Baixe o app para aproveitar ainda mais
Prévia do material em texto
INTERPOLAÇÃO Introdução • A interpolação consiste em determinar, a partir de um conjunto de dados discretos, uma função ou um conjunto de funções analíticas que possam servir para a determinação de qualquer valor no domínio de definição. • Pode-se ver a interpolação como um processo numérico que mapeia uma função discreta para uma função contínua. • A interpolação tem vasta aplicação em diversos campos da ciência, como por exemplo, na computação gráfica, no processamento de sinais e imagens. • É ferramenta numérica básica na integração numérica e nos rigorosos métodos numéricos de solução de equações diferenciais (Método de Galerkin, Método dos Elementos Finitos, Elementos de Contorno, etc.). Problema Geral de Interpolação Dados: 1. Um conjunto de pontos { }ix , i = 1,2, ..., N 2. Um conjunto de valores { }iy , i = 1,2, ..., N 3. Um conjunto de funções (denominadas de funções de base), ( ){ }xf j , j = 1,2, ..., N Encontrar: Os coeficientes aj, j = 1,2, ..., N, tal que ( )ij N 1j ji xfay ∑ = = , i = 1,2, ...,N A equação acima pode ser escrita sob forma matricial y = Ba ou a = B-1y, onde y e a são vetores colunas representando respectivamente os dados conhecidos e os coeficientes a serem determinados, e B é a matriz definida por: B = {bi,j} = fj(xi) É importante observar que para o problema de interpolação ter uma solução é necessário que a matriz B admita uma inversa, o que pode não ocorrer dependendo da escolha das funções de base. Ex.: Dado x = (1, -1) e y = [1 0]T e escolhendo as funções de base como ( ) 1)-j(jj x xf = ,temos: = = = 0 1 11 11 )(, 2 1 , 2 1 2 1 2221 1211 a a xfb y y a a bb bb ijji o ( ) 0Bdet = , portanto o sistema não admite solução. Interpolação linear A partir de dois pontos distintos de y = f(x), p. ex. (x0,y0) e (x1, y1), deseja-se encontrar o valor da função yi para um ponto de abcissa intermediária xi. A maneira mais simples de estimar yi é através de uma interpolação linear, i.e., supondo que o ponto (xi, yi) pertence ao segmento de reta que une os pontos de coordenadas conhecidas. Esse segmento é parte do “polinômio interpolador” de 1º grau, definido por: ( ) 011 axaxP += A fim de determinar os coeficientes a1 e a0, deve-se resolver o sistema: =+ =+ 1011 0001 yaxa yaxa ou, em forma matricial: = ⋅ 1 0 0 1 1 0 y y a a 1x 1x Pode-se demonstrar que para que o problema de interpolação seja determinado, o grau do polinômio interpolador é sempre igual ao número de pontos menos um. Erro de Truncamento É o erro cometido em decorrência da representação de uma suposta