Interpolação e Ajuste de Curvas TM-236 Cálculo Numérico Prof. Luciano K. Araki 2009/2 Motivação Dados: em geral, fornecidos em um conjunto discreto de valores. Por exemplo: propriedades físicas tabeladas ou resultados experimentais. Muitas vezes, é necessário utilizar valores intermediários aos fornecidos. TM-236 Cálculo Numérico 2 Motivação Fonte:Incropera et al., “Fundamentos Transferência de Calor e de Massa”, 6 ed., LTC Editora, 2008. TM-236 Cálculo Numérico 3 Motivação Qual curva é a mais adequada? 2 24 24 22 22 20 20 18 18 Variável dependente Variável dependente 3 4 Y =-0,24453-1,11365 X+2,38698 X -0,58438 X +0,05755 X -0,00198 X Y =-0,74952+2,09714 X 16 14 12 10 8 6 16 14 12 10 8 6 4 4 2 2 0 0 0 1 2 3 4 5 6 7 8 9 10 11 12 0 1 2 3 4 5 6 7 8 9 10 11 12 Variável independente Variável independente TM-236 Cálculo Numérico 4 5 Motivação Aproximação: os dados exibem um grau significativo de erro ou “ruído”. A curva ajustada representa a tendência geral dos dados. Interpolação: os dados são muito precisos e, assim, o ajuste de curvas deve passar diretamente por cada um dos pontos. TM-236 Cálculo Numérico 5 Motivação Fundamentação matemática: Interpolação → expansões em séries de Taylor e diferenças finitas divididas. Aproximação → estatística básica (conceitos de média aritmética, desvio padrão, distribuição normal, intervalos de confiança). TM-236 Cálculo Numérico 6 Técnicas de aproximação Mínimos Quadrados Discretos. Polinômios Ortogonais e Aproximação por Mínimos Quadrados. Polinômios de Chebyshev e Economia na Série de Potências. Aproximação por Função Racional. Aproximação por Polinômios Trigonométricos. Transformadas Rápidas de Fourier (FFT). TM-236 Cálculo Numérico 7 Mínimos Quadrados Discretos Normalmente, empregada para prever valores intermediários para dados experimentais. Apresenta uma tendência geral dos dados. Minimização a discrepância entre os dados e os pontos da curva obtida, através da minimização da soma dos quadrados dos resíduos entre valores medidos e valores calculados. TM-236 Cálculo Numérico 8 Mínimos Quadrados Discretos Hipóteses estatísticas: • Cada x tem um valor fixo; ele não é aleatório e é conhecido sem erros. • Os valores de y são variáveis aleatórias independentes e têm todos a mesma variância. • Os valores de y para um dado x devem estar normalmente distribuídos. TM-236 Cálculo Numérico 9 Mínimos Quadrados Discretos Modelo linear: S r e yi ,medido yi ,modelo yi a0 a1 xi n i 1 n 2 i 2 i 1 n 2 i 1 Determinação dos coeficientes: n S r 2 yi a0 a1 xi 0 a0 i 1 n S r 2 yi a0 a1 xi xi 0 a1 i 1 TM-236 Cálculo Numérico 10 Mínimos Quadrados Discretos Coeficientes: n a1 n n i 1 i 1 n xi yi xi yi i 1 n n x xi i 1 i 1 n 2 a0 y a1 x 2 i Quantificação do erro na regressão linear: • Erro padrão da estimativa: sy / x Sr n2 TM-236 Cálculo Numérico 11 Mínimos Quadrados Discretos • Coeficiente de determinação: St S r 2 r St n S t yi y 2 i 1 • Coeficiente de correlação: r n n n i 1 i 1 i 1 n xi yi xi yi n x xi i 1 i 1 n n 2 i 2 n y yi i 1 i 1 n TM-236 Cálculo Numérico n 2 2 i 12 Mínimos Quadrados Discretos Exemplo 01: Ajuste uma reta aos valores de x e y para os dados apresentados na tabela a seguir: 7 xi yi 1 2 3 4 5 6 7 0,5 2,5 2,0 4,0 3,5 6,0 5,5 6 5 Variável dependente 4 3 2 1 0 0 1 2 3 4 5 6 7 8 Variável independente TM-236 Cálculo Numérico 13 Mínimos Quadrados Discretos Solução: xi yi xi2 xi yi 1 2 3 4 5 6 7 0,5 2,5 2,0 4,0 3,5 6,0 5,5 1,0 4,0 9,0 16,0 25,0 36,0 49,0 0,5 5,0 6,0 16,0 17,5 36,0 38,5 n x i 1 n7 i 28 x4 n y i 1 i 24 y 3,428571 n x i 1 2 i 140,0 TM-236 Cálculo Numérico n x y i 1 i i 119,5 14 Mínimos Quadrados Discretos Solução: a1 n n n i 1 i 1 i 1 n xi yi xi yi n x xi i 1 i 1 n n 2 i 2 7119,5 2824 0,8392857 2 7140 28 a0 y a1 x 3,428571 0,83928574 0,07142857 TM-236 Cálculo Numérico 15 Mínimos Quadrados Discretos Solução: Y =0,07143+0,83929 X 7 6 5 Variável dependente 4 3 2 1 0 0 1 2 3 4 5 6 7 8 Variável independente TM-236 Cálculo Numérico 16 Mínimos Quadrados Discretos Solução: xi yi yi y 2 yi a0 a1x2 1 2 3 4 5 6 7 0,5 2,5 2,0 4,0 3,5 6,0 5,5 8,576531 0,862245 2,040816 0,326531 0,005102 6,612245 4,290816 0,168686 0,562500 0,347258 0,326531 0,589605 0,797194 0,199298 n x i 1 i 28 x4 n y i 1 i 24 y 3,428571 n n St yi y 22,7143 S r yi a0 a1 x 2,9911 2 i 1 TM-236 Cálculo Numérico 2 i 1 17 Mínimos Quadrados Discretos Solução: • Desvio padrão: n sy 2 y y i i 1 n 1 22,7143 1,9457 7 1 • Erro padrão da estimativa: sy / x Sr 2,9911 0,7735 n2 72 TM-236 Cálculo Numérico 18 Mínimos Quadrados Discretos Solução: • Coeficiente de determinação: r2 St S r 22,7143 2,9911 0,868 St 22,7143 • Coeficiente de correlação: r 0,868 0,932 Conclusão: 86,8% da incerteza original é explicada pelo modelo linear. TM-236 Cálculo Numérico 19 Mínimos Quadrados Discretos Linearização de relações não-lineares: • Modelo exponencial; • Modelo potência simples; • Modelo da taxa de crescimento da saturação. Emprego de manipulações matemáticas simples transformando-os em modelos lineares. TM-236 Cálculo Numérico 20 Mínimos Quadrados Discretos Uma função do tipo exponencial: y 1e1x Pode ser linearizada empregando-se: ln y ln 1 1 x ln e ln y ln 1 1 x TM-236 Cálculo Numérico 21 Mínimos Quadrados Discretos Uma função do tipo potência: y 2 x 2 Pode ser linearizada empregando-se: log y 2 log x log2 TM-236 Cálculo Numérico 22 Mínimos Quadrados Discretos Uma função do tipo taxa de crescimento da saturação: x y 3 3 x Pode ser linearizada empregando-se: 1 3 1 1 y 3 x 3 TM-236 Cálculo Numérico 23 Mínimos Quadrados Discretos Gráficos: TM-236 Cálculo Numérico 24 Mínimos Quadrados Discretos Exemplo 02: Ajustar os dados da seguinte tabela empregando-se uma função do tipo potência. 