0% acharam este documento útil (0 voto)

54 visualizações67 páginas

Interp

O documento aborda a interpolação polinomial, especificamente a técnica de Lagrange, e discute a análise de erro e splines. Ele apresenta o problema de encontrar uma função que passe por um conjunto de pontos conhecidos e fornece exemplos e exercícios práticos para determinar polinômios interpoladores. O material é licenciado sob a Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.

Enviado por

Abraão Lincon

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

0% acharam este documento útil (0 voto)

54 visualizações67 páginas

Interp

Enviado por

Abraão Lincon

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação

Ricardo Biloti
[email protected]

Cálculo Numérico – UNICAMP

1S/2025

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

É comum conhecermos alguns pontos de uma função, mas não a função em si. O problema
natural é então como aproximar a função a partir apenas destes pontos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Licença

Este trabalho é licenciado sob os termos da Licença Internacional

Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.

Para ver uma cópia desta licença, visite

http://creativecommons.org/licenses/by-nc-sa/4.0/.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Seus direitos e deveres são:

• Você é livre para copiar e redistribuir este material, em qualquer meio ou formato,
para adaptá-lo, transformá-lo ou utilizá-lo para construir seu próprio material.

• Você deve dar os créditos apropriados, fornecendo link para a licença e indicando se
alterações foram feitas. Você pode fazer isto de qualquer forma razoável, porém sem
tentar passar a ideia ou sugerir que o autor endosse suas alterações ou seu uso do
material.

• Você não pode utilizar este material para fins comerciais.

• Se você alterar, transformar ou construir seu próprio material com base neste
trabalho, você deverá distribuı́-lo sob a mesma licença usada no original.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Problema

Dado um conjunto de pontos,

encontrar uma função que passe por esses pontos

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Vamos considerar o problema de encontrar uma função contı́nua que passe por um conjunto
de pontos no plano, amostras de uma função desconhecida ou complexa o suficiente para
valer a pena aproximá-la por outra mais simples.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

x 0 π/4 π/3 π/2

√ √
2 3
sin(x ) 0 2 2 1

0.8

0.6

0.4

0.2

0 0.4 0.8 1.2 1.6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Como exemplo, vamos considerar a função seno. De fato, só conhecemos o valor desta
função em alguns ângulos notáveis, como o 0, π/4, π/3 e π/2 (e seus múltiplos). O
problema que se coloca então é, partindo dos valores de seno nestes ângulos, como aproximar
os valores da função para outros pontos não tabelados?

Podemos colocar nosso objetivo da seguinte maneira: desejo encontrar uma função contı́nua
que passe pelos pontos marcados no gráfico. Será que isto é suficientemente preciso?

De fato, apenas pedir uma função contı́nua ainda é muito vago (ou mal posto). Há infinitas
possı́veis soluções para o problema quando colocado assim. Além da curva em preto, a curva
vermelha é outra possibilidade.

É necessário ser mais preciso.

Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação polinomial

Dado um conjunto de pontos,

encontrar um polinômio que passe por esses pontos

p(x ) = a0 + a1 x + · · · + an x n

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Vamos especificar que tipo de curva contı́nua nos interessa. Aqui lidaremos com o problema de
interpolação polinomial apenas, ou seja, procuraremos um polinômio que passe pelos pontos
prescritos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Qual o polinômio p que passa pelos pontos abaixo?

xk −1 2 3
yk 6 3 10

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Antes de iniciarmos uma discussão teórica, vamos fazer um exercı́cio. Dados três pontos
tabelados, queremos determinar o polinômio que passa por esses três pontos.

A primeira pergunta a fazer é qual o grau mı́nimo do polinômio para termos a chance de
resolver o problema?

Depois de determinado o grau, devemos impor que o polinômio em cada um dos valores para
x assume o valor y correspondente, e com isto determinar os coeficientes do polinômio.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio: resolução

xk −1 2 3
yk 6 3 10

Se p(x ) = a + bx + cx 2 , então

p(−1) = a − b + c = 6
p(2) = a + 2b + 4c = 3
p(3) = a + 3b + 9c = 10

Resolvendo este sistema linear, descobrimos que

p(x ) = 1 − 3x + 2x 2

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Neste caso, basta um polinômio de grau dois (com três coeficientes a determinar). Como
temos três condições (ditas condições de interpolação), recairemos num sistema com três
incógnitas (os coeficientes do polinômio) e três equações (as condições de interpolação).
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio: resolução alternativa

xk −1 2 3
yk 6 3 10

Se p(x ) = α(x − 2) + β(x + 1) + γ(x + 1)(x − 2), então

p(−1) = −3α = 6 ⇒ α = −2
p(2) = 3β =3 ⇒ β=1
p(3) = α + 4β + 4γ = 10 ⇒ γ = 2
Assim, descobrimos que

p(x ) = −2(x − 2) + (x + 1) + 2(x + 1)(x − 2)

= 1 − 3x + 2x 2

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Ter escrito um polinômio de grau dois geral como a + bx + cx 2 foi uma escolha, porém outras
são possı́veis. Alterar a maneira como p é representado tem o impacto no sistema linear a
ser resolvido. Uma boa escolha tem o potencial de tornar o sistema linear bem mais fácil, ou
até mesmo trivial.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Aproxime f por um polinômio, sabendo que

▶ f (0) = a,
▶ f ′ (0) = b, e
▶ f (L) = c

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Neste problema conhecemos o valor de uma função em dois pontos e sua derivada em
um ponto e queremos novamente encontrar um polinômio que tenha estas mesmas três
caracterı́sticas. Este é um problema comum na área de otimização.

