Mtodos Numricos

Interpolao Polinomial
Filomena Teodoro
Departamento de Matemtica
Escola Superior de Tecnologia de Setbal
Ano Lectivo 2003/2004
1 Introduo
Seja f(x) uma funo real de varivel real apenas conhecida em n+1 pontos
(x
i
, f(x
i
)) , i = 0, 1, . . . , n. O problema genrico da interpolao de consiste
em aproximar a funo f(x) atravs de uma outra funo
g(x) = a
0
b
0
(x) + + a
n
b
n
(x),
em que b
0
(x), b
1
(x), . . . , b
n
(x) so funes pr-denidas e a
0
, a
1
, . . . , a
n
so
constantes, de forma que g(x) e f(x) coincidam nos pontos (x
i
, f(x
i
)) , i =
0, 1, . . . , n.
Nada nos garante que este problema tenha soluo evidente. Por exemplo,
fazendo b
0
(x) = 1 e b
1
(x) = x
2
no existe nenhuma funo
g(x) = a
0
b
0
(x) + a
1
b
1
(x) = a
0
+ a
1
x
2
que passe em (1, 1) e (1, 0). Note-se que sendo b
0
(x) e b
1
(x) funes pares,
g(x) tambm uma funo par e g(1) = g(1).
A funo g(x) designa-se habitualmente por funo interpoladora de
f(x) e o conjunto de pontos {(x
i
, f(x
i
)) , 0 i n} designa-se suporte
de interpolao. As abcissas x
0
, x
1
, . . . , x
n
dizem-se os ns de interpo-
lao e as ordenadas y
0
= f(x
0
), y
1
= f(x
1
), . . . , y
n
= f(x
n
) so os valores
nodais. O tipo de interpolao depende da estrutura da famlia de funes
b
0
(x), b
1
(x), . . . , b
n
(x). Quando
g(x) = a
0
+ a
1
e
ix
+ a
2
e
2ix
+ + a
n
e
nix
,
a interpolao denomina-se trigonomtrica, se
g(x) = a
0
+ a
1
e
x
+ a
2
e
2x
+ + a
n
e
nx
a interpolao denomina-se de exponencial. Se g(x) for um polinmio, isto
, se
g(x) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
estaremos no caso da interpolao polinomial.
A necessidade de fazer interpolao surge, por exemplo, quando a funo
f(x) se encontra tabelada para um certo conjunto de valores x
0
, x
1
, . . . , x
n
,
x x
0
x
1
x
2
x
n
f (x) f (x
0
) f (x
1
) f (x
2
) f(x
n
)
,
e se pretende determinar um valor no tabelado f(x), com x = x
i
, i =
0, . . . , n. O erro na determinao do valor no tabelado atravs da funo
interpoladora deve-se ao facto de se estimar f(x) custa de g(x) (excepto no
caso da funo tabelada ser a funo interpoladora), aos erros de arredonda-
mento e propagao dos erros iniciais.
1
2 Denio de polinmio interpolador. Exis-
tncia e Unicidade. Polinmio interpolador
de Lagrange.
Passaremos a designar por p
n
(x) a funo interpoladora g(x), uma vez que
limitaremos o nosso estudo ao caso particular da interpolao polinomial. A
interpolao polinomial de grande interesse do ponto de terico e prtico
em reas como teoria da aproximao, equaes no lineares, integrao e
derivao numricas e soluo numrica de equaes diferenciais e integrais.
Dada uma funo f(x) conhecida emn+1 pontos (x
i
, f(x
i
)) , i = 0, 1, . . . , n,
o objectivo da interpolao polinomial consiste em determinar o polinmio
de grau n,
p
n
(x) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
,
que coincide com f(x) naqueles pontos, isto ,
p
n
(x
i
) = f (x
i
) = f
i
, i = 0, . . . , n.
Exemplo 1 Determine o polinmio interpolador que aproxima a funo f(x)
dada natabela seguinte
x 1 0 1
f (x) 2 3 2
.
Neste caso tem-se que o suporte de interpolao o conjunto {(1, 2), (0, 3),
(1, 2)}. Procuramos o polinmio p
2
(x) = a
0
+ a
1
x + a
2
x
2
que satisfaz as
igualdades p
2
(x
i
) = f(x
i
), i = 0, 1, 2. Ora,
_
_
_
p
2
(x
0
) = f(x
0
)
p
2
(x
1
) = f(x
1
)
p
2
(x
2
) = f(x
2
)

_
_
_
a
0
+ a
1
x
0
+ a
2
x
2
0
= f(x
0
)
a
0
+ a
1
x
1
+ a
2
x
2
1
= f(x
1
)
a
0
+ a
1
x
2
+ a
2
x
2
2
= f(x
2
)
,
ou seja,
_
_
_
a
0
a
1
+ a
2
= 2
a
0
= 3
a
0
+ a
1
+ a
2
= 2

_
_
_
a
2
= 1
a
0
= 3
a
1
= 0
.
Consequentemente, o polinmio interpolador p
2
(x) = 3 x
2
.
Quando se consideram apenas 2, 3 e 4 pontos a interpolao polinomial
denomina-se, respectivamente, interpolao linear, quadrtica (ou parablica)
e cbica.
O seguinte teorema mostra-nos que o polinmio interpolador existe e
nico. Alm disto, fornece uma forma explcita para o clculo de p
n
(x).
2
Teorema 1 Seja P
n
o conjunto dos polinmios de grau menor ou igual n.
Dada uma funo f(x) e n+1 pontos distintos (x
i
, f
i
) , i = 1, . . . , n, tem-se:
(i) Existe um e um s polinmio p
n
(x) P
n
, tal que
p
n
(x
i
) = f
i
, i = 0, 1, . . . , n.
(ii) p
n
(x) pode ser dado explicitamente por
p
n
(x) =
n

i=0
L
i
(x) f
i
(1)
em que
L
i
(x) =
n

j=0,j=i
(x x
j
)
(x
i
x
j
)
.
Quando escrito na forma (1), p
n
(x) denomina-se por polinmio interpo-
lador de Lagrange. As funes L
i
(x), i = 0, 1, . . . , n, designam-se por
polinmios de Lagrange.
Dem. (i)As condies
p
n
(x
i
) = a
0
+ a
1
x
i
+ a
2
x
2
i
+ + a
n
x
n
i
= f
i
, i = 1, . . . , n,
conduzem ao seguinte sistema de equaes linear nas incgnitas a
0
, a
1
, . . . , a
n
,
_