função f(x) por uma reta, o que equivale a desprezar os termos de ordem igual ou superior a 2 do seu desenvolvimento em série de Taylor. Seja p. ex. a função do gráfico: Seu erro de truncamento é dado por: ( ) ( ) ( )i1iiT xp-xf xE = É fácil observar que esse erro se anula para 0x x = e para 1x x = . Assim, pode-se escrever a expressão do erro na forma: )x-)(xx-A(x )(xE 10iT = A fim de determinar uma expressão para A, considere-se a função auxiliar G(t) definida por: ( ) ( ) ( ) Axtxtatatftt-tf tG 1 ⋅)−)(−(−)+(−)( = )(−= 1001ΤΕφ É fácil observar que G(t) se anula, pelo menos em três pontos: x0, x1 e xi. Portanto: ( ) ( ) ( ) ( ) ( ) ( ) 0G / , 0G / x ,x 0G / x ,x 21 21i2 1i01 =′′∈∃⇒ =′∈∃ =′∈∃ εεεε εε εε Mas, ( ) ( ) 0A2fG =−′′=′′ εε , logo: ( ) 2 fA ε ′′ = Assim, a expressão do erro de truncamento, fica: )xx)(xx( 2 )(f)x(E 10T −− ε′′ = Exemplo: Determinar o erro de truncamento cometido ao se efetuar uma interpolação linear da função ( ) 23x-x xf 2 += , entre os pontos 1.0 x0 = e 1.5 x1 = , para estimar o valor de f(1.25) Solução: ( ) 0 1f = ; ( ) 0.25- 1.5f = ( ) x ,2xf ∀=′′ ( ) ( ) ( ) 0625.0 2 25.125.10.125.125.1ET −=⋅−⋅−= O valor real de f(1.25) é –0.1875 e o valor estimado pela interpolação linear pode ser calculado, após a determinação dos coeficientes, de acordo com: − = ⋅ 25.0 0 a a 15.1 11 0 1 −= = ⇒ − = ⋅ − 5.0a 5.0a 25.0 0 a a 5.00 11 1 0 0 1 ( ) 0.125- 0.5 1.25 0.5- 1.25p1 =+⋅= O erro percentual é: 33.33% (alto!) Interpolação quadrática Dados três pontos ( ) ,y ,x 00 ( ) ,y ,x 11 e ( ) y ,x 22 , pode-se definir um polinômio interpolador de acordo com: ( ) 22102 xaxaaxp ++= com erro ET nulo para os 3 pontos dados. Os coeficientes de p2(x) podem ser determinados através de: =++ =++ =++ 2 2 22210 1 2 12110 0 2 02010 yxaxaa yxaxaa yxaxaa ou ainda: = ⋅ 2 1 0 2 1 0 2 22 2 11 2 00 y y y a a a xx1 xx1 xx1 O sistema terá solução se o determinante (de Vandermonde) da matriz dos coeficientes (V) for diferente de zero: ( ) 220212201202210122 xxxxxxxxxxxxVdet −−−++= ( ) ( ) ( )122020210122 xxxxxxxxx −+−+−= ( ) ( ) ( )212022022122210 xxxxxxxxx −+−+−= ( )( ) ( )( ) ( )( )10102 0202121210 xxxxx xxxxxxxxxx +−+ +−++−= Demonstra-se que ( ) ( )( )( )120201 xxxxxxVdet −−−= . O leitor pode tentar chegar a esse resultado, após triangularizar a matriz V. Erro de Truncamento ( )( )( ) ( ) !3 fxxxxxxE 210T ε′′′ ⋅−−−= Interpolação Polinomial • As funções de base são polinômios. • Os mais utilizados são os: Polinômios de Newton; Polinômios de Lagrange; e, Splines (uma classe de polinômios parcialmente definidos). Interpolação por Polinômios de Newton Definição do