Neste exemplo, vale a pena chamar a atenção de que interpolação além de ser importante
por si só, também é um ingrediente de outros métodos numéricos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Encontre p tal que

x 1 2
p(x ) 1 −2
p ′ (x ) −1 −7

Para que haja solução única, qual deve ser o grau de p?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Como temos quatro informações, é fácil perceber que precisamos ajustar um polinômio de
grau 3 (com quatro coeficientes a determinar).
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio: resolução 1

Se
p(x ) = a0 + a1 x + a2 x 2 + a3 x 3
então

p(1) = a0 + a1 + a2 + a3 =1
p ′ (1) = a1 + a2 + a3 = −1
p(2) = a0 + 2a1 + 4a2 + 8a3 = −2
p ′ (2) = a1 + 4a2 + 12a3 = −7

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

A representação canônica para um polinomio geral de grau até 3 leva a um sistema linear
4 × 4 para ser resolvido.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio: resolução 2

p(x ) = b0 (x − 1)2 + b1 (x − 1)3 + b2 (x − 2)2 + b3 (x − 2)3

então

p(1) = b2 − b3 =1
′
p (1) = − 2b2 + 3b3 = −1
p(2) = b0 + b1 = −2
p ′ (2) = 2b0 + 3b1 = −7

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Se na resolução anterior, era necessário resolver um sistema linear 4 × 4, com essa escolha
para a representação do polinômio interpolador, ficamos com dois sistemas lineares 2 × 2 para
resolver.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio: resolução 3

p(x ) = [c0 + c1 (x − 1)] (x − 2)2 + [c2 + c3 (x − 2)] (x − 1)2

então

p(1) = c0 =1
′
p (1) = −2c0 + c1 = −1
p(2) = c2 = −2
p ′ (2) = 2c2 + c3 = −7

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Com essa última escolha, a expressão do polinômio interpolador foi ainda mais conveniente
e todos os coeficientes podem ser determinados rapidamente.

As três formas propostas são válidas e produzem o mesmo polinômio interpolador, apenas
escrito ou representado de forma distinta.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Encontre o polinômio interpolador de grau 3 que satisfaz as

condições

p(−1) = α0 , p(1) = α1 ,
p ′ (−1) = β0 , p ′ (1) = β1 .

Dica: represente p como combinação linear de

(x + 2)(x − 1)2 (x + 2)(x − 1)2 (x + 1)(x − 1)2 (x + 1)2 (x − 1)

, 1− , ,
4 4 4 4

Faça o gráfico destas funções. O que elas têm de especial?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Este exercı́cio é similar ao anterior, porém agora propomos uma forma bem mais elaborada
de representar o polinômio interpolador.

Siga o roteiro:
1. Represente p como

(x + 2)(x − 1)2 (x + 2)(x − 1)2

p(x ) = c0 + c1 1− +
4 4

(x + 1)(x − 1)2 (x + 1)2 (x − 1)

c2 + c3
4 4

2. Imponha as condições de interpolação e descubra os coeficientes c0 , c1 , c2 e c3 .

Como ficou o sistema linear a ser resolvidos?
3. Faça o gráfico das quatro funções utilizadas na representação de p e tente descobrir o
que elas tem de especial que facilitou o problema. Para isso, analise o comportamento
dessas funções nos pontos de interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Caracterı́sticas

▶ Pode ser resolvido sem qualquer técnica especial

▶ Polinômio interpolador de baixa ordem

▶ Dificuldade depende de como o problema é formulado

▶ Interpolação é ingrediente para outros métodos

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Com os exemplos e exercı́cios anteriores podemos destacar as principais caracterı́sticas do

problema de interpolação polinomial.

Em primeiro lugar, perceba que você não precisa saber qualquer técnica especial para resolver
o problema de interpolação. No máximo, o problema recairá na resolução de um sistema linear.

Em todos os exemplos procuramos polinômios interpoladores de baixa ordem. Em seus usos

mais comuns, são empregados polinômios de grau baixo (até grau quatro, usualmente).

Como já destacamos antes, interpolação é uma técnica importante também para a resolução
de subproblemas de outros métodos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Formulação

Dado Ω = {(xk , yk ) | xk−1 < xk }, k = 0, 1, . . . , n, queremos

encontrar um polinômio p, de grau no máximo n, definido em
[x0 , xn ] tal que

p(xk ) = yk , k = 0, 1, . . . , n.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Vimos exemplos com diferentes condições de interpolação: sobre o valor de função e sobre
o valor de derivada primeira. Outras condições poderiam ainda ser impostas, como por
exemplo, sobre derivadas de ordem superior, ou condições de suavidade.