_
a
0
+ a
1
x
0
+ a
2
x
2
0
+ + a
n
x
n
0
= f
0
.
.
.
a
0
+ a
1
x
n
+ a
2
x
2
n
+ + a
n
x
n
n
= f
n
cuja forma matricial
V A = F
em que
V =
_

_
1 x
0
x
2
0
x
n
0
1 x
1
x
2
1
x
n
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n
x
2
n
x
n
n
_

_
, A =
_

_
a
0
a
1
.
.
.
a
n
_

_
e F =
_

_
f
0
f
1
.
.
.
f
n
_

_
.
A matriz de coecientes V designa-se por matriz de Vandermonde. O
sistema possvel e determinado (isto , admite uma e uma s soluo), se e
s se det V = 0.
3
Prova-se facilmente que se os ns de interpolao x
0
, x
1
, . . . , x
n
so dis-
tintos, ento det V = 0. Com efeito, para i = 1, 2, . . . , n 1, subtraindo
coluna i + 1 a coluna i multiplicada por x
0
, obtm-se
det V = D
n+1
=

1 x
0
x
2
0
x
n
0
1 x
1
x
2
1
x
n
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n
x
2
n
x
n
n

1 0 0 0
1 x
1
x
0
x
1
(x
1
x
0
) x
n1
1
(x
1
x
0
)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n
x
0
x
n
(x
n
x
0
) x
n1
n
(x
n
x
0
)

.
Pelo teorema de Laplace, desenvolvendo a primeira linha, vem
det V = D
n+1
= (1)
n+1

x
1
x
0
x
1
(x
1
x
0
) x
n1
1
(x
1
x
0
)
.
.
.
.
.
.
.
.
.
.
.
.
x
n
x
0
x
n
(x
n
x
0
) x
n1
n
(x
n
x
0
)

.
Cada elemento da linha i (i = 1, . . . , n) contm o factor (x
i
x
0
), pelo que
det V = D
n+1
= (x
1
x
0
) (x
2
x
0
) (x
n
x
0
) D
n
,
em que
D
n
=

1 x
1
x
2
1
x
n1
1
1 x
2
x
2
2
x
n1
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n
x
2
n
x
n1
n

o determinante de Vandermonde de ordem n. Repetindo o raciocnio o

nmero suciente de vezes obtm-se a relao geral
D
nk+1
=
_
n

j=k+1
(x
j
x
k
)
_
D
nk
, 0 k n 1.
Como os ns so distintos, x
j
= x
i
, (j = k) ento
(x
j
x
k
) = 0, 0 k n 1, k + 1 j n
com
D
1
= 1 = 0.
4
Assim, os determinantes de Vandermonde so no nulos. Logo, o sistema
V A = F admite soluo nica, o que equivale a dizer que o polinmio inter-
polador p
n
(x) existe e nico.
A unicidade pode ser vericada de uma maneira alternativa, signica-
tivamente menos trabalhosa. Basta supor que existe um outro polinmio
interpolador q
n
(x) P
n
, que verica
q
n
(x
i
) = p
n
(x
i
) = f
i
, 0 i n.
Ento, q
n
(x) p
n
(x) P
n
e anula-se nos n + 1 pontos x
i
. Pelo Teorema
Fundamental da lgebra, um polinmio de grau n no tem mais de n razes.
Como q
n
(x) p
n
(x) tem n + 1 razes, q
n
(x) p
n
(x) = 0, isto , q
n
(x) =
p
n
(x) .
(ii) Consideremos os n + 1 polinmios de Lagrange de grau n,
L
i
(x) =
n

j=0,j=i
(x x
j
)
(x
i
x
j
)
=
(x x
0
) (x x
i1
) (x x
i+1
) (x x
n
)
(x
i
x
0
) (x
i
x
i1
) (x
i
x
i+1
) (x
i
x
n
)
.
Ora,
L
i
(x) =
ij
=
_
1, j = i
0, j = i
pelo que
p
n
(x) =
n

i=0
L
i
(x) f
i
tal que
p
n
(x
i
) = f
i
, i = 0, 1, . . . , n.
Exemplo 2 Dada a tabela da funo f(x) =

x,
x 1 2 4
f (x) 1 1.41 2
,
obtenha o polinmio interpolador de Lagrange e o seu valor em x = 3.
Procuramos p
2
(x) = a
0
+ a
1
x + a
2
x
2
tal que
p
2
(x) =
2

i=0
L
i
(x) f
i
5
com os polinmios de Lagrange dados por
L
0
(x) =
(x x
1
) (x x
2
)
(x
0
x
1
) (x
0
x
2
)
=
(x 2) (x 4)
(1 2) (1 4)
=
1
3
(x 2) (x 4) =
8
3
2x +
1
3
x
2
,
L
1
(x) =
(x x
0
) (x x
2
)
(x
1
x
0
) (x
1
x
2
)
=
(x 1) (x 4)
(2 1) (2 4)
=
1
2
(x 1) (x 4) = 2 +
5
2
x
1
2
x
2
e
L
2
(x) =
(x x
0
) (x x
1
)
(x
2
x
0
) (x
2
x
1
)
=
(x 1) (x 2)
(4 1) (4 2)
=
1
6
(x 1) (x 2) =
1
3

1
2
x +
1
6
x
2
.
Ento,
p
2
(x) = L
0
(x) f
0
+ L
1
(x) f
1
+ L
2
(x) f
2
=
1
3
(x 2) (x 4) 1
1
2
(x 1) (x 4) 1.41
+
1
6
(x 1) (x 2) 2
=
1.54
3
+
1.05
2
x
0.23
6
x
2
.
O valor do polinmio em x = 3
p
2
(3) =
1.54
3
+
1.05
2
3
0.23
6
3
2
= 1.7433.
O erro cometido quando se considera p
2
(3) como valor aproximado de
f(3) =

3 dado por
|f(3) p
2
(3)| =

3 1.7433

= |1.73205 . . . 1.7433| 0.012.

