Baixe o app para aproveitar ainda mais
Prévia do material em texto
Métodos Numéricos I Tema 4. Ajuste de Curvas. Interpolação Polinomial. Prof. Dany S. Dominguez dsdominguez@gmail.br Sala 1 – NBCGIB (73) 3680 5212 – ramal 30 ROTEIRO • Introdução • Polinômio de Taylor • Polinômios de Lagrange • Splines • Comentários finais Introdução • Ajuste de curvas • Dados com muito ruído: – mínimos quadrados • Dados precisos: – Interpolação polinomial – Encontrar uma função (ou várias funções) que satisfaçam cada um dos pontos Conjunto de Dados Discretos Função Analítica Introdução • Uma das classes de funções mais conhecidas e úteis entre as que mapeiam o conjunto dos números reais em si mesmos é a classe dos polinômios algébricos, • Os polinômios algébricos tem a forma: onde a ordem do polinômio n é uma constante não negativa e a0,...,an são constantes reais. • Os polinômios algébricos aproximam de maneira uniforme funções contínuas. 1 1 1 0( ) n n n n nP x a x a x a x a Introdução • Dada uma função f(x), definida e contínua em um intervalo limitado e fechado, existe um polinômio Pn(x) que é tão “próximo” da função quanto desejado, • Teorema de Weierstrass: Suponha que f(x) esteja definida e seja contínua no intervalo [a,b]. Para cada ε>0, existe um polinômio P(x) com a seguinte propriedade: ( ) ( ) , para todo em [ , ].f x P x x a b Introdução • Teorema de Weierstrass . . . • Entre os motivos para utilizar polinômios na aproximação de funções (contínuas e discretas) ‒ as derivadas e integrais são de fácil determinação, ‒ e também são polinômios x y ( )y f x ( )y P x ( )y f x ( )y f x ROTEIRO • Introdução • Polinômio de Taylor • Polinômios de Lagrange • Splines • Comentários finais Polinômio de Taylor • O polinômio de Taylor de grau n no ponto x0 é definido como: ‒ Um polinômio P é idêntico com uma função f no número x0 quando P(x0)=f(x0), ‒ O polinômio P tem a mesma “direção” que a função f no ponto (x0,y0) se P’(x0)=f’(x0), ‒ O polinômio de Taylor de n-ésimo grau tem n derivadas que concordam com a função f em x0. 0 0 0 2 0 0 0 0 ( ) 2! ! n n n P x f x f x x x x x x x f x f x n Polinômio de Taylor • O erro da aproximação do polinômio de Taylor pode ser estimado pela expressão: • Na maioria dos casos obtemos uma cota superior para o erro aproximando f(n+1)(ζ) pelo máximo da derivada no intervalo 1 1 0( ) 1 ! n n n n f P x f x R x x x n 0 ,x x Polinômio de Taylor • Exemplo 1: a) Calcule o polinômio de Taylor do terceiro grau em torno de x0=0 para f(x)=(1+x) 1/2 b) Use o polinômio para obter f(0,1) calcule o erro relativo e encontre um limite para o erro envolvido, c) Use o polinômio para calcular a integral calcule o erro relativo da aproximação. 