Para a discussão analı́tica que se segue, concentraremo-nos em resolver o problema clássico

de interpolação polinomial, no qual um conjunto Ω de pontos no plano é conhecido, com a
propriedade de que não há dois pares amostrados com a mesma abscissa, e o objetivo será
encontrar um polinômio de grau mı́nimo que passe por sobre estes pontos.

Nestas condições, se n + 1 for a quantidade de pontos de interpolação, veremos que sempre

é possı́vel encontrar um polinômio interpolador de grau n. Demonstramos isto de forma
construtiva a seguir.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Formulação canônica

{1, x , x 2 , . . . , x n }

p(x ) = a0 + a1 x + · · · + an x n

x02
    
1 x0 ··· x0n a0 y0

 1 x1 ··· x12 x1n 
 a1   y1 
  
 .. .. .. ..   .. = . 
  . 
. . . .  .   . 
 

1 xn xn2 · · · xnn an yn

Matriz de Vandermonde

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Quando escrevemos o polinômio interpolador na forma canônica, o problema de interpolação

recai na resolução de um sistema linear, cuja matriz de coeficientes é conhecida como Matriz
de Vandermonde.

Saber se o problema de interpolação admite solução, passa a ser uma questão de analisar
se o sistema linear obtido admite solução. Da mesma forma, a unicidade pode ser estudada
através da unicidade de solução para o sistema linear.

Entretanto, vamos reformular o problema e abordar estas duas questões de uma forma mais
simples e construtiva.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Formulação alternativa

{ℓ0 (x ), ℓ1 (x ), ℓ2 (x ), . . . , ℓn (x )}

p(x ) = a0 ℓ0 (x ) + a1 ℓ1 (x ) + · · · + an ℓn (x )

    
ℓ0 (x0 ) ℓ1 (x0 ) ℓ2 (x0 ) · · · ℓn (x0 ) a0 y0

 ℓ0 (x1 ) ℓ1 (x1 ) ℓ2 (x1 ) · · · ℓn (x1 ) 
 a1  
  y1 

 .. .. .. ..  .. = .. 
. . . . . .
    
    
ℓ0 (xn ) ℓ1 (xn ) ℓ2 (xn ) · · · ℓn (xn ) an yn

Ainda temos que resolver um sistema linear...

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Ao invés de escrever o polinômio interpolador como combinação linear dos monômios 1, x ,

x 2 , . . ., x n , podemos escrever o polinômio como combinação linear de (n + 1) polinômios de
grau n, ℓ0 (x ), ℓ1 (x ), . . ., ℓn (x ).

A vantagem em fazer isso é que podemos escolher os polinômios ℓk (x ) de maneira que o

sistema linear fique simples de ser resolvido.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Poliômios de Lagrange

 
ℓ0 (x0 ) ℓ1 (x0 ) ℓ2 (x0 ) · · · ℓn (x0 )

 ℓ0 (x1 ) ℓ1 (x1 ) ℓ2 (x1 ) · · · ℓn (x1 ) 

L= .. .. .. .. 
. . . .
 
 
ℓ0 (xn ) ℓ1 (xn ) ℓ2 (xn ) · · · ℓn (xn )

Se (
1, i =j
ℓj (xi ) =
0, i ̸= j
então L = I e o sistema linear tem solução trivial.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Lagrange escolheu os polinômios ℓk de maneira que o sistema ficasse trivial, ou seja, de

maneira que a matriz do sistema linear fosse a identidade.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação na forma de Lagrange

ℓj são polinômios de grau n que satisfazem

ℓj (xj ) = 1 e ℓj (xi ) = 0, j ̸= i.

p(x ) = a0 ℓ0 (x ) + a1 ℓ1 (x ) + · · · + an ℓn (x )

p(xi ) = yi ⇒ ai = yi

p(x ) = y0 ℓ0 (x ) + y1 ℓ1 (x ) + · · · + yn ℓn (x )

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Em virtude das duas propriedades chave, o problema de interpolação quando formulado em

termos dos polinômios de Lagrange é facilmente resolvido.

Suponha que o polinômio interpolador é escrito como combinação linear dos polinômios de
Lagrange associados aos nós de interpolação.

Impondo a condição de interpolação p(x) = yi , temos que

p(xi ) = a0 ℓ0 (xi ) + a1 ℓ1 (xi ) + · · · + an ℓn (xi )

= a0 · 0 + a1 · 0 + · · · + ai · 1 + · + an · 0
= ai

Logo ai = yi . Desta forma, construı́mos o polinômio interpolador explicitamente e por

conseguinte, acabamos de mostrar a existência do polinômio interpolador.

A unicidade do polinômio interpolador de grau no máximo n pode ser demonstrada utilizando

o Teorema Fundamental da Álgebra, como se segue.

Suponha que dois polinômios p e q, ambos de grau no máximo n interpolem os mesmos

dados. Sendo assim, r (x ) = p(x ) − q(x ), define também um polinômio de grau no máximo
n, com pelo menos (n + 1) zeros, localizados nos nós de interpolação. Porém o Teorema
Fundamental da Álgebra afirma que o único polinômio de grau no máximo n com (n + 1)
zeros distintos é o polinômio identicamente nulo. Sendo assim p = q.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo: polinômios de grau 4

-1

x0 x1 x2 x3 x4

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

A figura exibe cinco polinômios de grau 4. Observe o que ocorre nos pontos x0 , x1 , x2 , x3 , x4 2.
Em cada um desses pontos, 4 dos 5 polinômios se anulam, enquanto que apenas um deles
vale exatamente 1. Esses polinômios são conhecidos como Polinômios de Lagrange.