10 9 8 xi yi 1 2 3 4 5 0,5 1,7 3,4 5,7 8,4 Variável dependente 7 6 5 4 3 2 1 0 0 1 2 3 4 5 Variável independente TM-236 Cálculo Numérico 25 Mínimos Quadrados Discretos Solução: xi yi wi log xi zi log yi wi2 wi zi 1 2 3 4 5 0,5 1,7 3,4 5,7 8,4 0,000000 0,301030 0,477121 0,602060 0,698970 -0,301030 0,230449 0,531479 0,755875 0,924279 0,000000 0,090619 0,227645 0,362476 0,488559 0,000000 0,069372 0,253580 0,455082 0,646043 n n w 2,079181 z i 1 i w 0,415836 i 1 i 2,141052 z 0,428210 n w i 1 TM-236 Cálculo Numérico 2 i 1,169299 n w z i 1 i i 1,424077 26 Mínimos Quadrados Discretos a1 Solução: n n n i 1 i 1 i 1 2 n wi zi wi zi n n w zi i 1 i 1 n 2 i 51,424077 2,0791812,141052 1,75172365 2 51,169299 2,141052 0,415836 0,30021979 a0 z a1w 0,4282101,75172365 Logo: 2 100,30021979 0,500934; 2 1,75172365 TM-236 Cálculo Numérico 27 Mínimos Quadrados Discretos Solução: Y =-0,30022+1,75172 X 10 Variável dependente y 0,500934x1,75172365 1 1 10 Variável independente TM-236 Cálculo Numérico 28 Mínimos Quadrados Discretos Solução: wi zi zi z 2 zi a0 a1w2 0,000000 0,301030 0,477121 0,602060 0,698970 -0,301030 0,230449 0,531479 0,755875 0,924279 0,531792 0,039110 0,010664 0,107364 0,246084 6,5643E-07 1,1205E-05 1,6694E-05 2,1081E-06 9,3692E-09 n n w 2,079181 z i 1 i w 0,415836 i 1 i 2,141052 z 0,428210 n St zi z 0,935014 2 i 1 TM-236 Cálculo Numérico n Sr yi a0 a1 x 3,0673E 05 2 i 1 29 Mínimos Quadrados Discretos Solução: • Desvio padrão: n sy 2 y y i i 1 n 1 0,935014 0,483481 5 1 • Erro padrão da estimativa: sy / x Sr 3,0673105 5,5884105 n2 52 TM-236 Cálculo Numérico 30 Mínimos Quadrados Discretos Solução: • Coeficiente de determinação: 5 S S 0 , 435014 3 , 0673 10 r r2 t 0,999967 St 0,435014 • Coeficiente de correlação: r 0,999967 0,999984 Conclusão: 99,9967% da incerteza original é explicada pela função do tipo potência. TM-236 Cálculo Numérico 31 Mínimos Quadrados Discretos Regressão polinomial: o procedimento de mínimos quadrados para ajustes lineares pode ser estendido para polinômios de grau mais elevado. Supondo-se um polinômio de segundo grau ou quadrático: y a0 a1x a2 x2 e TM-236 Cálculo Numérico 32 Mínimos Quadrados Discretos Soma dos quadrados dos resíduos: n S r yi a0 a1 xi a2 xi2 i 1 Determinação dos coeficientes: n Sr 2 y i a0 a1 xi a2 xi2 a0 i 1 n Sr 2 xi y i a0 a1 xi a2 xi2 a1 i 1 n Sr 2 xi2 y i a0 a1 xi a2 xi2 a2 i 1 TM-236 Cálculo Numérico 33 Mínimos Quadrados Discretos Sistema de equações normais: n n n 2 n a0 xi a1 xi a2 yi i 1 i 1 i 1 n n n 2 n 3 xi a0 xi a1 xi a2 xi yi i 1 i 1 i 1 i 1 n n 2 n 3 n 4 xi a0 xi a1 xi a2 xi2 yi i 1 i 1 i 1 i 1 TM-236 Cálculo Numérico 34 Mínimos Quadrados Discretos Polinômio de grau m: y a0 a1x a2 x2 am xm e Erro padrão: sy / x Sr n m 1 TM-236 Cálculo Numérico 35 Mínimos Quadrados Discretos Exemplo 03: Ajustar um polinômio de segundo grau aos dados apresentados na tabela a seguir. 