0,1 1 2 0 1 x dx Polinômio de Taylor • Exemplo 1 . . . (a) 2 3 0 0 3 0 0 0 0 0( ) 2 6 x x x x P x f x f x x x f x f x 1 2 1 2 3 2 5 2 1 1 1 2 1 1 4 3 1 8 f x x f x x f x x f x x 0 0 0 0 1 1 2 1 4 3 8 f x f x f x f x 2 3 3 ( ) 1 2 8 16 x x x P x Polinômio de Taylor • Exemplo 1 . . . (b) 31,1 (0,1) 1,0488125 1,1 1,0488088 P ( ) 3,70 6a ne P x f x E 4 4 3 0 7 24 3 3 4! 15 1 16 0;0,1 max max, 0,1 0,1 3,91 6 f R x x x f R R E Polinômio de Taylor • Exemplo 1 . . . (c) 0,10,1 1 2 3 2 00 2 1 1 0,102459822 3 x dx x 0,1 0,1 2 3 3 0 0 0,12 3 4 0 ( ) 1 2 8 16 0,102459896 4 24 64 x x x P x dx dx x x x x ( ) ( ) 0,7222 8 ( ) r f x P x e E f x Polinômio de Taylor • Exemplo 1 . . . 2 3 3( ) 1 2 8 16 x x x P x 1 2( ) 1f x x Polinômio de Taylor • Exemplo 2: Considerando o polinômio de Taylor P3(x) obtido em torno de x0=0 para f(x)=(1+x)1/2 calcule uma estimativa para f(2,5). Calcule o erro da estimativa. • O erro no cálculo da estimativa é muito grande. Por que? 2 3 3 (2,5) 1 2,445313 2 8 16 x x x P 1 2 2,5 1 1,870829f x 3 100% 30,71r P f e f Polinômio de Taylor • Exemplo 2 . . . 2 3 3( ) 1 2 8 16 x x x P x 1 2( ) 1f x x Polinômio de Taylor • Ao utilizarmos expansão polinomial é desejável uma aproximação relativamente precisa ao longo de um intervalo, • Os polinômios de Taylor geralmente NÃO conseguem isso, • O uso dos polinômios de Taylor esta limitados aos valores de x próximos de x0, • Outra das desvantagens de utilizar os polinômios de Taylor é a necessidade de conhecer as derivadas de f no ponto x0, Polinômio de Taylor • Qual o motivo do fracasso da aproximação com polinômios de Taylor? ‒ Constrói a aproximação apenas com informações de um único ponto x0 • Aproximações precisas em intervalos largos devem utilizar informações de um conjunto de pontos • A aproximação de Taylor é útil: ‒ Intervalos pequenos na vizinhança de um ponto ‒ Aproximação de funções “complexas” ROTEIRO • Introdução • Polinômio de Taylor • Polinômios de Lagrange • Splines • Comentários finais Polinômio de Lagrange • Definimos o problema de interpolação polinomial na forma − Seja uma função f(x), conhecida por n+1 pontos isolados (xi, yi) i = 0:n − Determinar o valor para f(x) para qualquer valor de x no intervalo [x0, xn] − Devemos encontrar o polinômio interpolador que satisfaz todos os pontos (xi, yi). 1 1 1 0( ) n n n n nP x a x a x a x a Polinômio de Lagrange • Considere o problema de interpolação polinomial para dois pontos (x0, y0) e (x1, y1), 1 1 0( )P x a x a x y ( )f x 0x 1x 0 0( )y f x 1 1( )y f x ( )P x ( ) ?f x Polinômio de Lagrange • Definimos o polinômio interpolante como onde • Para o polinômio proposto: 1 0 0 1 1( ) ( ) ( )P x L x f x L x f x 01 0 1 0 1 1 0 ( ) e ( ) x xx x L x L x x x x x ‒ Quando x=x0, L0(x0)=1, L1(x0)=0, P1 (x0)=f(x0) ‒ Quando x=x1, L0(x1)=0, L1(x1)=1, P1 (x1)=f(x1) ‒ Então é o único polinômio de primeira ordem que passa pelos pontos (x0 ,y0) e (x1 ,y1). 