Vamos nomear esses cinco polinômios por ℓ4j , onde j = 0, 1, 2, 3, 4, da seguinte forma: ℓ40 é o
polinômio de grau 4 que vale 1 em x0 , ℓ41 é o polinômio de grau 4 que vale 1 em x1 , ℓ42 é o
polinômio de grau 4 que vale 1 em x2 , e assim por diante.

O que aconteceria se representássemos um polinômio de grau 4 como combinação linear

desses cinco polinômios exibidos?
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômios de Lagrange

Dado (n + 1) pontos distintos x0 , x1 , . . . , xn ,

(x − x0 ) · · · (x − xj−1 )(x − xj+1 ) · · · (x − xn )

ℓj (x ) =
(xj − x0 ) · · · (xj − xj−1 )(xj − xj+1 ) · · · (xj − xn )
Y (x − xk )
ℓj (x ) =
k=0
(xj − xk )
k̸=j

Waring, 1779

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Associados a cada um dos pontos de interpolação distintos, podemos exibir explicitamente a

expressão dos polinômios de Lagrange.

O polinômio de grau n associado a xj será ℓj . Perceba que ℓj é formado pelo produto dos
monônios (x − xk ), para k = 0, 1, . . . , n, excluı́ndo-se k = j. Desta forma, vemos diretamente
que ℓj é de fato um polinômio de grau n.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Propriedade

(x − x0 ) · · · (x − xj−1 )(x − xj+1 ) · · · (x − xn )

ℓj (x ) =
(xj − x0 ) · · · (xj − xj−1 )(xj − xj+1 ) · · · (xj − xn )

ℓj (xj ) = 1 e ℓj (xi ) = 0, j ̸= i.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Perceba que o denominador de ℓj é exatamente seu numerador avaliado em xj . Sendo assim,

temos a primeira propriedade interessante dos polinômios de Lagrange: ℓj (xj ) = 1.

Outro fato digno de nota é que como ℓj é o produto de fatores (x − xk ) para k = 0, 1, . . . , n,

excluı́ndo-se k = j, ℓj (xi ) = 0, se j ̸= i.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

√
Considere f (x ) = x e p o polinômio interpolador em 1, 2 e 4

(x − 2)(x − 4) (x − 1)(x − 4) (x − 1)(x − 2)

p(x ) = f (1) + f (2) + f (4)
(1 − 2)(1 − 4) (2 − 1)(2 − 4) (4 − 1)(4 − 2)

(x − 2)(x − 4) √ (x − 1)(x − 4) (x − 1)(x − 2)

= − 2 +2
3 2 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Como temos três pontos de interpolação, estamos procurando por um polinômio interpolador
de grau 2.

Utilizando os polinômios de Lagrange, a solução do problema de interpolação é trivial.

Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

1.5
f(x)
p(x)
1

1 2 3 4

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

√
Observe o gráfico da função x (curva tracejada) e o gráfico do polinômio interpolador
(curva sólida). Observe que poderı́amos utilizar o polinômio interpolador como uma boa
aproximação para função.

Como, neste caso, estamos interpolando pontos de uma função conhecida, podemos √ nos
perguntar também qual o erro de interpolação, ou seja, se ao invés de computar x com-
putássemos p(x ), por quanto estarı́amos errando? Estudaremos esse problema a seguir.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Interpole os pontos (−3, −1), (3, −2) e (6, 10), construindo o

polinômio na forma de Lagrange.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Aproxime o valor de sin(1), utilizando um polinômio interpolador

de grau 2 e os valores tabelados abaixo. Calcule o erro cometido.

x 0 π/4 π/3 π/2

√ √
2 3
sin(x ) 0 2 2 1

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Repare que para uma interpolação quadrática, apenas três pontos são necessários. Logo, você
tem que decidir quais três pontos dentre os quatro pontos fornecidos utilizar.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Encontre o ponto de intersecção das duas funções tabeladas,

utilizando interpolação quadrática.

x 0.000 0.600 1.200 1.800 2.400 3.000

f (x ) 1.300 1.383 1.223 0.919 0.626 0.435

x 0.400 0.900 1.400 1.900 2.400 2.900

g(x ) 0.615 0.810 1.079 1.425 1.786 1.993

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Para resolver este exercı́cio, primeiro tente identificar aproximadamente onde deve estar
localizado o ponto de intersecção. Por exemplo, perceba que antes de 1.2, f (x ) aparenta
ser sempre maior que g(x ). Claro que isto não pode ser afirmado com certeza, uma vez que
temos apenas alguns pontos amostrados.