O erro menor que 12 milsimas. De notar, no entanto, que os valores
tabelados esto arredondados s centsimas.
Pode ser til recorrer forma matricial para obteno dos polinmios de
Lagrange e do polinmio interpolador. Basta lembrar que procuramos
p
n
(x) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
6
tal que
p
n
(x
i
) = a
0
+ a
1
x
i
+ a
2
x
2
i
+ + a
n
x
n
i
= f (x
i
) = f
i
, 0 i n.
Como vimos acima, estas condies podem representar-se matricialmente
por V A = F. Como a matriz de Vandermonde V invertvel, o vector das
incgnitas A vem dado por A = V
1
F. Sendo
p
n
(x) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
= [1 x x
n
]
. .
X
_

_
a
0
a
1
.
.
.
a
n
_

_
. .
A
,
tem-se
p
n
(x) = XA = XV
1
F.
Por outro lado,
p
n
(x) =
n

i=0
L
i
(x) f
i
= [L
0
(x) L
1
(x) L
n
(x)]
. .
L
_

_
f
0
f
1
.
.
.
f
n
_

_
. .
F
= LF,
pelo que
L = XV
1
.
Sistematizando, o processo matricial para a determinao do polinmio
interpolador de Lagrange pode ser resumido em trs etapas:
1. Clculo de V e V
1
,
2. Clculo de L = XV
1
,
3. Clculo do polinmio interpolador p
n
(x) = LF.
Exemplo 3 Considerando novamente a tabela da funo f(x) =

x,
x 1 2 4
f (x) 1 1.41 2
determinemos, recorrendo ao processo matricial, o polinmio interpolador de
Lagrange.
7
Com efeito, para determinar os polinmios de Lagrange, basta identicar
a matriz de Vandermonde
V =
_
_
1 1 1
2
1 2 2
2
1 4 4
2
_
_
=
_
_
1 1 1
1 2 4
1 4 16
_
_
,
obter a sua inversa
V
1
=
_
_
1 1 1
1 2 4
1 4 16
_
_
1
=
_
_
8
3
2
1
3
2
5
2

1
2
1
3

1
2
1
6
_
_
e calcular
L = XV
1
=

1 x x
2
_
_
_
8
3
2
1
3
2
5
2

1
2
1
3

1
2
1
6
_
_
=
_

_
8
3
2x +
1
3
x
2
. .
L
0
(x)
2 +
5
2
x
1
2
x
2
. .
L
1
(x)
1
3

1
2
x +
1
6
x
2
. .
L
2
(x)
_

_
.
O polinmio interpolador de Lagrange vem ento dado por
p
2
(x) = LF
=
_
8
3
2x +
1
3
x
2
2 +
5
2
x
1
2
x
2
1
3

1
2
x +
1
6
x
2
_
_
_
1
1.41
2
_
_
=
1.54
3
+
1.05
2
x
0.23
6
x
2
.
3 Erro de Interpolao
Para estimar a diferena |f(x) p
n
(x)|, isto , o erro com que o polinmio
interpolador p
n
(x) aproxima f(x) em x I
x
, com I
x
o menor intervalo
que contm x, x
0
, x
1
, . . . , x
n
, no suciente conhecer o domnio de f(x) e
os ns de interpolao x
0
, x
1
, . . . , x
n
. Basta lembrar que a qualquer funo
que assuma os mesmos valores tabelados est associado o mesmo polinmio
interpolador, podendo a diferena |f(x) p
n
(x)| tornar-se arbitrariamente
diferente em qualquer x I
x
. Todavia o conhecimento da derivada de ordem
n+1 de f(x) pode levar-nos a uma estimativa do erro. No seguinte teorema
apresentada uma frmula explcita para o clculo do erro de interpolao.
8
Teorema 2 Seja p
n
(x) o polinmio de grau n interpolador da funo
f (x) nos ns de interpolao distintos x
0
, x
1
, . . . , x
n
[a, b]. Se f(x) tiver
derivadas contnuas at ordem n + 1 em [a, b] ento, para cada x [a, b]
existe I
x
(com I
x
o menor intervalo que contm x, x
0
, x
1
, . . . , x
n
), tal que
f (x) p
n
(x) =
n

j=0
(x x
j
)
f
(n+1)
()
(n + 1)!
.
Dem. O resultado imediato se x = x
i
, i = 0, . . . , n, e nesse caso o erro
obviamente nulo.
Seja ento x = x
i
, i = 0, . . . , n. Considerando
(t) =
n

j=0
(t x
j
)
dena-se a funo auxiliar
F(t) = f(t) p
n
(t) c(t), (2)
onde
c =
f (x) p
n
(x)
(x)
. (3)
A funo F(t) est denida em I
x
e tal que
F(x) = 0 e F(x
i
) = 0, i = 0, 1, . . . , n,
isto , F(t) tem pelo menos n + 2 zeros em I
x
. Pelo teorema de Rolle, F

(t)
tem pelo menos n + 1 zeros em I
x
, F

(t) tem pelo menos n zeros em I

x
,
etc., F
(n+1)
(t) tem pelo menos 1 zero em I
x
. Sendo esse zero de F
(n+1)
(t),
derivando (2) n + 1 vezes obtm-se
F
(n+1)
() = f
(n+1)
() p
(n+1)
n
() c
(n+1)
() = 0.
Mas p
(n+1)
n
() = 0, pois o polinmio p
n
(t) de grau menor ou igual a n.
Como o coeciente do termo de maior grau do produto (t) igual a 1 tem-se