0 0 1 1( ) ( ) ( )P x L x f x L x f x Polinômio de Lagrange • Generalizamos os conceitos de interpolação lineal • Para isso, consideremos um polinômio de grau n que passe por n+1 pontos 0 0 1 1, ( ) , , ( ) , , , ( )n nx f x x f x x f x x y ( )f x 0x 2x ( )P x 1x nx ,0 0 ,1 1 ,( ) ( ) ( ) ( )n n n n n nP x L x f x L x f x L x f x Polinômio de Lagrange • Precisamos construir para cada ponto k=0, 1, ... ,n uma função Ln,k(x) que cumpra as seguintes propriedades: • Para satisfazer a propriedade 1 o numerador de Ln,k(x) deve ter a forma • Para satisfazer a propriedade 2 o denominador deve ser igual ao numerador para x=xk isto é , , 1. ( ) 0 para 2. ( ) 1 n k i n k k L x i k L x 0 1 1 1k k nx x x x x x x x x x 0 1 1 1k k k k k k k nx x x x x x x x x x Polinômio de Lagrange • Finalmente a função Ln,k(x) é escrita na forma • Uma vez conhecidos as funções o polinômio interpolador pode ser construído facilmente • O polinômio é chamado Polinômio de Lagrange de n-ésimo Grau e é definido pelo seguinte teorema 0 1 1 1 , 0 1 1 1 ( ) k k nn k k k k k k k k n x x x x x x x x x x L x x x x x x x x x x x 0 1 1 1 , 0 1 1 1 0 ( ) , 0 : . k k n n k k k k k k k k n n i i k i i k x x x x x x x x x x L x x x x x x x x x x x x x k n x x Polinômio de Lagrange • Teorema: Se x0, x1, ... ,xn são (n+1) números distintos e f é uma função cujos valores são dados nesses números, então existe um único polinômio P(x) de grau máximo n com a propriedade: Este polinômio é dado por onde para 0 :k kf x P x k n ,0 0 , , 0 ( ) ( ) ( ) ( ) ( ) ( ) ( ) n n n n n n n k k k P x L x f x L x f x L x f x Polinômio de Lagrange • Exemplo 3: Mostre que dado 3 pontos de dados o polinômio interpolador de Lagrange de segundo grau é único. Usando os valores x0=2, x1=2.5 e x3=4 achar o polinômio interpolante de segundo grau para f(x)=1/x. Utilize o polinômio interpolante para estimar f(2.2) e f(3.5), calcule os erros relativos e comente os resultados. Polinômio de Lagrange • Exemplo 3 . . . 2 2,0 0 2,1 1 2,2 2 ( ) ( ) ( ) ( ) ( ) ( ) ( ) P x L x f x L x f x L x f x , 0 ( ) ( ) ( ) n n n k k k P x L x f x , 0 ( ) n i n k i k i i k x x L x x x 1 3 2n n 1 2 2,0 0 1 0 2 0 2 2,1 1 0 1 2 0 1 2,2 2 0 2 1 ( ) ( ) ( ) x x x x L x x x x x x x x x L x x x x x x x x x L x x x x x Polinômio de Lagrange • Exemplo 3 . . . • O polinômio P2 é único. x0 x1 x2 L0(x) 1 0 0 L1(x) 0 1 0 L2(x) 0 0 1 2 2,0 0 2,1 1 2,2 2( ) ( ) ( ) ( ) ( ) ( ) ( )P x L x f x L x f x L x f x 2 0 0 2 1 1 2 2 2 ( ) ( ) ( ) ( ) ( ) ( ) P x f x P x f x P x f x Polinômio de Lagrange • Exemplo 3 . . . 2 2,0 0 2,1 1 2,2 2( ) ( ) ( ) ( ) ( ) ( ) ( )P x L x f x L x f x L x f x 0 0 2 0,5 x f x 1 1 2,5 0,4 x f x 2 2 4 0,25 x f x 1f x x 1 2 2 2,0 0 1 0 2 0 2 2 2,1 1 0 1 2 0 1 2 2,2 2 0 2 1 ( ) 6,5 10 4 ( ) 6 8 3 1 ( ) 4,5 5 3 x x x x L x x x x x x x x x x x L x x x x x x x x x x x L x x x x x x x Polinômio de Lagrange • Exemplo 3 . . . − Calculo do erro x=2,2 e x=3,5 − Porque o erro para o ponto x=2,2 é inferior ao erro para o ponto x=3,5? 