70 60 xi yi 0 1 2 3 4 5 2,1 7,7 13,6 27,2 40,9 61,1 50 Variável dependente 40 30 20 10 0 0 1 2 3 4 5 Variável independente TM-236 Cálculo Numérico 36 Mínimos Quadrados Discretos n6 m2 xi yi xi2 xi3 xi4 xi yi xi2 yi 0 1 2 3 4 5 2,1 7,7 13,6 27,2 40,9 61,1 0 1 4 9 16 25 0 1 8 27 64 125 0 1 16 81 256 625 0,0 7,7 27,2 81,6 163,6 305,5 0,0 7,7 54,4 244,8 654,4 1527,5 n x i 1 Solução: i 15 x 2,5 n y i 1 i 152,6 y 25,433333 n x i 1 2 i 55 n x i 1 3 i 225 n x i 1 4 i 979 TM-236 Cálculo Numérico n x y i 1 i i 585,6 n x i 1 y 2488,8 2 i i 37 Mínimos Quadrados Discretos Solução: a0 2,47857 6 15 55 a0 152,6 15 55 225 a 585,6 a 2,35929 1 1 a 1,86071 55 225 979 a2 2488,8 2 y 2,47857 2,35929x 1,86071x2 TM-236 Cálculo Numérico 38 Mínimos Quadrados Discretos Solução: Y =2,47857+2,35929 X+1,86071 X 70 2 60 50 Variável dependente 40 30 20 10 0 0 1 2 3 4 5 Variável independente TM-236 Cálculo Numérico 39 Mínimos Quadrados Discretos Solução: xi yi yi y 2 0 1 2 3 4 5 2,1 7,7 13,6 27,2 40,9 61,1 544,44 314,47 140,03 3,12 239,22 1272,11 n x i 1 i 15 x 2,5 n y i 1 i 152,6 y 25,433333 n St yi y 2513,39 2 i 1 TM-236 Cálculo Numérico y a i 0 a1 x a2 x 2 2 0,14332 1,00286 1,08160 0,80487 0,61959 0,09434 n Sr yi a0 a1 x a2 x 2 3,74657 2 i 1 40 Mínimos Quadrados Discretos Solução: • Erro padrão da estimativa: sy / x Sr 3,74657 1,12 n m 1 6 2 1 • Coeficiente de determinação: St S r 2513,39 3,74657 r 0,99851 St 2513,39 2 • Conclusão: 99,851% da incerteza original foi explicada pelo modelo quadrático. TM-236 Cálculo Numérico 41 Interpolação Polinomial Consiste em determinar um único polinômio de grau n que passa pelos n+1 pontos fornecidos. Embora exista um único polinômio de grau n que passa por n+1 pontos, há diversas fórmulas matemáticas para expressá-lo. Formas adequadas para implementação computacional: Newton e Lagrange. TM-236 Cálculo Numérico 42 Interpolação Polinomial Diferenças Divididas de Newton: Interpolação linear: f1 ( x) f ( x0 ) f ( x1 ) f ( x0 ) x x0 x1 x0 f ( x1 ) f ( x0 ) f1 ( x) f ( x0 ) ( x x0 ) x1 x0 TM-236 Cálculo Numérico 43 Interpolação Polinomial Exemplo 04: Faça uma estimativa do logaritmo natural de 2, utilizando uma interpolação linear. Faça o cálculo utilizando dois intervalos: • o primeiro, empregando ln(1)=0 e ln(6)=1,791759; • e o segundo, utilizando ln(1) = 0 e ln(4)=1,386294. • Valor real: ln(2)=0,6931472 TM-236 Cálculo Numérico 44 Interpolação Polinomial Solução: (a) x0 1; x1 6 f ( x0 ) f (1) 0; f ( x1 ) f (6) 1,791759 f ( x1 ) f ( x0 ) 1,791759 0 2 1 f1 ( x) f ( x0 ) ( x x0 ) 0 x1 x0 6 1 f1 (2) 0,3583519 TM-236 Cálculo Numérico 