Para construir os polinômios interpoladores, selecione os pontos de interpolação mais próximos

da região onde você acredita que esteja o ponto de intersecção. Mais a frente, veremos que
esta estratégia ajuda a reduzir os erros de interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Dificuldades

▶ Cara de avaliar (O(n2 ))

▶ overflow / underflow

Na verdade, estes não são problemas da interpolação na

forma de Lagrange, mas sim do algoritmo ingênuo utilizado
para calcular a interpolação de Lagrange.
Salzer, 1972

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

No exercı́cio anterior, onde foi pedido para aproximar o valor de sin(1), percebe-se que a
avaliação do polinômio interpolador na forma de Lagrange, quando feita de forma displicente
ou ingênua, torna-se cara, do ponto de vista da quantidade de operações de ponto flutuante
realizadas.

Além disso, também é comum encontrar em livros-texto de Cálculo Numérico crı́ticas à

forma de Lagrange, imputando a ela possı́veis problemas de overflow e underflow.

Entretanto, quando implementada de maneira criteriosa, tais problemas são todos evitáveis.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação Baricêntrica de Lagrange

(x − x0 ) · · · (x − xj−1 )(x − xj+1 ) · · · (x − xn )

ℓj (x ) =
(xj − x0 ) · · · (xj − xj−1 )(xj − xj+1 ) · · · (xj − xn )
Se
1
ℓ(x ) = (x − x0 )(x − x1 ) · · · (x − xn ), wj = Q
k=0 (xj − xk )
k̸=j

então
wj
ℓj (x ) = ℓ(x )
x − xj

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

A interpolação Baricêntrica nada mais é que um algoritmo eficiente e computacionalmente

adequado para a interpolação de Lagrange.

O primeiro passo é perceber que os fatores constantes que aparecem em cada polinômio de
Lagrange podem ser todos pré-computados, de maneira a reduzir o custo computacional
durante a avaliação do polinômio interpolador.

Depois, note também que todos os polinômios de Lagrange diferente entre si apenas por um
único monômio, uma das parcelas do produto que os definem.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação Baricêntrica de Lagrange

p(x ) = y0 ℓ0 (x ) + y1 ℓ1 (x ) + · · · + yn ℓn (x )
w0 w1 wn
= y0 ℓ(x ) + y1 ℓ(x ) + · · · + yn ℓ(x )
x − x0 x − x1 x − xn

w0 w1 wn

p(x ) = ℓ(x ) y0 + y1 + · · · + yn
x − x0 x − x1 x − xn

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Utilizando os coeficientes wk e o polinômio ℓ de grau (n + 1), o polinômio interpolador pode

ser reescrito de forma muito compacta.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Caracterı́sticas

n
X wj 1
p(x ) = ℓ(x ) yj , wj = Qn
j=0
x − xj k=0 (xj − xk )
k̸=j

▶ wj não depende de y0 , y1 , . . . , yn

▶ Barata de calcular (O(n2 ))

▶ Barata de avaliar (O(n))

▶ Sem problemas de overflow ou underflow

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Quando o polinômio é reescrito na forma baricêntrica, todos os problemas alardados da

inerpolação de Lagrange são dirimidos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Qualidade da interpolação

Se interpolamos as amostras de uma função, quão boa será a

aproximação da função pelo polinômio?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Se estivermos interpolando uma tabela de ponto apenas, não faz sentido perguntar qual o
erro de interpolação, visto que o polinômio interpolador, por construção, honra exatamente
os pontos tabelados, e para outros pontos não há qualquer informação.

Porém, quando interpolamos amostras de uma função, podemos nos perguntar se o polinômio
interpolador é uma boa aproximação para a função, nos pontos que não foram usados na
interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

√
Exemplo: x

1.5
f(x)
p(x)
1

1 2 3 4

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

√
No exemplo anterior, quando interpolamos a função f (x ) = x vimos que de fato o polinômio
interpolador se aproxima muito bem da função, no intervalo de interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Hipóteses

▶ f tem (n + 1) derivadas contı́nuas

▶ p tem grau no máximo n
▶ p interpola f em {x0 , x1 , . . . , xn } ⊂ [a, b]

Erro de interpolação:

E (x ) ≡ f (x ) − p(x )

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Para investigar o erro de interpolação, vamos fazer algumas hipóteses sobre a função
interpolada.

A intenção é estimar E (x ), o erro num ponto x , que não tenha sido utilizado na interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Função auxiliar

Suponha que queremos analizar o erro em x ∈ (a, b), com x ̸= xk .

Considere a função

g(z) ≡ E (x )ω(z) − E (z)ω(x )

onde ω(z) ≡ (z − x0 )(z − x1 ) · · · (z − xn ).

▶ Quantas derivadas contı́nuas g possui?

▶ Quantos zeros a função g possui?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Toda função polinomial, como p e w , é infinitamente diferenciável. Como f tem (n + 1)

derivadas contı́nuas e E (x ) = f (x ) − p(x ), então E também terá (n + 1) derivadas contı́nuas.

Com isso temos que g tem (n + 1) derivadas contı́nuas.

Observe ainda que g(z) = 0 para z ∈ {x0 , x1 , . . . , xn , x }. Ou seja, g tem pelo menos (n + 2)
zeros distintos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Resultado de Cálculo

f ′ (c) = 0

f (a) = f (b)

a c b

Teorema de Rolle
Seja f diferenciável em [a, b]. Se f (a) = f (b), então existe
c ∈ (a, b) tal que f ′ (c) = 0.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Teorema do Valor Médio

Seja f diferenciável em [a, b]. Então, existe c ∈ (a, b) tal que

f (b) − f (a)
f ′ (c) = .
b−a

O Teorema de Rolle é um caso particular do Teorema do Valor Médio, quando f (a) = f (b).