(n+1)
() = (n + 1)!. Ento
c =
f
(n+1)
()

(n+1)
()
=
f
(n+1)
()
(n + 1)!
e, atendendo a (3), vem
f (x) p
n
(x) = (x)
f
(n+1)
()
(n + 1)!
=
n

j=0
(x x
j
)
f
(n+1)
()
(n + 1)!
,
como se queria.
Note-se que:
9
Com um s ponto de interpolao (x
0
, f(x
0
)) o polinmio interpolador
de grau zero e p
n
(x) = f(x
0
). O erro vem f (x) p
n
(x) = f (x)
f (x
0
) = f

(), com I
x
.
Com dois pontos de interpolao (x
0
, f(x
0
), x
1
, f(x
1
)) o polinmio in-
terpolador de grau 1 (interpolao linear). O erro vem f (x)p
n
(x) =
f

()
2!
(x x
0
)(x x
1
), com I
x
.
Exemplo 4 Suponhamos que a funo
f(x) = log
10
x =
lnx
ln10
se encontra tabelada e se efectua a interpolao linear nos pontos x
0
, x
1
tais
que x
1
x
0
= 0.01 e x
0
1. Para tal, utiliza-se o polinmio interpolador
p
1
(x) = L
0
(x) f
0
+ L
1
(x) f
1
=
x x
1
x
0
x
1
log
10
x
0
+
x x
0
x
1
x
0
log
10
x
1
.
O erro da interpolao, para cada x > 0, dado por
f (x) p
1
(x) =
f

()
2!
(x x
0
)(x x
1
), com I
x
,
sendo I
x
o menor intervalo que contm x, x
0
e x
1
.
Atendendo a que
f

(x) =
1
xln 10
e f

(x) =
1
x
2
ln10

0.434
x
2
,
tem-se
|f (x) p
1
(x)| =

0.434
2!
2
(x x
0
)(x x
1
)

, com I
x
.
Admitindo que x [x
0
, x
1
] vem
|f (x) p
1
(x)| max
x
0
xx
1

0.434
2!
2
(x x
0
)(x x
1
)

(x
1
x
0
)
2

(x
0
x
1
)
2

0.217
x
2
0
= |(x
1
x
0
)|
2
0.217
4x
2
0
0.01
2

0.217
4 1
2
= 5.425 10
6
.
Assim, quando x [x
0
, x
1
], o erro de interpolao da ordem de 0.6 10
5
.
Note-se que no se consideraram os erros de arredondamento dos valores
tabelados f(x
0
) e f(x
1
).
10
4 Diferenas Divididas. Polinmio interpo-
lador de Newton
No clculo do polinmio interpolador de Lagrange, a adio de mais um ponto
(x
n+1
, y
n+1
) ao suporte de interpolao obriga a que se refaam todos os cl-
culos dos novos polinmios L
i
(x), i = 0, . . . , n + 1. muito frequente que se
testem diferentes suportes de interpolao, variando o nmero de pontos con-
siderado, de forma a obedecer a condies de limite do erro de interpolao,
|f (x) p
n
(x)| M, com M constante positiva. O polinmio interpolador
de Newton com diferenas divididas permite contornar esse problema.
Este polinmio interpolador surge de uma construo recursiva, extrema-
mente simples, a partir da denio de diferena dividida.
Denio 1 Chama-se diferena dividida de primeira ordem de f(x),
relativamente aos argumentos x
i
, x
i+1
, seguinte quantidade
f [x
i
, x
i+1
] =
f
i+1
f
i
x
i+1
x
i
.
De um modo geral, a diferena dividida de ordem k (k 2) de f(x),
relativamente aos argumentos x
i
, x
i+1
, . . . , x
i+k
, a quantidade
f [x
i
, x
i+1
, x
i+2
] =
f [x
i+1
, x
i+2
] f [x
i
, x
i+1
]
x
i+2
x
i
(2
a
ordem)
.
.
.
f [x
i
, . . . , x
i+k
] =
f [x
i+1
, . . . , x
i+k
] f [x
i
, . . . , x
i+k1
]
x
i+k
x
i
(ordem k)
As diferenas divididas localizam-se na tabela da seguinte forma:
x f(x) f [x
i
, x
i+1
] f [x
i
, x
i+1
, x
i+2
] f [x
i
, x
i+1
, x
i+2
, x
i+3
] . . .
x
0
f
0
f [x
0
, x
1
]
x
1
f
1
f [x
0
, x
1
, x
2
]
f [x
1
, x
2
] f [x
0
, x
1
, x
2
, x
3
] . . .
x
2
f
2
f [x
1
, x
2
, x
3
]
.
.
.
f [x
2
, x
3
]
.
.
.
x
3
f
3
.
.
.
.
.
.
.
.
.
Indicamos seguidamente algumas propriedades das diferenas divididas:
11
1. As diferenas divididas f [x
0
, x
1
, x
2
, . . . , x
n
] so invariantes para qual-
quer variao dos ndices de suporte, isto , so funes simtricas
nos seus argumentos: qualquer que seja a ordem dos x
i
o valor de
f [x
0
, x
1
, x
2
, . . . , x
n
] mantm-se.
2. Tem-se
f [x
0
, x
1
, x
2
, . . . , x
n
] =
n