45 Interpolação Polinomial Solução: (b) x0 1; x1 4 f ( x0 ) f (1) 0; f ( x1 ) f (4) 1,386294 f ( x1 ) f ( x0 ) 1,386294 0 2 1 f1 ( x) f ( x0 ) ( x x0 ) 0 x1 x0 4 1 f1 (2) 0,4620981 TM-236 Cálculo Numérico 46 Interpolação Polinomial Solução 2,00 Erros relativos: função f(x) 1,75 1,50 (a) 48,3% 1,25 (b) 33,3% 1,00 0,75 0,50 0,25 0,00 -0,25 -0,50 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 variável independente x TM-236 Cálculo Numérico 47 Interpolação Polinomial Diferenças Divididas de Newton: Interpolação Quadrática: f 2 ( x) b0 b1 ( x x0 ) b2 ( x x0 )(x x1 ) • que pode ser reescrita como: f 2 ( x) b0 b1x b1x0 b2 x2 b2 x0 x1 b2 x x0 b2 x x1 TM-236 Cálculo Numérico 48 Interpolação Polinomial Interpolação Quadrática: f 2 ( x) a0 a1x a2 x2 • sendo: a0 b0 b1 x0 b2 x0 x1 a1 b1 b2 x0 b2 x1 a2 b2 TM-236 Cálculo Numérico 49 Interpolação Polinomial Interpolação Quadrática: • Determinação dos coeficientes: b0 f ( x0 ) f ( x1 ) f ( x0 ) b1 x1 x0 f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 ) x2 x1 x1 x0 b2 x2 x0 TM-236 Cálculo Numérico 50 Interpolação Polinomial Exemplo 05: Ajuste um polinômio quadrático aos três pontos seguintes: x0 1; f ( x0 ) 0; x1 4; f ( x1 ) 1,386294 x2 6; f ( x2 ) 1,791759 Utilize o polinômio obtido para calcular ln(2), cujo valor verdadeiro é 0,6931472. TM-236 Cálculo Numérico 51 Interpolação Polinomial Solução: b0 f ( x0 ) 0 f ( x1 ) f ( x0 ) 1,386294 0 b1 0,4620981 x1 x0 4 1 f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 ) x2 x1 x1 x0 b2 x2 x0 1,791759 1,386294 0,4620981 64 0,0518731 6 1 TM-236 Cálculo Numérico 52 Interpolação Polinomial Solução: • Logo, o polinômio interpolador é: f 2 ( x) 0 0,4620981( x 1) 0,0518731( x 1)(x 4) • E o valor aproximado de ln(2) é: f 2 (2) 0,5658444 TM-236 Cálculo Numérico 53 Interpolação Polinomial Solução: 2,00 Erros relativos (lineares): 1,75 (a) 48,3% 1,50 Função real função f(x) 1,25 (b) 33,3% Estimativa quadrática 1,00 Erro relativo (quadrática): Estimativa linear (b) 0,75 18,4% 0,50 0,25 Estimativa linear (a) 0,00 -0,25 -0,50 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 variável independente x TM-236 Cálculo Numérico 54 Interpolação Polinomial Forma Geral dos Polinômios Interpoladores de Newton: • Deseja-se ajustar um polinômio de grau n a n+1 pontos fornecidos, obtendo-se: f n ( x) b0 b1 ( x x0 ) bn ( x x0 )(x x1 )( x xn1 ) • Coeficientes: b0 f ( x0 ) b1 f [ x1 , x0 ] b2 f [ x2 , x1 , x0 ] bn f [ xn , xn 1 , , x1 , x0 ] TM-236 Cálculo Numérico 55 Interpolação Polinomial Forma Geral dos Polinômios Interpoladores de Newton: • Os colchetes representam a valores de funções calculados através de diferenças divididas. • Primeira diferença dividida: f [ xi , x j ] f ( xi ) f ( x j ) xi x j TM-236 Cálculo Numérico 56 Interpolação Polinomial