Com o Teorema de Rolle podemos garantir a existência de pelo menos um zero da derivada
de uma função, se conhecermos dois pontos onde a função tem o mesmo valor.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

g e seus zeros
Por exemplo, para n = 3, os zeros de g são x0 , x1 , x2 , x3 e x .

g tem 5 zeros

g ′ tem 4 zeros

g ′′ tem 3 zeros
www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

g ′′ tem 3 zeros

g ′′′ tem 2 zeros

g (4) (ξ) = 0
ξ
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Análise de g

Existe ξ ∈ (a, b) tal que g (n+1) (ξ) = 0.

g (n+1) (z) = E (x )ω (n+1) (z) − E (n+1) (z)ω(x )

= E (x )(n + 1)! − f (n+1) (z)ω(x )

Para z = ξ,

E (x )(n + 1)! = f (n+1) (ξ)ω(x )

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Já sabemos que g tem pelo menos (n + 2) zeros. Pelo Teorema de Rolle, g ′ terá pelo menos
(n + 1) zeros. Novamente, pelo Teorema de Rolle, agora aplicado a g ′ , podemos assegurar
que g ′′ terá pelo menos n zeros.

Continuando com esse raciocı́nio, pode-se assegurar que g (n+1) terá pelo menos um zero,
digamos ξ.

Como ω(x ) = x n+1 + q(x ), onde q é um polinômio de grau no máximo n, temos que
ω (n+1) = (n + 1)!. Além disso, p (n+1) ≡ 0 pois p é polinômio de grau menor que (n + 1).
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Erro de interpolação

Teorema
Se f tem (n + 1) derivadas contı́nuas e o polinômio p, de grau no
máximo n, interpola f em {x0 , x1 , . . . , xn } ⊂ [a, b], então

f (n+1) (ξ)
f (x ) − p(x ) = ω(x ), x ̸= xk ,
(n + 1)!
onde ω(x ) = (x − x0 )(x − x1 ) · · · (x − xn ) e ξ ≡ ξ(x ) ∈ (a, b).

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Observe que a fórmula obtida para o erro de interpolação é exata, porém depende de um
valor ξ desconhecido. Além disso, ξ depende de x também.

Portanto, na prática, não temos como avaliar o erro de interpolação por esta fórmula. Pode-
mos porém utilizá-la como um majorante para o erro de interpolação.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

√
▶ f (x ) = x

▶ p polinômio interpolador em 1, 2 e 4
Qual o erro máximo?

f ′′′ (ξ) M3
Emax = max ω(x ) ≤ max |ω(x )|,
3! 6

com M3 = max1≤x ≤4 |f ′′′ (x )| e ω(x ) = (x − 1)(x − 2)(x − 4)

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Nesse caso, n = 2. Portanto

f ′′′ (ξ)
E (x ) = ω(x ).
3!
Logo
M3
Emax ≤ max |ω(x )|.
6
Precisamos estimar então M3 e max |ω(x )|.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

3 1 3
M3 = max √ = ,
8 x5 8
√ !
7+ 7
max |ω(x )| = ω = 2.1126
3
Portanto
3/8 · 2.1126
|E (x )| ≤ = 0.13204, para todo x ∈ [1, 4]
3!

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Com efeito, f ′′′ (x ) = 83 √1 5 . Como essa função é decrescente, seu máximo é assumido no
x
extremo esquerdo do intervalo, ou seja, para x = 1. Logo M3 = 3/8.

Para encontrar o máximo de |ω(x )|, impomos a condição de que ω ′ (x ) = 0. Dois pontos
satisfazem essa condição: √
7± 7
x1,2 = .
3
Ambos os pontos estão dentro do intervalo de interesse, mas |ω(x2 )| > |ω(x1 )|. Não é
necessário verificar se o máximo de |ω(x )| está nos extremos do intervalo pois, por construção,
a função ω se anula nos extremos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

√
Com que grau de precisão podemos aproximar 115 usando
interpolação quadrática sobre os pontos 100, 121 e 144?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Resolução:

Da fórmula de erro para interpolação temos que:

f ′′′ (ξ) M3
|E (115)| = ω(115) ≤ |ω(115)|,
3! 3!

3 −5/2 3
onde M3 = max |f ′′′ (x )| = x = 10−5 .
max
100≤x ≤144 100≤x ≤144 8 8
Como ω(x ) = (x − 100)(x − 121)(x − 144), temos que ω(115) = 2610. Logo

3/8 · 10−5 · 2610

|E (115)| ≤ = 1.631 · 10−3 .
6
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

x 1 2 3 4 5 6 7
f (x ) 0.91 1.43 1.58 1.55 1.44 1.30 1.18

▶ Obtenha uma aproximação para o valor máximo de f usando

interpolação quadrática.
▶ Usando interpolação aproxime a solução de f (x ) = 1.15.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Reduzindo o erro

0.4

0.3

0.2

0.1

0
0 1 2 3 4

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Suponha que uma função foi interpolada apenas em dois pontos. Obviamente, nem sempre
essa interpolação será precisa o suficiente. O que fazer então?
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Reduzindo o erro

0.4

0.3

0.2

0.1

0
0 1 2 3 4

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Podemos ver que a medida que mais pontos são utilizados para interpolar a função,
aparentemente, melhor o resultado fica. Observe por exemplo os polinômios p2 , p3 e p4 , que
interpolam a função em 3, 4 e 5 pontos igualmente espaçados, respectivamente.