i=0
f
i
n

j=0,j=i
(x
i
x
j
)
.
3. Dado um polinmio de grau n, p
n
(x) = a
0
+a
1
x+a
2
x
2
+ +a
n
x
n
,
vem que
p
n
[x
0
, x] = p
n1
(x) ,
p
n
[x
0
, x
1
, x
2
, . . . , x
n
] = a
n
,
p
n
[x
0
, x
1
, x
2
, . . . , x
n
, x
n+1
] = 0.
4. Sendo f(x) uma funo n vezes diferencivel num intervalo [a, b] que
contm n + 1 pontos distintos x
0
, x
1
, x
2
, . . . , x
n
, ento
f [x
0
, x
1
, x
2
, . . . , x
n
] =
f
(n)
()
n!
, para algum ]a, b[.
Vejamos como se obtm o polinmio interpolador de Newton.
Das diferenas divididas
f [x, x
0
] =
f(x) f(x
0
)
x x
0
e f [x, x
0
, x
1
] =
f [x, x
0
] f [x
0
, x
1
]
x x
1
sai que
f(x) = f(x
0
) + (x x
0
) f [x
0
, x] (4)
e
f [x, x
0
] = f [x
0
, x
1
] + (x x
1
) f [x, x
0
, x
1
] , (5)
respectivamente. Ento, substituindo (5) em (4), vem
f(x) = f(x
0
) + (x x
0
) f [x
0
, x]
= f(x
0
) + (x x
0
) (f [x
0
, x
1
] + (x x
1
) f [x, x
0
, x
1
])
= f(x
0
) + (x x
0
) f [x
0
, x
1
] + (x x
0
) (x x
1
) f [x, x
0
, x
1
] .
12
Procedendo sucessivamente deste modo, utilizando o facto que da diferena
de ordem k + 1,
f [x, x
0
, . . . , x
k
] =
f [x, x
0
, . . . , x
k1
] f [x
0
, x
1
, . . . , x
k
]
x x
k
,
se conclui que
f [x, x
0
, . . . , x
k1
] = f [x
0
, x
1
, . . . , x
k
] + (x x
k
) f [x, x
0
, . . . , x
k
] ,
facilmente se obtm
f(x) = f(x
0
) + (x x
0
) f [x
0
, x
1
] + (x x
0
) (x x
1
) f [x
0
, x
1
, x
2
]
+ + (x x
0
) (x x
1
) (x x
n1
) f [x
0
, . . . , x
n
]
+ (x x
0
) (x x
1
) (x x
n
) f [x, x
0
, . . . , x
n
] .
Isto ,
f(x) = p
n
(x) + R
n
(x) (6)
onde
p
n
(x) = f(x
0
) +
n1

i=0
(x x
0
) (x x
i
) f [x
0
, . . . , x
i+1
]
o polinmio interpolador de Newton com diferenas divididas e
R
n
(x) = (x x
0
) (x x
1
) (x x
n
) f [x, x
0
, . . . , x
n
] .
De notar que
p
n
(x) = f(x
0
) +
n2

i=0
(x x
0
) (x x
i
) f [x
0
, . . . , x
i+1
]
+ (x x
0
) (x x
n1
) f [x
0
, . . . , x
n
] ,
ou seja,
p
n
(x) = p
n1
(x) + (x x
0
) (x x
1
) (x x
n1
) f [x
0
, . . . , x
n
] .
O interesse prtico desta frmula resulta de possibilitar a construo
recursiva do polinmio interpolador. De facto, quando se acrescenta um
ponto ao suporte de interpolao, h somente que adicionar uma parcela ao
polinmio obtido anteriormente.
O erro de interpolao obtm-se da igualdade (6):
f(x) p
n
(x) = R
n
(x) = (x x
0
) (x x
1
) (x x
n
) f [x, x
0
, x
1
, x
2
, . . . , x
n
] .
13
No caso de f(x) ser n + 1 vezes diferencivel no intervalo [a, b], em que
[a, b] o menor intervalo que contm x, x
0
, x
1
, x
2
, . . . , x
n
, pode-se aplicar a
propriedade 4 acima. Para algum tal que a < < b verica-se que
|f(x) p
n
(x)| =

(x x
0
) (x x
1
) (x x
n
)
f
(n+1)
()
(n + 1)!

|(x x
0
) (x x
1
) (x x
n
)| max
a<x<b

f
(n+1)
(x)
(n + 1)!

. .
M
= |(x x
0
) (x x
1
) (x x
n
)| M.
Exemplo 5 Consideremos a funo f(x) =

x nos pontos
(1, 1) , (3, 1.732) , (4, 2) e (5, 2.236) .
Construa-se a tabela das diferenas divididas
x f(x) f [, ] f [, , ] f [, , , ]
1 1
0.366
3 1.732 0.0327
0.268 0.0042
4 2 0.016
0.236
5 2.236
.
Pretende-se calcular aproximadamente f(2) pela frmula interpoladora. O
polinmio interpolador
p
3
(x) = 1 + (x 1) 0.366 + (x 1) (x 3) (0.0327)
+ (x 1) (x 3) (x 4) 0.0042
= 0.485 5 + 0.5766x 0.0663x
2
+ 0.0042x
3
O valor aproximado de f(2)
f(2) p
3
(2) = 0.4855 + 0.576 6 2 0.0663 2
2
+ 0.0042 2
3
= 1.4071
O erro cometido vem
|f(2) p
3
(2)| =

2 1.4071

= 0.0071
correspondendo a uma percentagem de erro da ordem dos 5%.
14
5 Diferenas nitas
A introduo de operadores de diferenas nitas permite obter resultados
vantajosos. Conhecida uma funo f(x) nos pontos (x
i
, f(x
i
)) , i = 1, . . . , n,
deniremos as diferenas descendentes (ou progressivas) e ascendentes (ou
regressivas).
Suponhamos que os ns de interpolao x
0
, x
1
, . . . , x
n
se encontram orde-
nados na forma x
0
< x
1
< < x
n
. As diferenas descendentes e ascendentes
so usadas quando os ns de interpolao so equidistantes, isto , quando
x
i+1
= x
i
+ h, 0 i n 1
ou, de forma equivalente,
x
i+1
= x
0
+ ih, 0 i n 1,
sendo h o passo (distncia entre quaisquer dois ns consecutivos).
De notar que as diferenas divididas se usam quer os ns de interpolao
sejam ou no equidistantes.
Denio 2 Designa-se, respectivamente, diferena descendente (ou pro-
gressiva) de primeira ordem de f(x), para x = x
i
, seguinte quantidade:
f(x
i
) = f
i
= f(x
i+1
) f(x
i
).
De um modo geral, a diferena descendente de ordem k (k 2) de f(x),
para x = x
i
, dene-se por