2 2 17 23 ( ) 20 40 20 x x P x P(x) f(x) er x=2,2 0,457000 0,454545 5,40E-3 x=3,5 0,275000 0,285714 3,75E-2 Polinômio de Lagrange • Exemplo 3 . . . 2 2 17 23 ( ) 20 40 20 x x P x ( ) 1f x x Polinômio de Lagrange • Ao calcularmos estimativas utilizando em MN é desejável alternativas para avaliar o erro envolvido, • Útil quando o valor exato é desconhecido • Podemos calcular uma cota máxima para o erro de interpolação do polinômio de Lagrange • Teorema: Suponha que x0, x1, ... ,xn sejam números distintos no intervalo [a,b] e que f Cn+1[a,b]. Sendo ξ o máximo de f(n+1) em [a,b] se cumpre: onde P(x) é o polinômio interpolador de Lagrange. ( 1) 0( ) ( ) ( ) 1 ! n n f R x f x P x x x x x n Polinômio de Lagrange • Exemplo 4: Calcule uma cota máxima do erro do polinômio de Lagrange que foi construído no Exemplo 3. Utilize os pontos calculados (x=2,2 e x=3,5) para verificar a expressão. 0 1 2( ) 3! f R x x x x x x x 2 1 ( ) 1 ( ) f x x f x x 3 4 2 ( ) 6 ( ) f x x f x x (2) 0,3750 (4) 0,2344 ( ) monotona ( ) (2) 0,3750 f f f x f f Polinômio de Lagrange • Exemplo 4 . . . 0 1 2( ) 3! f R x x x x x x x 0,3750 ( ) 2 2,5 4 6 R x x x x 3 2( ) 0,0625 8,5 23 20R x x x x (2,2) 6,75E-3 > 5,40E-3 (3,5) 4,69E-2 > 3,75E-2 R R Algoritmo do Polinômio de Lagrange ENTRADA: Pontos: (x0,f(x0)), (x1,f(x1)), ... , (xn,f(xn)) Ordem do polinômio n, Valor de x* SAÍDA: Polinômio de Lagrange Avaliado em x* , 0 ( *) ( *) ( ) n n k k k P x L x f x , 0 * ( *) n i n k i k i i k x x L x x x Algoritmo do Polinômio de Lagrange PASSO 1:Faça sum = 0, k=0 PASSO 2:Enquanto k<=n siga os passos 3-7 PASSO 3:Faça prod = 1, i = 0 PASSO 4:Enquanto i<k prod = prod * (x-xi)/(xk-xi) , i = i+1 PASSO 5:Faça i=k+1 PASSO 6:Enquanto i<=n prod = prod * (x-xi)/(xk-xi) , i = i+1 PASSO 7:Faça sum = sum + prod*f(xk) PASSO 8:Saída (sum), FIM Polinômio de Lagrange • Custo computacional ‒ Cálculo do Ln,k ‒ n termos no produtório ‒ Para um termo ‒ 2 subtrações ‒ 1 divisão ‒ 1 produto ‒ Total: 4n operações ‒ São calculados (n+1) termos Ln,k ‒ 4n(n+1) operações Polinômio de Lagrange • Custo computacional . . . ‒ Cálculo do somatório Pn(x) ‒ Para cada um dos n+1 termos ‒ 2 subtrações ‒ 1 soma ‒ 1 produto ‒ Total: 2(n+1) operações ‒ Operações do algoritmo ‒ Custo quadrático O(n2) 4 1 2 1n n n 24 6 2LAGNOP n n Polinômio de Lagrange • O algoritmo avalia o polinômio em um ponto x • Para avaliar em outro ponto os coeficientes Ln,k devem ser recalculados • Muito eficiente para interpolar em um ponto (valores intermediários não precisam ser armazenados) • Muito ineficiente para várias interpolações • Quando um novo ponto é adicionado (xi, fi) todos os cálculos devem ser repetidos Polinômio de Lagrange • A formulação dos polinômios de