Claramente p4 é o polinômio interpolador que mais se aproximou da função original.

Será que essa estratégia de acrescentar pontos à interpolação vai continuar produzindo
polinômios interpoladores de ordem mais alta que gradativamente se aproximarão da função
interpolada?
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Fenômeno de Runge

-4 -2 0 2 4

Pontos equidistantes
Numa malha de pontos regularmente espaçados, os polinômios
interpoladores em geral divergem, mesmo se f for analı́tica.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Apesar de contra-intuitivo, não há garantia de que o erro de interpolação reduzirá a

medida que mais pontos de interpolação são acrescentados. De fato, usualmente o erro
de interpolação aumenta a medida que o grau do polinômio interpolador, em pontos
regularmente espaçado.

Esse fenômeno é conhecido como Fenômeno de Runge.

Na figura podemos observar o polinômio interpolador de grau 6 (interpola a função em 7

pontos – quadrados) e o polinômio interpolador de grau 10 (interpola a função em 11 pontos
– circulos). Pela figura, fica claro que o erro máximo de interpolação observado no polinômio
de grau 10 é maior.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Fenômeno de Runge

-4 -2 0 2 4

Pontos adequados (Chebyshev)

Numa malha construı́da adequadamente, os polinômios
interpoladores convergem mesmo para funções Lipschitz contı́nuas.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Entretanto, é possı́vel garantir que o polinômio interpolador de fato convirja à função, a

medida que mais pontos são utilizados na interpolação, desde que os pontos de interpolação
sejam cuidadosamente escolhidos.

Na figura, para efeito de comparação, observamos a interpolação em 11 pontos igualmente

espaçados (com erro grande), e mais duas interpolações, com 11 pontos e com 15 pontos,
criteriosamente escolhidos. Na interpolação com 15 pontos já fica difı́cil distinguir visual-
mente a função original do polinômio interpolador.

Esses pontos mágicos, que garantem a convergência do polinômio interpolador, são os zeros
de polinômios especiais, os polinômios de Chebyshev.

Em resumo, se a interpolação fosse feitas nos pontos de Chebyshev seria possı́vel garantir
que o erro reduziria a medida que mais pontos fossem utilizados.

A dificuldade em escapar do Fenômeno de Runge é que na maioria em problemas práticos

não há como escolher quais são os pontos de interpolação. De fato, é muito comum que os
pontos disponı́veis para interpolação estejam igualmente distribuı́dos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômios de grau 1

0 2 4 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Neste exemplo, ao invés de tentar construir um único polinômio interpolador de grau 6, a

cada dois pontos foi construı́do um polinômio interpolador de grau 1. Desta forma, foram
utilizados todos os 7 pontos, porém o grau do polinômio interpolador permaneceu baixo,
evitando o Fenômeno de Runge.

A função de interpolação não é mais um polinômio mas sim uma função definida de forma
diferente em cada subintervalo. Em cada um dele a função é um polinômio de grau diferente.
Uma função definida desta forma é dita um polinômio de grau 1 por partes.

Como a condição de interpolação em cada ponto é satisfeita tanto para o segmento de reta
à esquerda e à direita de cada ponto, naturalmente a função total é contı́nua.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômios de grau 2

0 2 4 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Neste caso, os pontos foram tomados três a três, de maneira que foram construı́dos três
polinômios interpoladores, cada um de grau 2.

A função iterpoladora é um polinômio interpolador de grau 2 por partes. Novamente, apenas

pela natural imposição da condição de interpolação, a função interpoladora é contı́nua.

Entretanto, também pode-se observar que um polinômio interpolador por partes não será
diferenciável em cada ponto onde há a junção entre dois polinômios.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômios de grau 3

0 2 4 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Por fim, tomando pontos de quatro em quatro, foram construı́dos dois polinômios interpo-
ladores, cada um de grau 3.

Apesar de não ser visualmente evidente na figura, a função não é diferenciável em x = 3,

onde os dois polinômios de grau três são colados.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação por partes

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Na interpolação por partes o conjunto de pontos de interpolação deve ser fracionado em

porções menores. Dependendo do grau do polinômio interpolador de interesse.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação por partes

I0 I1 I2 I3

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Por exemplo, suponha que se deseje interpolar por polinômios de grau no máximo 2. Então
os pontos devem ser tomados três a três.

Sejam os pontos de interpolação originais (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ), ordenados de modo

que xk > xj se k > j. O intervalo de interpolação I = [x0 , xn ], pode então ser escrito como
I = I0 ∪ I1 ∪ · · · Im (como na figura).
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Interpolação por partes

I0 I1 I2 I3

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Desta forma precisamos resolver m problemas de interpolação, um para cada subintervalo.