2
f
i
=
2
f
i
= f
i+1
f
i
,
.
.
.

k
f
i
=
_

k1
f
i
_
=
k1
f
i+1

k1
f
i
.
Por exemplo,

2
f
i
= f
i+1
f
i
= f
i+2
f
i+1
(f
i+1
f
i
) = f
i+2
2f
i+1
+ f
i
e

3
f
i
=
2
f
i+1

2
f
i
= f
i+2
f
i+1
(f
i+1
f
i
)
= (f
i+3
2f
i+2
+ f
i+1
) (f
i+2
2f
i+1
+ f
i
)
= f
i+3
3f
i+2
+ 3f
i+1
f
i
.
15
Prova-se, em geral, que

k
f
i
=
k1
f
i+1

k1
f
i
=
k

j=0
(1)
j
_
k
j
_
f
i+kj
.
Denominam-se diferenas descendentes pois diferenas do mesmo ndice,
de ordem superior, encontram-se em posio descendente na tabela
x f(x)
2

3

x
0
f(x
0
)
f
0
x
1
f(x
1
)
2
f
0
f
1

3
f
0
. . .
x
2
f(x
2
)
2
f
1
.
.
.
f
2
.
.
.
x
3
f(x
3
)
.
.
.
.
.
.
.
.
.
Denio 3 Designa-se, respectivamente, diferena ascendente (ou re-
gressiva) de primeira ordem de f(x), para x = x
i
, seguinte quantidade
f(x
i
) = f
i
= f(x
i
) f(x
i1
).
De um modo geral, a diferena ascendente de ordem k (k 2) de f(x),
para x = x
i
, dene-se por

2
f
i
=
2
f
i
= f
i
f
i1
,
.
.
.

k
f
i
=
_

k1
f
i
_
=
k1
f
i

k1
f
i1
.
Por exemplo,

2
f
i
= f
i
f
i1
= f
i
f
i1
(f
i1
f
i2
) = f
i
2f
i1
+ f
i2
e

3
f
i
=
2
f
i

2
f
i1
= (f
i
2f
i1
+ f
i2
) (f
i1
2f
i21
+ f
i3
)
= f
i
3f
i1
+ 3f
i2
f
i3
.
16
Prova-se, em geral, que

k
f
i
=
k1
f
i+1

k1
f
i
. =
k

j=0
(1)
j
_
k
j
_
f
ij
.
Denominam-se diferenas ascendentes ou regressivas pois diferenas do
mesmo ndice, de ordem superior encontram-se em posio ascendente na
tabela:
x f(x)
2

3
. . .
x
0
f(x
0
)
f
1
x
1
f(x
1
)
2
f
2
f
2

3
f
3
. . .
x
2
f(x
2
)
2
f
3
.
.
.
f
3
.
.
.
x
3
f(x
3
)
.
.
.
.
.
.
.
.
.
Podem-se estabelecer algumas propriedades das diferenas nitas, relacion-
las com as diferenas divididas e realar algumas das propriedades das difer-
enas de um polinmio. Com efeito, verica-se:
1. f
i
= f
i+1.
2.
n
f
i
=
n
f
i+n
.
3. f
n
= f
0
+
n1

i=0
f
i
.
4. Quando os ns de interpolao so equidistantes de passo h,

n
f
i
= n!h
n
f [x
i
, x
i+1
, x
i+2
, . . . , x
i+n
] ,

n
f
i
= n!h
n
f [x
i
, x
i1
, x
i2
, . . . , x
in
] , i 0.
5. Se f(x) uma funo com derivada de ordem n contnua num intervalo
[a, b] que contm n + 1 ns de interpolao distintos x
0
, x
1
, x
2
, . . . , x
n
,
de passo h, ento, para x [a, b],

n
f(x) =
f
(n)
()
n!
, para algum ]a, b[.
17
6. A diferena de 1
a
ordem de um polinmio de grau n um polinmio
de grau n 1.
7. A diferena de ordem n de um polinmio de grau n, p
n
(x) = a
0
+a
1
x+
a
2
x
2
+ + a
n
x
n
, uma constante dada por

n
p
n
(x) = a
n
n!h
n
.
8. Se as diferenas de ordem k de uma funo f(x) so iguais e no nulas,
ento existe um e um s polinmio de grau k que toma os mesmos
valores tabelados (k n).
Exemplo 6 Construa-se a tabela de diferenas divididas de f(x) = log
10
x,
para os seguintes valores de argumento 1, 3, 5, 7, 9.
x f(x) f [, ] f [, , ] f [, , , ] f [, , , , ]
1 0
0.23856
3 0.47712 0.03191
0.11093 0.00374
5 0.69897 0.00947 0.00037
0.07307 0.00081
7 0.84510 0.00463
0.05457
9 0.95424
.
Pela tabela, f [1, 3, 5, 7, 9] = 0.00037. Pela 4
a
propriedade anterior tem de
se vericar que

4
f
1
= 4!h
4
f [x
0
, x
1
, x
2
, x
3
, x
4
] = 4!2
4
f [1, 3, 5, 7, 9] .
Construa-se a tabela das diferenas no divididas
x f(x) 10
5

2
10
5

3
10
5

4
10
5
1 0
47712
3 0.47712 25527
22185 17955
5 0.69897 7572 14082
14613 3873
7 0.84510 3699
10914
9 0.95424
.
18
Como
4
f
1
= 14082 10
5
= 0.14082, tem-se

4
f
1
4!h
4
=
0.14082
24 16
= 0.0003.667 2 0.00037 = f [1, 3, 5, 7, 9] .
Devemo-nos lembrar, no entanto, que os valores tabelados no so exactos
mas sim arredondados 5
a
casa dcimal.
Exemplo 7 Seja p
3
(x) = x
3
. A diferena de primeira ordem do polinmio
vem
p
3
(x) = p
3
(x + h) p
3
(x)
= (x + h)
3
x
3
= x
3
+ h
3
+ 3x
2
h + 3xh
2
x
3
= h
3
+ 3x
2
h + 3xh
2
que um polinmio de grau 2 como seria de esperar pela 4
a
propriedade.
Exemplo 8 Se considerarmos a tabela da funo
x f(x)
2