Lagrange pode ser modificada para uma formulação recursiva • Esta modificação se conhece como interpolação de Neville • A formulação de Neville permite obter um algoritmo mais eficiente • Caso vc for a utilizar interpolação de Lagrange e o desempenho for um fator crítico implemente a formula iterativa de Neville ROTEIRO • Introdução • Polinômio de Taylor • Polinômios de Lagrange • Splines • Comentários finais Interpolação por Spline Cúbico • A interpolação polinomial: ‒ Aproxima funções (ou dados) arbitrários em intervalos fechados ‒ O polinômio satisfaz todos os pontos do intervalo ‒ Para satisfazer (n+1) pontos o polinômio tem grau n ‒ Aparecem polinômios de alta ordem com natureza oscilatória ‒ Eventualmente, o polinômio não reproduz o comportamento dos dados Interpolação por Spline Cúbico • Como construir um polinômio interpolador para muitos pontos sem fortes oscilações? ‒ Dividir o intervalo em subintervalos ‒ Construir um polinômio interpolador para cada subintervalo‒ Exigir condições de continuidade e diferenciabilidade ‒ Interpolação polinomial por partes Interpolação por Spline Cúbico • A interpolação por partes mais simples = interpolação linear por partes ‒ Os pontos (x0, f0), (x1, f1), ... (xn, fn), são unidos por segmentos de reta ‒ A função interpoladora não é diferenciável em todo o intervalo, não reproduz curvaturas Interpolação por Spline Cúbico • A interpolação por splines cúbicos é a interpolação por partes mais utilizada ‒ Utiliza um polinômio cúbico entre cada par de pontos sucessivos ‒ Função interpoladora contínua e diferenciável em [x0 , xn] ‒ A segunda derivada da função é contínua Interpolação por Spline Cúbico • Definição: Dada a função f definida em [a, b] e um conjunto de pontos a = x0, x1, ..., xn = b um spline cúbico interpolador S é uma função que satisfaz as seguintes condições a) S(x) é um polinômio cúbico, Sj(x) no subintervalo [xj, xj+1] para j = 0:n b) Sj(xj) = f(xj) e Sj+1(xj+1) = f(xj+1) para j = 0:n-1 c) Sj+1(xj+1) = Sj(xj+1) para j = 0:n-2 2 3( ) ( ) ( )j j j j j j j jS x a b x x c x x d x x Interpolação por Spline Cúbico • Definição ... d) S’j+1(xj+1) = S’j(xj+1) para j = 0:n-2 e) S’’j+1(xj+1) = S’’j(xj+1) para j = 0:n-2 f) Condições de contorno 1. S’’(x0) = S’’(xn)= 0 (contorno livre ou natural) 2. S’(x0) = f’(x0) e S’(xn)= f’(xn) (contorno fixado) • Qual condição de contorno oferece uma melhor aproximação? Interpolação por Spline Cúbico • Condições de contorno – Spline natural − Aproximação menos precisa − Não são necessárias informações sobre a derivada da função nos extremos • Condições de contorno – Spline fixado − Aproximação mais precisa − Inclui maiores informações sobre o problema − Precisa da derivada da função nos extremos Interpolação por Spline Cúbico • Para calcularmos as constantes aj, bj, cj, e dj de cada Spline