Digamos que pj é o polinômio interpolador no intervalo Ij .
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômio interpolador por partes

A função interpoladora é definida como

s(x ) = pk (x ), se x ∈ Ik

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

O grau de cada polinômio interpolador depende de quantos pontos de interpolação há em

cada subintervalo Ik . Se todos os polinômios tiverem o mesmo grau, digamos q, diremos que
a função s é um polinômio por partes de grau q.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Erro de interpolação

O erro de interpolação é limitado pelo erro em cada subintervalo.

Para interpolação linear por partes (splines lineares)

M2 h2
|E (x )| ≤
8
onde h = max |xk − xk−1 |.

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

O erro máximo em cada subintervalo é dado por

1
max |E (x )| ≤ max |f ′′ (x )| max |(x − xk−1 )(x − xk )|
x ∈Ik 2 x ∈Ik x ∈Ik

Verifique que maxx ∈Ik |(x − xk−1 )(x − xk )| = 41 hk2 , onde hk = (xk − xk−1 ).

Como maxx ∈Ik |f ′′ (x )| < M2 , temos que

M2 h 2
Emax ≤ ,
8
onde h = max hk .

Desta forma, perceba que ao acrescentar mais ponto, mesmo que regularmente espaçados,
é possı́vel reduzir h e portanto reduzir o erro máximo, preservando o grau do polinômio
interpolador.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Splines lineares

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Temos a tendência a achar que o resultado da interpolação linear por partes é muito
grosseiro, mas na verdade o resultado anterior garante que ele pode ser tão bom quanto se
queira, desde que pontos suficientes sejam utilizados.

De fato, praticamente todos os gráficos de função exibidos no computador tem apenas a

impressão de serem curvos, mas são na verdade lineares por partes com uma quantidade
grande de pontos.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exemplo

Em quantos pontos regularmente amostrados em [0, 2] devemos

tabelar a função f (x ) = (2x + 1)/(x − 3) de maneira a garantir
um erro inferior a 10−4 com splines lineares?

14
M2 = max |f ′′ (x )| = max = 14
[0,2] [0,2] (x − 3)3
Logo,
14h2 7
|E (x )| ≤ = h2 ≤ 10−4
8 4
√
2 7 −2
Portanto h ≤ 7 10 , como h = 2/n, n ≥ 265

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Exercı́cio

Em quantos pontos é necessário tabelar a função cosseno

para que a sua aproximação por splines lineares tenha sempre
erro inferior à 10−4 ?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Em primeiro lugar, observe que para conhecer a função cosseno, basta conhece-la no
intervalo [0, π/2]. Para computar cosseno em qualquer outro intervalo basta utilizar relações
trigonométricas para retornar ao problema de computar cosseno neste intervalo.

Como E < 18 M2 h2 , e M2 = max |(cos x )′′ | = 1, temos que

h2 √
≤ 10−4 ⇒ h ≤ 2 · 10−2 2.
8
√
π/2 π 2 2
Como h = , então n ≥ 10 ≈ 55.5, ou seja são necessários pelo menos 57 pontos.
n 8
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Resumo

▶ É possı́vel construir uma função que interpole uma grande

quantidade de pontos, sem incorrer no Fenômeno de Runge,
desde que trabalhando por partes.

▶ Porém, a função interpolante não será diferenciável nos

pontos de contato entre intervalos adjacentes.

▶ E se realmente precisarmos de uma função interpolante

diferenciável?

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Splines cúbicos

Dado um conjunto de pontos x0 < x1 < · · · < xn , uma spline

cúbica é uma função s satisfazendo
▶ s ∈ C2

▶ s|[xk−1 ,xk ] ∈ P3 ([xk−1 , xk ])

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Splines cúbicos são polinômios de grau 3 por partes com a condição adicional de terem pelo
menos duas derivadas contı́nuas.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Spline cúbico interpolante

Dado um conjunto de pontos {(xk , yk ) | xk−1 < xk },

k = 0, 1, . . . , n, uma spline cúbica interpolante é uma função s
satisfazendo
▶ s ∈ C2

▶ s|[xk−1 ,xk ] ∈ P3 ([xk−1 , xk ])

▶ s(xk ) = yk , para k = 0, 1, . . . , n

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Na interpolação por splines cúbicos, um polinômio de grau 3 é utilizado a cada dois pontos,
e não a cada 4 pontos, como no caso da interpolação polinomial de grau três por partes.
Mas como apenas as duas condições de interpolação não são suficientes para determinar
os 4 coeficientes do polinômio cúbico, os dois graus de liberdade restantes são justamente
utilizados para impor a restrição de suavidade.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Spline cúbico

0 2 4 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Essa é a spline cúbica interpolante para os mesmos pontos dos exemplos anteriores.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Polinômios de grau 3

0 2 4 6

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação

Para efeito de comparação, esta é novamente a interpolação polinomial de grau 3 por partes.
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Spline – A régua

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Spline – A régua

www.ime.unicamp.br/˜biloti/an/interp.pdf Interpolação
Introdução Interpolação polinomial Lagrange Análise de erro Splines

Spline – Boeing