Forma Geral dos Polinômios Interpoladores de Newton: • Segunda diferença dividida: f [ xi , x j , xk ] f [ xi , x j ] f [ x j , xk ] xi xk • N-ésima diferença dividida: f [ xn , xn1 ,, x1 ] f [ xn1 , xn2 ,, x0 ] f xn , xn1 ,, x1 , x0 xn x0 TM-236 Cálculo Numérico 57 Interpolação Polinomial TM-236 Cálculo Numérico 58 Interpolação Polinomial Forma Geral dos Polinômios Interpoladores de Newton: f n ( x) f ( x0 ) ( x x0 ) f [ x1 , x0 ] ( x x0 )(x x1 ) f [ x2 , x1, x0 ] ( x x0 )(x x1 )( x xn1 ) f [ xn , xn1 ,, x0 ] • Não é necessário que os dados sejam igualmente espaçados ou que os valores das abscissas estejam necessariamente em ordem crescente. TM-236 Cálculo Numérico 59 Interpolação Polinomial Exemplo 06: Faça uma estimativa de ln(2) empregando um polinômio interpolador de Newton de terceiro grau utilizando os seguintes pontos: x0 1; f ( x0 ) 0; x1 4; f ( x1 ) 1,386294 x2 6; f ( x2 ) 1,791759 x3 5; f ( x3 ) 1,609438 TM-236 Cálculo Numérico 60 Interpolação Polinomial Solução: • O polinômio de terceiro grau a ser obtido possui a forma: f3 ( x) b0 b1 ( x x0 ) b2 ( x x0 )(x x1 ) b3 ( x x0 )(x x1 )(x x2 ) • As primeiras diferenças divididas para o problema são: 1,386294 0 f [ x1 , x0 ] 0,4620981 4 1 TM-236 Cálculo Numérico 61 Interpolação Polinomial Solução: 1,791759 1,386294 f [ x2 , x1 ] 0,2027326 64 1,609438 1,791759 f [ x3 , x2 ] 0,1823216 56 • As segundas diferenças divididas para o problema são: 0,2027326 0,4620981 f [ x2 , x1 , x0 ] 0,05187311 6 1 0,1823216 0,2027326 f [ x3 , x2 , x1 ] 0,02041100 54 TM-236 Cálculo Numérico 62 Interpolação Polinomial Solução • A terceira diferença dividida é: 0,02041100 f [ x3 , x2 , x1 , x0 ] 0,007865529 5 1 • Polinômio interpolador de Newton: f 3 ( x) 0 0,4620981( x 1) 0,05187311 ( x 1)(x 4) 0,007865529 ( x 1)(x 4)(x 6) TM-236 Cálculo Numérico 63 Interpolação Polinomial Solução: • Valor aproximado para ln(2)=0,6287686 2,00 Erros relativos (lineares): 1,75 1,50 (a) 48,3% Função real função f(x) 1,25 Estimativa quadrática (b) 33,3% Estimativa cúbica 1,00 Estimativa linear (b) 0,75 Erro relativo (quadrática): 0,50 18,4% 0,25 Estimativa linear (a) 0,00 Erro relativo (cúbica): -0,25 9,3% -0,50 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 variável independente x TM-236 Cálculo Numérico 64 Interpolação Polinomial Erros nos Polinômios Interpoladores de Newton • Erro de truncamento da série de Taylor: f ( n1) () Rn ( xi 1 xi ) n1 (n 1) ! • onde ξ é algum ponto do intervalo fornecido. Para um polinômio interpolador de grau n, analogamente, o erro é dado por f ( n1) () Rn ( x x0 )(x x1 )( x xn ) (n 1) ! TM-236 Cálculo Numérico 65 Interpolação Polinomial Erros nos Polinômios Interpoladores de Newton • Utilizando diferenças divididas e um ponto adicional: Rn f [ xn1 , xn , xn1,, x0 ](x x0 )(x