Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
�PAGE � �PAGE �76� 08 INTERPOLAÇÃO 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 se verifica: a) quando são conhecidas 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 de serem realizadas. 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 Representaremos pn(x) por: 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: Com (n + 1) equações e (n + 1) variáveis: a0, a1, ..., an . A matriz A dos coeficientes é Desde que x0, x1, ..., xn sejam pontos distintos, o sistema linear admite solução única. Teorema: 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. FORMAS DE SE OBTER pn(x) Conforme acabamos de ver, o polinômio pn(x) que interpola f(x)em x0, x1, ..., xn é único. No entanto, existem várias formas para se obter tal polinômio. Uma das formas é a resolução do sistema linear obtido anteriormente. Veremos também as formas de Lagrange e de Newton. Resolução do Sistema Linear EXEMPLO: Encontrar o polinômio de grau ( 2 que interpola os pontos da tabela: x –1 0 2 f(x) 4 1 –1 Temos que Resolvendo o sistema linear obtemos a0 = 1, a1 = –7/3, a2 = 2/3 Assim, é o polinômio que interpola f(x) em x0 = –1, x1 = 0 e x2 = 2. Forma de Lagrange 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, x1, ..., xn. Podemos representar pn(x) na forma , onde os polinômios Lk(x) são de grau n. Para cada i, queremos que a condição pn(xi) = yi seja satisfeita, ou seja: A forma mais simples de se satisfazer esta condição é impor: e, para isso, definimos Lk(x) por 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: (x – xi); i = 0, ..., n, i ( k então Lk(x) é um polinômio de grau n e, assim, pn(x) é um polinômio de grau menor ou igual a n. Para x = xi, i = 0, ..., n temos: Então, o forma de Lagrange para o polinômio interpolador é: onde EXEMPLO: Fazer a interpolação em dois pontos distintos: (x0, f(x0)) e (x1, f(x1)). Usando a forma de Lagrange (n = 1), teremos: , onde , Assim, , ou seja, EXEMPLO: Seja a tabela: x –1 0 2 f(x) 4 1 –1 Pela forma de Lagrange, temos que: , onde Assim, na forma de Lagrange, ou Forma de Newton Seja f(x) uma função tabelada em (n + 1) pontos distintos x0, x1, ..., xn. Definimos o operador diferenças divididas por: (Ordem Zero) (Ordem 1) (Ordem 2) (Ordem 3) (Ordem n) 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 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] EXEMPLO: 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 –1/2 –1 1/6 1 0 0 –1/24 –1 0 2 –1 0 –1 3 –2 Onde: As 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, Para k = 2 teremos Forma de Newton para o Polinômio Interpolador Seja f(x) contínua no 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. 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 Note que 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 Assim, e VERIFICAÇÃO: p1(x) interpola f(x) em x0 e x1? Seja agora construir p2(x), o polinômio de grau ( 2 que interpola f(x) em x0, x1 e x2. Temos que Então, e Aplicando sucessivamente o mesmo raciocínio para x0, x1, x2, x3; x0, x1, x2, x3, x4; x0, x1, x2, ..., xn; teremos a fórmula de Newton para o polinômio de grau ( n que interpola f(x) em x0, ..., xn: e o erro é dado por: De fato, pn(x) interpola f(x) em x0, x1, ..., xn, pois sendo , então, para todo nó xk, k = 0, ..., n, temos EXEMPLO: x –1 0 2 f(x) 4 1 –1 x Ordem 0 Ordem 1 Ordem 2 –1 4 –3 0 1 2/3 –1 2 –1 Escolha do grau do Polinõmio Interpolador Deve-se construir a tabela de diferenças divididas. Em seguida examinar as diferenças divididas da função nas vizinhanças do ponto de interesse. Se nesta vizinhança as diferenças divididas de ordem k são praticamente constantes (ou se as diferenças de ordem (k + 1) variam em torno de zero), podemos concluir que um polinômio interpolador de grau k será o que melhor aproximará a função na região considerada na tabela. EXEMPLO: Consideremos tabelada com quatro casas decimais. x 1 1,01 1,02 1,03 1,04 1,05 f(x) 1 1,005 1,01 1,0149 1,0198 1,0247 x Ordem 0 Ordem 1 Ordem 2 1 1 0,5 1,01 1,005 0 0,5 1,02 1,01 –0,5 0,49 1,03 1,0149 0 0,49 1,04 1,0198 0 0,49 1,05 1,0247 ( constantes Assim, no intervalo [1, 1.05] dizemos que um polinômio de grau 1 é uma boa aproximação para . _1136897589.unknown _1136898223.unknown _1136977083.unknown _1136978620.unknown _1136980132.unknown _1136980594.unknown _1136981366.unknown _1154325947.unknown _1154333170.unknown _1154333550.unknown _1154331531.unknown _1136981565.unknown _1136982452.unknown _1136982477.unknown _1136981757.unknown _1136981488.unknown _1136981078.unknown _1136981317.unknown _1136980920.unknown _1136980307.unknown _1136980481.unknown _1136980182.unknown _1136979454.unknown _1136979699.unknown _1136979799.unknown _1136979524.unknown _1136979048.unknown _1136979215.unknown _1136978896.unknown _1136977554.unknown _1136978396.unknown _1136978540.unknown _1136978236.unknown _1136977209.unknown _1136977491.unknown _1136977200.unknown _1136958332.unknown _1136959571.unknown _1136959609.unknown _1136977056.unknown _1136976992.unknown _1136959599.unknown _1136959607.unknown _1136958442.unknown _1136958234.unknown _1136958266.unknown _1136958130.unknown _1136958225.unknown _1136898414.unknown _1136897928.unknown _1136898072.unknown _1136898132.unknown _1136897980.unknown _1136897682.unknown _1136897818.unknown _1136897671.unknown _1136894285.unknown _1136896274.unknown _1136896424.unknown _1136897520.unknown _1136896385.unknown _1136894731.unknown _1136894884.unknown _1136894628.unknown _1136893702.unknown _1136893772.unknown _1136893888.unknown _1136893754.unknown _1136880630.unknown _1136893631.unknown _1136880623.unknown