polinômio de Newton: ( ) ( )( ) ( )( ) ( )1n10n102010n xxxxxxaxxxxaxxaap −−−−++−−+−+= LL ou ( )∏∑ − == −= 1i 0j j n 0i in xxap onde: ai são os coeficientes do polinômio a serem determinados na interpolação e xj são os centros. Determinação dos coeficientes Considere um conjunto de pontos { }ii y,x , com ( )ii xfy = . Seja ( ) xpn o polinômio de Newton a ser usado na interpolação. Como ( )xpn deve reproduzir os valores de f nos pontos dados, tem-se: ( ) ( ) ,xf xp iin = n ..., 2, 1, i = ( ) ( ) ( ) ( )( ) L+−−+−+== 012010 xxxxaxxaaxpxf n ( )( )( ) L+−−−+ 0123 xxxxxxa ( ) ( )01 xxxxa nn −−+ − L ( ) 00 axf = ( ) ( )01101 xxaaxf −+= ( ) ( ) ( )( )0212202102 xxxxaxxaaxf −−+−+= ( )00 xfa = ( ) ( ) [ ]01 01 01 1 x ,xfxx xfxf a = − − = ( )( ) ( ) ( ) [ ]( )02010202122 xxx,xfxfxfxxxxa −−−=−− ( )( ) ( ) ( ) [ ]( ) ( ) ( )0102011202122 xfxfxxx,xfxfxfxxxxa −+−−−=−− ( )( ) ( ) ( ) [ ]( ) ( ) ( ) ( )01 01 01 02011202122 xxxx xfxf xxx,xfxfxfxxxxa − − − +−−−=−− ( ) ( ) [ ]( )01020112 , xxxxxxfxfxf /+−/−−−= ( )( ) ( ) ( ) [ ]( )12011202122 xxx,xfxfxfxxxxa −−−=−− [ ] ( ) ( ){ } ( )121212 xxxfxfx,xf −−= ( ) [ ] [ ]0112022 x,xfx,xfxxa −=− [ ] [ ] [ ]012 02 0112 2 x,x,xfxx x,xfx,xf a = − − = ( ) ( ) ( )( ) ( )( )( )0313233 0313203103 xxxxxxa xxxxaxxaaxf −−−+ +−−+−+= ( )( )( ) ( ) ( ) [ ]( )( ) [ ]( ) ( ) ( ) ( ) ( )01 120301 0313012 230313233 , ,, xfxf xfxfxxxx-f xxxxxxxf xfxfxxxxxxa −+ +−+− −−−− −−=−−− ( )( )( ) ( ) ( ) [ ]( )( ) [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( )01 01 01 02 12 12 0301 0313012 230313233 (, ,, xx xx xfxf xx xx xfxfxxxx-f xxxxxxxf xfxfxxxxxxa − − − + +− − − + +− −−−− −−=−−− ( )( )( ) ( ) ( ) ( ) [ ]( )( ) [ ]( ) [ ]( ) [ ]( ) [ ]( ) [ ]( ) ( ) [ ] [ ]{ } [ ]( )( ) [ ]( ) [ ]( ) ( ) [ ] [ ]{ } [ ]( )( ) ( ) [ ] [ ]{ } 02 02 011213 0313012 13 13 122323 13011312 0313012 122323 01012312 2312 12120301 0313012 23 23 23 0313233 ,, ,, ,, ,, ,, ,, ,, , ,, ,, xx xxxxfxxfxx xxxxxxxf xx xxxxfxxfxx xxxxfxxxxf xxxxxxxf xxfxxfxx xxxxfxxxxf xxxxf xxxxfxxxx-f xxxxxxxf xx xx xfxfxxxxxxa − − ⋅−−+ +−−− − − − ⋅−−= −−−+ +−−− −−−= −+−+ +−− −−+− −−−− −− − − =−−− onde [ ] x..., ,,x,xf 11-kk é chamada de diferença dividida entre .y,,y k1 K Assim, substituindo os valores dos coeficientes na expressão do polinômio, tem-se: ( ) [ ]( ) [ ]( )( ) [ ]( )( ) ( )n1001nn 100120010n xxxxxxx,,x,xf xxxxx,x,xfxxx,xfxfp −−− ++−−+−+= − LL L ou [ ] ( )∏∑ − == − −= 1i 0j j n 0i 01iin xxx,,x,xfp L Tabela de Diferenças Divididas i xi f(xi) 1a 2a 3a 0 x0 f(x0) f[x1,x0] 1 x1 f(x1) f[x2,x1,x0] f[x2,x1] f[x3,x2,x1,x0] 2 x2 f(x2) f[x3,x2,x1] f[x3,x2] 3 x3 f(x3) Ex. 1: i ix iy 0 