4
2 7
8
0 1 0
8 96
2 9 96 0
104 96
4 113 192
296
6 409
as diferenas de 3
a
ordem so constantes. Ento as diferenas de ordem
superior so nulas. O polinmio p(x) de grau 3 que toma os mesmos valores
nos pontos tabelados tal que o coeciente do termo de maior grau vem

3
= 96 = a
3
3! 2
3
=a
3
= 2 =p(x) = 2x
3
+ .
6 Frmulas interpoladoras de Gregory-Newton
Quando os ns de interpolao x
0
, x
1
, . . . , x
n
, esto igualmente espaados,
pode-se usar a relao

n
f
i
= n!h
n
f [x
i
, x
i+1
, x
i+2
, . . . , x
i+n
]
19
de forma a simplicar o polinmio interpolador. Substituindo f[x
0
, x
1
, x
2
,
. . . , x
i
] por

i
f
0
i!h
i
no polinmio interpolador de Newton com diferenas dividi-
das obtemos a frmula interpoladora de Gregory-Newton progressiva:
p
n
(x) = f(x
0
) +
n

i=1
(x x
0
) (x x
i1
)

i
f
0
i!h
i
Fazendo a mudana de varivel
x = x
0
+ h =
x x
0
h
e, lembrando que os ns de interpolao esto igualmente espaados, surge
a frmula interpoladora de Gregory-Newton progressiva na verso
mais usual:
p
n
(x) = f
0
+ f
0
+ ( 1)

2
f
0
2!
+ ( 1) ( 2)

3
f
0
3!
+
+ ( 1) ( 2) ( (n 1))

n
f
0
n!
Pode-se obter um polinmio interpolador semelhante mas usando difer-
enas ascendentes ou regressivas. Para isso basta usar a relao

n
f
i
= n!h
n
f [x
i
, x
i1
, x
i2
, . . . , x
in
]
de forma a simplicar o polinmio interpolador de Newton s diferenas divi-
didas. Substituindo agora f [x
0
, x
1
, x
2
, . . . , x
n
] por

i
f
n
n!h
n
no polinmio interpo-
lador de Newton com diferenas divididas obtemos a frmula interpoladora
de Gregory-Newton regressiva
p
n
(x) = f(x
n
) +
n

i=1
(x x
n
)
_
x x
n(i1)
_

i
f
n
i!h
i
.
Por mudana de varivel
x = x
n
+ h =
x x
n
h
e, lembrando que os ns de interpolao esto igualmente espaados, surge a
frmula interpoladora de Gregory-Newton regressiva na forma mais
utilizada:
p
n
(x) = f
n
+ f
n
+ ( + 1)

2
f
n
2!
+ ( + 1) ( + 2)

3
f
n
3!
+
+ ( + 1) ( + 2) ( + (n 1))

n
f
n
n!
.
20
Exemplo 9 Considerando o suporte de interpolao
{(2, 25) , (0, 3) , (2, 7) , (4, 83) , (6, 327)}
calcule-se o valor aproximado de f(1) e de f(4.5).
Construa-se a tabela de diferenas no divididas
x f(x) \
2
\
2

3
\
3

4
\
4
2 25
28
0 3 24
4 96
2 7 72 0
76 96
4 83 168
244
6 327
Note-se que, para obter o polinmio interpolador, usando Gregory-Newton
progressiva, a escolha entre 2 ou 0 para x
0
indiferente pois as diferenas
de 4
a
ordem so nulas e o polinmio interpolador de 3
o
grau. Seja x
0
= 2.
Ento
=
x x
0
h
=
x + 2
2
e
p
3
(x) = 25 + 28 + ( 1)
(24)
2!
+ ( 1) ( 2)
96
3!
.
Para obter os valores aproximados de f(1) e f(4.5) basta calcular o valor
de para cada caso. Para x = 1 vem
x = 1 =
x x
0
h
=
1 + 2
2
= 0.5
f(1) p
3
(1) = 25 + 0.5 28 + 0.5 (0.5 1)
24
2!
+ 0.5 (0.5 1) (0.5 2)
96
3!
= 2.
21
Para x = 4.5 vem
x = 4.5 =
x x
0
h
=
4.5 + 2
2
= 3.25
f(4.5) p
3
(4.5) = 25 + 3.25 28 + 3.25 (3.25 1)
24
2!
+ 3.25 (3.25 1) (3.25 2)
96
3!
= 124.5.
Vamos obter exactamente os mesmos resultados ao usarmos a frmula de
Gregory-Newton regressiva. Basta lembrar que o polinmio interpolador
nico. A escolha de 4 ou 6 para x
n
indiferente pois as diferenas de 4
a
ordem so nulas e o polinmio interpolador de 3
o
grau. Seja x
n
= 6. Ento
=
x x
n
h
=
x 6
2
e
p
3
(x) = 327 + 244 + ( + 1)
(168)
2!
+ ( + 1) ( + 2)
96
3!
Para obter os valores aproximados de f(1) e f(4.5) basta calcular o valor
de para cada caso.Para x = 1 vem
x = 1 =
x x
n
h
=
1 6
2
= 3.5
f(1) p
3
(1) = 327 3.5 244 3.5 (3.5 + 1)
168
2!
3.5 (3.5 + 1) (3.5 + 2)
96
3!
= 2.
Para x = 4.5 vem
x = 4.5 =
x x
n
h
=
4.5 6
2
= 0.75
f(4.5) p
3
(4.5) = 327 0.75 244 0.75 (0.75 + 1)
168
2!
0.75 (0.75 + 1) (0.75 + 2)
96
3!
= 124.5.
Note-se que, semelhana das frmulas de Gregory-Newton, tambm o
polinmio interpolador de Lagrange pode ser obtido directamente do polinmio
22
interpolador de Newton para diferenas divididas recorrendo propriedade
j indicada atrs,
f [x
0
, x
1
, x
2
, . . . , x
n
] =
n

