com a interpolação. Em outras
palavras, esse termo é o erro no processo de interpolação, isto é:
E 0 ( x ) = f (x ) − p 0 ( x ) = f [x0 , x ] ⋅ ( x − x 0 ) (4)

Podemos realizar o mesmo exercício, partindo de uma diferença dividia de ordem maior, ou
seja f[x0,x1,x], que é dada por:
f (x ) − f (x0 )
− f [x1 , x0 ]
f [x0 , x ] − f [x1 , x0 ] x − x0
f [x0 , x1 , x ] = f [x1 , x 0 , x ] = = =
x − x1 x − x1
f ( x ) − f ( x0 ) − ( x − x0 ) ⋅ f [x1 , x0 ]
=
(x − x1 ) ⋅ (x − x0 )
Portanto, tem-se que:
f ( x ) − f ( x0 ) − ( x − x0 ) ⋅ f [x1 , x0 ] = ( x − x1 ) ⋅ ( x − x0 ) ⋅ f [x0 , x1 , x ]

e
f ( x ) = f ( x0 ) + ( x − x0 ) ⋅ f [x 0 , x1 ] + ( x − x1 ) ⋅ ( x − x0 ) ⋅ f [x0 , x1 , x ]

Podemos verificar que o polinômio interpolador de ordem 1, p1(x), é dado por:

p1 ( x ) = f ( x0 ) + ( x − x 0 ) ⋅ f [x0 , x1 ]

pois,
p1 ( x0 ) = f ( x0 ) + ( x0 − x 0 ) ⋅ f [x0 , x1 ] = f ( x 0 )

12
 f ( x1 ) − f ( x0 )
p1 ( x1 ) = f ( x0 ) + ( x1 − x 0 ) ⋅ f [x0 , x1 ] = f ( x0 ) + ( x1 − x0 ) ⋅ = f (x1 )
x1 − x0
que são as condições fundamentais para se encontrar tal polinômio.
Portanto, o erro cometido ao se aproximar f(x) por p1(x) é:
E1 ( x ) = ( x − x0 ) ⋅ ( x − x1 ) ⋅ f [x0 , x1 , x ]

Podemos continuar indefinidamente, até encontrarmos o polinômio interpolador de uma

ordem n qualquer, aplicando sempre o mesmo raciocínio. A expressão geral para um polinômio
interpolador de ordem n será então:
p n (x ) = f ( x0 ) + (x − x0 ) ⋅ f [x 0 , x1 ] + ( x − x0 ) ⋅ ( x − x1 ) ⋅ f [x0 , x1 , x 2 ] + L +
+ ( x − x0 ) ⋅ ( x − x1 ) ⋅ K ⋅ (x − x n −1 ) ⋅ f [x0 , x1 , K, x n ]
e o erro é dado por:
E n ( x ) = ( x − x 0 ) ⋅ ( x − x1 ) ⋅ K ⋅ ( x − x n ) ⋅ f [x0 , x1 , K , x n , x ]

Exemplo:

x 0,2 0,5 0,9 1,5 2,0

f(x) 4,88 5,00 5,72 8,00 11,00

Encontre o polinômio interpolador p(x) usando a forma de Newton:

xi f(xi) f[xi , xi+1] f[xi , xi+1, xi+2]

0,2 4,88 5,00 − 4,88 1,8 − 0,4

= 0, 4 =2
0 ,5 − 0 , 2
0,5 5,00
5,72 − 5, 00
0,9 − 0,2
0
= 1,8
0 ,9 − 0 ,5 3,8 − 1,8
0,9 5,72 =2
1,5 − 0,5
8, 00 − 5, 72
= 3 ,8
1,5 8,00 1,5 − 0 ,9
6,0 − 3,8
=2 0
11, 00 − 8, 00 2,0 − 0,9
2,0 11,00 = 6,0
2 , 0 − 1,5

Usando (11):

13
p( x) = 4,88 + ( x − 0,2).04 + ( x − 0,2).( x − 0,5).2

p( x) = 4,88 + 0,4 x − 0,08 + ( x 2 − 0,5 x − 0,2 x + 0,1).2

p( x) = 4,88 + 0,4 x − 0,08 + 2 x 2 − x − 0,4 x + 0,2

p ( x) = 2 x 2 − x + 5

Note que usando a forma de Newton, p(xi) = f(xi)

14
Oitava Lista de Exercícios

1 ) Qual é a condição básica para se obter o polinômio interpolador?

2 ) Na fabricação de determinadas cerâmicas é muito importante saber as condições de temperatura

em que o produto foi assado no forno. Como não é possível medir a temperatura do forno a todo
instante, ela é medida em intervalos periódicos de tempo e esses dados são interpolados para o
instante em que cada peça foi “queimada” a fim de se conhecer a temperatura do forno nesse
instante. Em um dia de funcionamento do forno, os seguintes dados foram coletados:
Horário 7:00 10:00 13:00 16:00 19:00 21:00
Temperatura (102 oC) 2.32 2.51 2.63 2.55 2.41 2.28
a) Construa a tabela de diferenças divididas para esses pontos.
b) Estime a temperatura do forno ás 14:30 usando a forma de Newton para apenas dois
pontos.
c) Faça essa estimativa novamente, desta vez usando 3 pontos.

3 ) Dado o seguinte conjunto de dados,

xi -2.0 -1.4 0.5 1.8 3.3
f(xi) 0.4±0.1 2.9±0.2 4.2±0.2 1.4±0.3 -7.5±0.4

encontre o valor de f(x) para x=2.0, usando:

a) uma parábola do tipo g(x)=ax2+b ajustada aos dados;
b) um polinômio interpolador de ordem igual a 2, na forma de Lagrange;
c) um polinômio interpolador de ordem igual a 2, na forma de Newton;

15
Referências Bibliográficas
RUGGIERO/LOPES - Cálculo Numérico. Makron Books
CHAPRA/CARRALE - Numerical Methods for Engineers. Ed. McGrawHill
CONTE - Elementos de Análise Numérica. Ed. Globo
BARROSO - Cálculo Numérico - Ed. Harper & How do Brasil
MARCELO G. MUNHOZ- Apostila de Cálculo Numérico - FACENS

16