0.0 1.008 0.28 1.1 1.0 0.0 1 0.2 1.064 0.61 1.6 1.0 2 0.3 1.125 1.09 2.0 3 0.5 1.343 1.69 4 0.6 1.512 ( ) ( ) ( )( ) ( )( )( )3.0x2.0x0.0x0.12.0x0.0x1.10.0x28.0008.1xp4 −−−+−−+−+= Ex. 2: Estimar o ln(2) , utilizando o polinômio de Newton de terceira ordem i xi f(xi) 1a 2a 3a 0 1 0 0.46209813 1 4 1.3862944 -0.051873116 0.20273255 0.000786554415 2 6 1.7917595 -0.020410950 0.18232160 3 5 1.6094379 assim ( ) ( ) ( )( ) ( )( )( ),6-x4-x1-x150.00786554 4-x1-x60.05187311-1-x0.46209813 0 p3 + ++=x ( ) 0.69314718 ln ,0.62876869 2p3 == ; %3.9t =ε Estimativa de Erro na Interpolação por Polinômio de Newton Semelhantemente ao truncamento feito na série de Taylor, tem-se: ( ) ( ) ( )( ) ( )n n n xxxxxxn fR −−− + = + L10 )1( !1 ξ ou: [ ]( )( ) ( ) [ ]( )( ) ( )nnnnn nnnn xxxxxxxxxxfR xxxxxxxxxxfR −−−≈ −−−= −+ − LL LL 10011 1001 ,,,, ,,,, Interpolação por Polinômio de Lagrange O polinômio de Lagrange é simplesmente uma reformulação do polinômio de Newton, que evita o cálculo de diferenças divididas. A forma geral do polinômio de Lagrange é: ( ) ( ) ( )i n 0i in xfxLxp ∑ = = onde: ∏ ≠ = − − = n ij j ji j i xx xx xL 0 )( com: ( ) ≠ = = ji,0 ji,1 xL ji O erro estimado de interpolação é o mesmo do polinômio de Newton. Dedução dos coeficientes do polinômio de Lagrange (a partir do polinômio de Newton) ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( )1 01 0 0 10 1 1 01 01 001 01001 , xf xx xxxf xx xxp xx xfxfxxxfxp xxfxxxfxp − − + − − = − − −+= −+= que é o polinômio sob forma de Lagrange. De forma semelhante para ( ) ( ) ( )xp ..., ,xp ,xp n32 : ( ) ( ) ( ) [ ] ( )( ) [ ]0121001002 x,x,xfxxxxx,xfxxxfxp −−++−+= ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( ) ( ) 02 01 01 12 12 10 01 01 00 xx xx xfxf xx xfxf xxxx xx xfxf xxxf − − − − − − ⋅−−+ + − − −+= ( ) ( )( )( )( ) ( ) ( )( )( )( ) ( )( ) ( )( ) ( ) ( )( )( )( )1202 10 2 0102 10 1202 10 01 0 1 0102 10 01 0 0 xxxx xxxx xf xxxx xxxx xxxx xxxx xx xx xf xxxx xxxx xx xx 1xf −− −− ⋅+ −− −− − −− −− + − − + + −− −− + − − −= ( ) ( )( ) ( )( ) ( )( )( )( ) ( ) ( )( )( ) ( )( )( ) ( )( )( )( )( )( ) ( ) ( )( )( )( )1202 10 2 011202 1210011012020 1 0102 100200102 0 xxxx xxxxxf xxxxxx xxxxxxxxxxxxxxxxxxxf xxxx xxxxxxxxxxxxxf −− −− ⋅+ + −−− −−−−−−−−−−− + + −− −−+−−−−− = ( ) ( )( )( )( ) ( ) ( ) ( )( ) ( )( ) ( )( ){ }( )( )( ) ( ) ( )( )( )( ) 4444 34444 21 2T 1202 10 2 011202 12101112020 1 2010 21 0 xxxx xxxx xf xxxxxx xxxxxxxxxxxxxx xf xxxx xxxx xf −− −− ⋅+ + −−− −−−−−−−−− + + −− −− = ( ) ( )( )( )( ) ( ) ( ) ( )( ) ( )[ ]{ }( )( )( ) 2 011202 1201112020 1 2010 21 0 0 T xxxxxx xxxxxxxxxxxxxf xxxx xxxxxf T + + −−− /−+−/−−−−−+ + −− −− = 4444 84444 76 ( ) ( ) ( )( ){ }( )( )( )011202 112020 120 xxxxxx xxxxxxxx xfTT −−− /+−/−−−++= ( ) ( ) ( )( )( )( ) ( ) ( )( ) ( )( )1202 10 2 2101 20 102 xxxx xxxx xf xxxx xxxx xfTxp −− −− + −− −− += Comparação entre as interpolações de Lagrange e de Newton A fim de estabelecer uma comparação, determina-se o número n (número de pontos) total de multiplicações/divisões para cada método: Mult. Div. Total Newton 3-2n 2 nn2 − 2 6n3n2 −+ Lagrange 1-n 2 2n 1-2nn2 + A Condição 1n2n 2 6n3n 22 −+<−+ é verdadeira ∀ n: Entretanto, se várias funções devem ser interpoladas no mesmo intervalo, a interpolação de Lagrange pode se mais vantajosa, uma vez que os produtos dos denominadores são calculados apenas uma vez. Ex.: Estimar ln(2) , a partir dos dados abaixo i xi f(xi) 0 1 0 1 4 1.3862944 2 6 1.7917950 ( ) ( )( )( )( ) ( ) ( )( ) ( )( ) ( ) ( )( ) ( )( ) ( ) ( ) ( )( )( )( ) ( )( ) ( )( ) ( )( ) ( )( ) ( ) 69314718.02ln 56584437.02 791795.1 4606 4202 3862944.1 6404 62020 6040 62422 2 2 2 1202 10 1 2101 20 0 2010 21 2 = = × −− −− + +× −− −− +× −− −− = −− −− + + −− −− + −− −− = P p xf xxxx xxxx xf xxxx xxxx xf xxxx xxxxxp Interpolação por Splines Cúbicas Splines (régua flexível) Em vez de se procurar determinar uma única função de grau elevado que reproduza o comportamento de um conjunto de pontos dentro de um intervalo, pode-se dividi-lo em subintervalos, a fim de permitir a utilização de várias funções de baixo grau (caso de polinômios). A interpolação mais simples consiste em aproximar o comportamento da função entre dois pontos consecutivos por segmentos de reta. Splines Cúbicas – Definição e dimensionamento do problema Dado um intervalo [a, b], dividido em k subintervalos [ 1ii t ,t + ] com k ..., 1, i = , pode-se definir, para cada um destes, uma seção polinomial cúbica, como polinômio interpolador da função a aproximar, como mostra a figura: Definição: ( ) ( ) ( ) ( ) ( ) k) ..., (1,2, i ,t-xat-xat-xa a xs xp 3ii32ii2ii1i0ii =+++== com as seguintes propriedades, (i) ( ) ( )i1iii tsts += isto resulta em 2-2k equações (ii) ( ) ( )i1iii tsts +′=′ resultando em 1-k equações (iii) ( ) ( )i1iii tsts +′′=′′ Os limites dos intervalos são chamados de nós. Aplicando a condição de erro de truncamento nulo para ambas as splines de um mesmo nó intermediário, obtém-se duas equações para cada um destes. Essa condição produz ainda duas equações para os nós extremos. Considerando que existem 1k + nós, a condição de erro nulo gera então ( )[ ] ( ) 2k 2 2-1k =⋅+ equações. A fim de garantir uma função interpoladora inteiramente diferenciável, é necessário