x1 )( x xn ) TM-236 Cálculo Numérico 66 Interpolação Polinomial Exemplo 07: Estimar o erro para o polinômio interpolador de segundo grau do Exemplo 05. Utilize o ponto adicional f(5)=1.609438 para obter os resultados. Solução: • Do Exemplo 05, tem-se que: f 2 (2) 0,5658444 TM-236 Cálculo Numérico 67 Interpolação Polinomial Solução: • E o erro verdadeiro é igual a E 0,6931472 0,5658444 0,1273028 • A estimativa do erro pode ser feita através de: R2 f [ x3 , x2 , x1 , x0 ](x x0 )(x x1 )(x x2 ) TM-236 Cálculo Numérico 68 Interpolação Polinomial Solução • Substituindo valores: R2 0,007865529 ( x 1)(x 4)(x 6) • E, no caso de x=2, tem-se: R2 0,007865529 (2 1)(2 4)(2 6) 0,0629242 • Que possui a mesma ordem de grandeza do erro verdadeiro. TM-236 Cálculo Numérico 69 Interpolação Polinomial Polinômios Interpoladores de Lagrange: • Reformulação do polinômio de Newton, que evita o cálculo de diferenças divididas. • Representação: n f n ( x) Li ( x) f ( xi ) i 0 n Li ( x) j 0 j i x xj xi x j TM-236 Cálculo Numérico 70 Interpolação Polinomial Polinômio Interpolador de Lagrange: • Versão linear: x x0 x x1 f1 ( x) f ( x0 ) f ( x1 ) x0 x1 x1 x0 • Versão quadrática: x x0 x x2 x x1 x x2 f 2 ( x) f ( x0 ) f ( x1 ) x0 x1 x0 x2 x1 x0 x1 x2 x x0 x x1 f ( x ) x2 x0 x2 x1 2 TM-236 Cálculo Numérico 71 Interpolação Polinomial Exemplo: Empregar o polinômio interpolador de Lagrange de primeiro e de segundo graus para calcular ln(2) com base nos seguintes dados: x0 1; f ( x0 ) 0; x1 4; f ( x1 ) 1,386294 x2 6; f ( x2 ) 1,791759 TM-236 Cálculo Numérico 72 Interpolação Polinomial Solução: • Polinômio de primeiro grau: x x0 x x1 f1 ( x) f ( x0 ) f ( x1 ) x0 x1 x1 x0 24 2 1 f1 (2) (0) (1,386294) 0,4620981 1 4 4 1 TM-236 Cálculo Numérico 73 Interpolação Polinomial Solução: • Polinômio de segundo grau: x x0 x x2 x x1 x x2 f 2 (2) f ( x0 ) f ( x1 ) x0 x1 x0 x2 x1 x0 x1 x2 x x0 x x1 f ( x2 ) x2 x0 x2 x1 (2 4)(2 6) (2 1)(2 6) (0) (1,386294) (1 4)(1 6) (4 1)(4 6) (2 1)(2 4) (1,791760) 0,5658444 (6 1)(6 4) TM-236 Cálculo Numérico 74 Interpolação Polinomial Estimativa do erro para o polinômio interpolador de Lagrange: n Rn f [ x, xn , xn1 ,, x0 ] ( x xi ) i 0 Se um ponto adicional estiver disponível, notase que é possível fazer uma estimativa do erro do polinômio de Lagrange. Isso, contudo, raramente é feito, uma vez que as diferenças divididas não são calculadas como parte do algoritmo de Lagrange. TM-236 Cálculo Numérico 75 Interpolação Polinomial Casos em que o grau do polinômio é desconhecido: preferível utilizar o método de Newton (vantagens na percepção do comportamento das fórmulas para diferentes ordens). Casos em que o grau do polinômio é conhecido a priori: preferível empregar o método de Lagrange (um pouco mais fácil de programar). TM-236 Cálculo Numérico 76