Sj(x) devemos aplicar as condições (a-f) da definição em • Aplicando a condição (b) Sj(xj) = f(xj) • Aplicando a condição (c) Sj+1(xj+1) = Sj(xj+1) 2 3( ) ( ) ( )j j j j j j j jS x a b x x c x x d x x j j j jS x a f x 2 3 1 1 1 1j j j j j j j j j j ja a b x x c x x d x x Interpolação por Spline Cúbico • Para simplificar a notação, definimos hj = xj+1-xj • Calculamos a derivada do splibe cúbico Sj(x) • Avaliando a derivada em xj • Aplicando a condição (d) S’j+1(xj+1) = S’j(xj+1) 22 ( ) 3 ( )j j j j j jS x b c x x d x x 2 3 1 para 0 : -1 (1)j j j j j j j ja a b h c h d h j n j j jS x b 2 1 2 para 0 : -1 (2)j j j j j jb b c h d h j n Interpolação por Spline Cúbico • Calculamos a segunda derivada do splibe Sj(x) • Avaliando a segunda derivada em xj • Aplicando a condição (e) S’’j+1(xj+1) = S’’j(xj+1) • Isolando dj na equação anterior 2 6 ( )j j j jS x c d x x 2j j jS x c 1 3 para 0 : -1j j j jc c d h j n 1 1 (3) 3 j j j j d c c h Interpolação por Spline Cúbico • Substituindo eq. (3) na eq. (1) • Substituindo eq. (3) na eq. (2) • Isolamos bj na eq. (4) • Reduzindo índice j→ j-1 na equação anterior 2 1 12 (4) 3 j j j j j j j h a a b h c c 1 1 (5)j j j j jb b h c c 1 1 1 2 (6) 3 j j j j j j j h b a a c c h 11 1 1 1 1 2 (7) 3 j j j j j j j h b a a c c h Interpolação por Spline Cúbico • Reduzindo índice j→ j-1 na eq. (5) • Substituindo as eqs. (6 e 7) na eq. (8) • A eq. (9) pode ser escrita para cada um dos pontos internos x1, x2, ..., xn-1 • Precisamos incluir os extremos usando as condições de contorno 1 1 1 (8)j j j j jb b h c c 1 1 1 1 1 1 1 1 3 3 2 (9)j j j j j j j j j j j j j h c h h c h c a a a a h h Interpolação por Spline Cúbico • Condição de contorno, natural S’’(x0) = S’’(xn)= 0 • Considerando que e a condição (e) da definição obtemos • As condições de contorno eqs. (10) em conjunto com as eqs. (9) formam um sistema de ordem (n+1) que pode ser utilizado para calcular cj, j=0:n na forma 2j j jS x c 0 0 0 10, 0, (10)n n nc S x c S x Ax b Interpolação por Spline Cúbico • SELA Interpolação por Spline Cúbico • Exemplo 5: Utilize splines cúbicos naturais Sj(x) para aproximar a função f(x) = ex considerando os pontos x0=0, x1=1, x2=2 e x3=3. Utilize a função interpolante para calcular a integral de f(x) no intervalo [0, 3], calcule o erro da estimativa. Interpolação por Spline Cúbico • Exemplo 5 . . . 3, 0 : 3n i i 0 1 2 3 xi 0,0 1,0 2,0 3,0 fi 1 e e 2 e3 2 3 0 0 0 0 0 0 0 0 1 2 3 1 1 1 1 1 1 1 1 1 2 2 3 2 2 2 2 2 2 2 2 2 3 ( ) ( ) ( ) , ( ) ( ) ( ) , ( ) ( ) ( ) , jS x a b x x c x x d x x x x x S x a b x x c x x d x x x x x S x a b x x c x x d x x x x x Interpolação por Spline Cúbico • Exemplo 5 . . . • Construímos o sistema • Usando a eq. (9) para x1 • Usando a eq. (9) para x2 • Considerando as condições de contorno para x0 e x3 , 0 : 2i ia f i Ax b 0 30, 0c c 0 0 1 