que as derivadas à direita e à esquerda de cada nó intermediário sejam iguais. Isso resulta em ( ) ( ) 1-k 2-1k =+ equações. Condição semelhante deve ser aplicada para as derivadas segundas, para garantir que os nós intermediários não são pontos de inflexão. Isso resulta em mais 1)-(k equações, totalizando ( ) 2-4k 1-k22k =+ equações. Cada spline é definida através da expressão: ( ) ( ) ( ) ( )3ii32ii2ii1ioi t-xa t-xa t-xa a xs +++= possuindo portanto 4 (quatro) coeficientes a determinar.Existem assim 4k incógnitas e 2-4k equações. A fim de eliminar esses dois graus de liberdade é comum exigir-se que as derivadas segundas se anulem nos pontos extremos do intervalo (spline natural). Caso sejam conhecidas informações adicionais sobre a função a ser aproximada, como, por exemplo, as primeiras derivadas nos extremos, essa condição pode substituir a condição anterior. Dedução do Algoritmo para Splines Cúbicas Considerando que cada par de nós é conectado por uma spline cúbica então a derivada segunda desta spline é uma reta. Representando essa reta, sob a forma de um polinômio de Lagrange, tem-se: ( ) 1ii 1i i i1i i 1ii xx xx b xx xx bxS − − − − − − + − − =′′ Notar que: ( ) i i1i ii 1i 1ii 1ii ii " 1i bxx xx b xx xx bxS = − − + − − = + + + + + ( ) ii"i bxS = Portanto, não há descontinuidade na 2a derivada. ( ) ( ) ( ) ( ) 11i 1ii i i i1i 1i 1ii kdx xxxx b dx xx xx b kxSxS +− − +− − =+′′=′ ∫∫∫ − −− − ( ) ( ) ( ) ( ) 11ii 2 1i i i1i 2 i 1i kxx2 xx b xx2 xx b + −⋅ − + −⋅ − = − − − − ( ) ( ) ( )( ) ( ) ( ) 211ii 3 1i i i1i 3 i 1iii kxkxx6 xx b xx6 xx bdx xSxS ++ −⋅ − + −⋅ − =′= − − − −∫ ( ) ( ) ( ) 1iiiiii1iiii21 xdxcxcdxxdxxckxk −− −+−=−+−=+ mas ( ) ( )1i1ii xfxS −− = e ( ) ( )iii xfxS = ( ) ( )( ) ( ) ( )1i1iiii1i 3 i1i 1i1ii xfxxcxx6 xx bxS −− − − −− =−+−⋅ − = ( ) ( ) ( ) ( )i1iii 2 1ii iii xfxxd6 xx bxS =−+ − = − − ( ) ( ) ( )1ii 2 1ii 1i 1ii 1i i xx 1 6 xx b xx xf c − − − − − − ⋅ − − − = ( ) ( ) ( )1ii 2 1ii i 1ii i i xx 1 6 xx b xx xf d − − − − ⋅ − − − = Assim: ( ) ( )( ) ( ) ( ) ( ) ( )11 3 1 1 3 1 66 −− − − − −+−+− − + − − = ii ii i i ii i ii xxDxxCxx xxb xx xxbxS (*) onde: ( ) ( ) − − − = − − − = − − − − − − 6 6 1 1 1 1 1 1 ii i ii i ii i ii i xxb xx xfD xxb xx xfC Notar que: ( ) ( ) ( ) ( ) ( )iiiiiiiiii xfxx bxfxxbxS = −−+−= −− 2 1 2 1 66 ( ) ( ) ( ) ( ) ( ) ( )iiiiii ii i ii i ii xfxxxx b xx xfxxbxS =− −− − +−= ++ + −+ 11 1 2 11 66 Portanto, não há descontinuidade. Derivando (*), tem-se: ( ) ( )( ) ( ) ( ) [ ] ( )i1i 1ii 1ii 1ii 2 1i i i1i 2 i 1ii bb6 xx x,xf xx2 xx b xx2 xx bxS − − ++ − − + − − =′ − − − − − − − Por analogia: ( ) ( )( ) ( ) ( ) [ ] ( )1ii i1i i1i i1i 2 i 1i 1ii 2 1i i1i bb6 xx x,xf xx2 xx b xx2 xx bxS + + + + + + + + − − ++ − − + − − =′ ( ) ( ) [ ] ( ) ( ) 6 bb xxx,xfxx 2 b xS 1iii1ii1i1ii i i1i + ++++ − −++−=′ ( ) ( ) [ ] ( ) ( ) 6 bb xxx,xfxx 2 b xS i1i1ii1ii1ii i ii − −++−=′ −−−− ( ) [ ] =+ +−−= − − − 1 1 1 ,6 2 ii ii ii xxf bbxx ( ) ( ) [ ]iiiiiiii xxf bb xxxS , 6 2 1 1 11 + + ++ + −−−=′= ( ) ( ) ( ) ( )iiiiiiiiiiii xx b xx bb xx b xx −+−+−+− + + + − −− 1 1 1 1 11 66 2 66 2 [ ] [ ]{ } 6x,xf-x,xf 1-iii1i ⋅= + ( ) ( ) ( ) [ ] [ ]{ }11 111111 ,,6 2 −+ ++−+−− −= =−+−+− iiii iiiiiiiii xxfxxf bxxbxxbxx (**) onde: [ ] [ ]{ } ( ) ( ) ( ) ( ) − − − − − == − − + + + 1 1 1 1 1-iii1i x,xf-x,xf ii ii ii ii xx xfxf xx xfxf para 1-k,1,i L= A equação correspondente a 1i = possui 3 incógnitas: 210 b ,b ,b , mas na equação de 2 i = , aparecem 321 b e b ,b , i.e., uma única incógnita adicional. Generalizando, a adição da j-ésima equação, p/ 1k2,..., j += , faz surgir apenas uma incógnita a mais. Portanto, existem ( )[ ] 1k 312-1-k +=++ incógnitas. Como o sistema acima define apenas ( ) 1-k equações, as duas incógnitas restantes podem ser obtidas a partir da condição de spline natural: ( ) 0b 0xS 00i =⇒=′′ e ( ) 0b 0 xx xx b xx xx b 0xS k 1kk 1kk k k1k kk 1-kkk =⇒=− − + − − ⇒=′′ − − − Ex.1: Representar por splines cúbicas: i 0 1 2 3 xi 0 3π 32π π yi 0 23 23 0 Nesse caso 3 k = splines. Portanto, a equação (**) deve ser escrita por 1 i = e 2 i = : ( ) ( ) ( ) [ ] [ ]{ } x,xfx,xf6bxxbxx2bxx 0112212102001 −=−+−+− ( ) ( ) ( ) [ ] [ ]{ } x,xfx,xf6bxxbxx2bxx 1223323213112 −=−+−+− Splines naturais = = ⇒ 0 b 0 b . 3 0 −=+ π ππ 2 3306b 3 b 3 4 21 − − =+ 0 2 336b 3 4b 3 21 π ππ Usando um método qualquer para resolução de sistemas de equações lineares, obtem-se: 9477,0 5 327 221 −= − == π bb Após determinados b1 e b2, definem-se as splines: ( ) ( ) ( ) ( ) 3 0 :Para ; 66 s 0111 01 3 01 10 3 10 1 πxxxdxxc xx xxb xx xxb ≤≤−+−− − − + − − = ( ) ( ) 6 c 010 01 0 1 xx b xx xf −− − = ; ( ) ( ) 6 d 011 01 1 1 xx b xx xf −− − = ( ) ( ) ( ) ( ) 3 2 3 :Para ; 66 s 1222 12 3 12 21 3 21 2 πxπxxdxxc xx xxb xx xxb ≤≤−+−− − − + − − = ( ) ( ) 6 c 121 12 1 2 xx b xx xf −− − = ; ( ) ( ) 6 d 122 12 2 2 xx b xx xf −− − = ( ) ( ) ( ) ( ) πxπxxdxxc xx xxb xx xxb ≤≤−+−− − − + − − = 3 2 :Para ; 66 s 2333 23 3 23 32 3 32 3 ( ) ( ) 6 c 232 23 2 3 xx b xx xf −− − = ; ( ) ( ) 6 d 233 23 3 3 xx b xx xf −− − = Efetuando-se os cálculos, obtém-se: πxπxxx, πxπxxx, πx,x,x,x, ≤≤−+−= ≤≤−+−= ≤≤+++−= 3 2 :Para ; 5588,14734,34215,115080s 3 2 3 :Para ; 1732,04886,14738,100000s 3 0 :Para ; 00000992400000015080s 23 3 23 2 23 1
Compartilhar