Post

Interpolação Polinomial

Método da interpolação polinomial

A interpolação polinomial visa permitir interpolar dados próximos a valores tabelados, modelando um conjunto de pontos em uma função, cujo grau varia de acordo com a quantidade de pontos considerados para o método.

Método de Lagrange

O método de Lagrange aparece como a soma de funções polinomiais calculadas para cada ponto experimental. Na forma de:

\[P(x)=f(x)\_0\cdot{}L(x)\_0+f(x)\_1\cdot{}L(x)\_1+...+f(x)\_n\cdot{}L(x)\_n\] \[L\_{i}(x)=\frac{(x-x_0)(x-x_1)...(x-x_n)}{(x_i-x_0)(x_i-x_1)...(x_i-x_n)}\]

Exemplo

Dado o conjunto de pontos:

xf(x)
-14
01
2-1

Pode-se utilizar o método de interpolação polinomial de Lagrange para determinar uma função que os aproxime razoavelmente bem:

  • \(P(x)=f(x)_0\cdot{}L(x)_0+f(x)_1\cdot{}L(x)_1f(x)_n\cdot{}L(x)_n\)
  • \(L_{i}(x)=\frac{(x-x_0)(x-x_1)...(x-x_n)}{(x_i-x_0)(x_i-x_1)...(x_i-x_n)}\)

Para, respectivamente, os pontos: 1, 2 e 3; temos as funções L:

  1. \(L_0=\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}=\frac{(x-0)(x-2)}{(-1-0)(-1-2)}=\frac{x^2-2x}{3}\)
  2. \(L_1=\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}=\frac{(x+1)(x-2)}{(1)(-2)}=-\frac{x^2-x-2}{2}\)
  3. \(L_2=\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}=\frac{(x+1)(x)}{(2+1)(2)}=\frac{x^2+x}{6}\)

Plugando esses valores na função de P(x), temos:

\[P(x)=4\frac{x^2-2x}{3}+1\frac{x^2-x-2}{-2}-1\frac{x^2+x}{6}\]

Que, simplificando, aparece na forma:

\[P(x)=\frac{2}{3}x^2-\frac{7}{3}x+1\]

Método de Newton

A princípio, uma referência valiosa para o estudo desse método pode ser encontrada no vídeo incorporado a seguir:

Dito isso, o ponto principal desse método é permitir a interpolação através do cálculo de coeficientes através da variação entre os pontos experimentais.

Para isso, os pontos devem ser dispostos em um diagrama do tipo:

diagrama-NewtonMontagem do sistema para método de Newton

De forma que a variação entre os pontos deve ser calculada pela diferença. Feito isso, basta montar a equação seguindo a fórmula:

\[f(x)=a_0+a_1(x-x_0)+a_2(x-x_0)(x-x_1)\]

E obtêm-se o polinômio interpolador de Newton.

Erro associado

Pode-se calcular o erro máximo de uma função, por exemplo, no segundo grau, a partir da expressão:

\[Err(x)=\frac{(x-x_0)(x-x_1)(x-x_2)}{3!}\cdot{}\max{}f^{(3)}(\epsilon)\]

Tal que \(\max{}f^{(3)}\) é o valor máximo da terceira derivada – da função original – no ponto \(x\) onde deseja-se determinar o limite de erro máximo.

This post is licensed under CC BY 4.0 by the author.