0 1 2 2 2 1 1 0 1 0 3 3 2h c h h c h c a a a a h h 1 1 2 1 2 3 3 3 2 2 1 2 1 3 3 2h c h h c h c a a a a h h Interpolação por Spline Cúbico • Exemplo 5 . . . • Construímos o sistema • Usando a eq. (9) para x1 • Usando a eq. (9) para x2 • Considerando as condições de contorno para x0 e x3 , 0 : 2i ia f i Ax b 0 30, 0c c 0 0 1 0 1 2 2 2 1 1 0 1 0 3 3 2h c h h c h c a a a a h h 1 1 2 1 2 3 3 3 2 2 1 2 1 3 3 2h c h h c h c a a a a h h Interpolação por Spline Cúbico • Exemplo 5 . . . • Considerando • Resolvendo 0 1 2 1h h h 0 2 1 3 2 2 2 3 01 0 0 0 3 3 11 4 1 0 0 1 4 1 3 3 0 0 0 1 0 c e e ec c e e e e c 0 1 2 3 0,000 0,757 5,830 0,000 c c c c Interpolação por Spline Cúbico • Exemplo 5 . . . • Usando a eq. (6) • Usando a eq. (3) 0 1 2 1, 466 2,223 8,810 b b b 1 1 1 2 , 0 : 2 3 j j j j j j j h b a a c c j h 1 1 , 0 : 2 3 j j j j d c c j h 0 1 2 0,252 1,691 1,943 d d d Interpolação por Spline Cúbico • Exemplo 5 . . . • Resultados i 0 1 2 ai 1 e e 2 bi 1,466 2,223 8,810 ci 0,000 0,757 5,830 di 0,252 1,691 -1,943 3 0 2 3 1 2 3 2 1 1, 466 0,252 2,718 2,223( 1) 0,757( 1) 1,691( 1) 7,389 8,810( 2) 5,830( 2) 1,943( 2) S x x x S x x x x S x x x x Interpolação por Spline Cúbico • Exemplo 5 . . . ( ) xf x e Interpolação por Spline Cúbico • Exemplo 5 . . . ( ) xf x e 0S 1S 2S Interpolação por Spline Cúbico • Exemplo 5 . . . • Calculo da integral 3 3 0 0 19,086x xeI e dx e 1 2 3 0 1 2 0 1 2 ( ) ( ) ( )aI S x dx S x dx S x dx 1 1 1 2 3 2 3 4 ( )( ) ( ) ( ) ( ) ( ) ( ) ( ) 2 3 4 j j j j j j x x j j j j j j j j x x x j j j j j j j j x S x dx a b x x c x x d x x dx b c d a x x x x x x x x Interpolação por Spline Cúbico • Exemplo 5 . . . • Calculo da integral . . . 19,552aI 100% 2,4%e ar a I I e I • Como pode ser aprimorada a interpolação anterior? − Incluindo maiores informações sobre a função − Splines fixados − Aumentar o número de pontos Interpolação por Spline Cúbico • Entrada: n, (x0, f0), (x1, f1), . . . , (xn, fn) • Saída: aj, bj, cj, e dj para j=0:n-1 1. aj= f(xj)=fj 2. Calcular cj usando o sistema de equações 3. Calcular bj 4. Calcular dj 2 3( ) ( ) ( )j j j j j j j jS x a b x x c x x d x x 1 1 1 2 (6) 3 j j j j j j j h b a a c c h 1 1 (3) 3 j j j j d c c h Considerações Finais • Interpolação polinomial − Função que satisfaz os pontos (xi, fi) • Aproximação por polinômio de Taylor − Válido na vizinhança de um ponto − Insatisfatório para intervalos largos • Interpolação de Lagrange − Válido em intervalos largos − Alto custo computacional para diversos valores de x − Oscilatório com polinômios de alta ordem (muitos pontos) Considerações Finais • Alternativas − Fórmula iterativa de Neville − Polinômios de Newton − Interpolação polinomial por partes • Splines cúbicos − Cada subintervalo é aproximado por uma função cúbica − Funções pertencem a C2[x0, xn] − Naturais ou fixados
Compartilhar