i=0
f
i
n

j=0,j=i
(x
i
x
j
)
.
Sabendo que existem vrias frmulas para obter o polinmio interpolador,
importante relembrar que o polinmio interpolador nico, independente-
mente do mtodo escolhido.
Antes de passarmos interpolao inversa, urge colocar uma questo.
Ser que, ao aumentar o nmero de pontos do suporte de interpolao num
certo intervalo, o polinmio interpolador obtido melhora as estimativas da
funo?
A resposta questo um pouco delicada. Para x
0
, x
1
, x
2
, . . . , x
n
es-
colhidos criteriosamente e funes f(x) regulares o erro de interpolao de-
cresce medida que n aumenta. Para algumas funes f(x) a sequncia dos
polinmios obtidos convergente para todos os argumentos x. Para outras
funes essa convergncia limitada a um intervalo restrito. Nesta situao,
o erro de interpolao tende para zero na parte central do intervalo consid-
erado e tende a oscilar fortemente nos extremos desse mesmo intervalo. Este
comportamento uma severa restrio ao uso de polinmios interpoladores
com grau elevado.
7 Interpolao inversa
Dados os pontos (x
i
, y
i
) = (x
i
, f(x
i
)) , 0 i n, frequente querermos
calcular x dado y = f(x) = y
i
. o que acontece quando, por exemplo, quer-
emos determinar uma raiz de f(x) a partir dos valores tabelados (x
i
, f(x
i
)) ,
0 i n. Este problema denomina-se interpolao inversa. Como b-
vio, o problema da interpolao inversa exige que a funo seja univocamente
determinada para um certo intervalo de valores do argumento.
A maneira mais usual de resoluo do problema da interpolao inversa
por inverso de tabela. Para o suporte (y
i
, x
i
) = (y
i
, f
1
(y
i
)), 0
i n, com y
i
= y
j
(i = j) existir um polinmio interpolador p
n
(y) que
interpola a funo inversa x = f
1
(y) = g(y), caso ela exista obviamente.
Para a obteno do polinmio interpolador pode-se escolher qualquer dos
mtodos indicados sendo importante vericar se o argumento y
0
, y
1
, y
2
, . . . , y
n
so equidistantes. O mais usual usar a frmula interpoladora de Newton
com diferenas divididas
p
n
(y) = x
0
+ (y y
0
) g [y
0
, y
1
] + + (y y
0
) (y y
n1
) g [y
0
, . . . , y
n
] .
23
Exemplo 10 Considere a tabela funo da f(x) = sen x cos x e indique o
valor da sua raiz:
x 0.6 0.8 1.0 1.2
f (x) 0.2607 0.0206 0.3012 0.5697
Estamos perante um problema de interpolao inversa. Admita-se que
f(x) contnua. Como muda de sinal quando passa de x = 0.6 para x = 0.8
a raiz est em (0.6, 0.8). Sendo a funo crescente para os valores tabelados,
podemos admitir que injectiva e invertvel no intervalo (0.6, 1.2). Numa
primeira fase trocamos as colunas. Depois passamos ao clculo das diferenas
divididas pois y
0
, y
1
, y
2
, y
3
no so equidistantes.
y x = g(y) g [, ] g [, , ] g [, , , ]
0.2607 0.6
0.7110
0.0206 0.8 0.0032
0.7128 0.0666
0.3012 1 0.0585
0.7449
0.5697 1.2
O polinmio interpolador vem
p
3
(y) = x
0
+ (y y
0
) g [y
0
, y
1
] + (y y
0
) (y y
1
) g [y
0
, y
1
, y
2
]
+ (y y
0
) (y y
1
) (y y
2
) g [y
0
, y
1
, y
2
, y
3
]
= 0.6 + [y (0.2607)] 0.7110
+ [y (0.2607)] (y 0.0206) 0.0032
+ [y (0.2607)] (y 0.0206) (y 0.3012) 0.0666
= 0.78545 + 0.70659y 8.6926 10
4
y
2
+ 0.0666y
3
.
Como se pretende o valor aproximado da raiz ento
x = p
3
(0) = 0.78545.
Sabendo que funo tabelada f(x) = sinx cos x, pode-se obter o valor
exacto da raiz,
f(x) = 0 sin x cos x = 0 sinx = cos x x = k +

4
, k inteiro.
Ora x assume valores no primeiro quadrante
x =

4
= 0.7853981 . . . .
24
O erro cometido
|0.7853981 . . . 0.78545| 5.2 10
5
.
Exemplo 11 Considere-se a tabela da funo distribuio de probabilidade
y = f(x) =
2

_
x
0
e
x
2
dx,
x 0.46 0.47 048 0.49
f (x) 0.4846555 0.4937452 0.5027498 0.5116683
Para que quantil (valor de x), a funo distribuio atinge 50%?
Efectue-se a interpolao quadrtica inversa, recorrendo frmula inter-
poladora de Newton.
y x = g(y) g [, ] g [, , ]
0.4937452 0.47
1.11054
0.5027498 0.48 0.59818
. . .
0.5116683 0.49
p
2
(y) = x
0
+ (y y
0
) g [y
0
, y
1
] + (y y
0
) (y y
1
) g [y
0
, y
1
, y
2
]
= 0.47 + (y 0.4937452) 1.11054
+ (y 0.4937452)(y 0.5027498) 0.59818
= 7.016 3 10
2
+ 0.514 46y + 0.59818y
2
.
O quantil obtido para a acumulada correspodente ao valor 50%
x = p
2
(0.5) = 7.0163 10
2
+ 0.51446 0.5 + 0.598 18 0.5
2
= 0.47694.
semelhana da interpolao directa, pode-se obter a expresso para o
majorante do erro de interpolao, com pertencente ao menor intervalo que
contenha y
0
, . . . , y
n
,
f
1
(y) p
n
(y) = g (y) p
n
(y) =
n

j=0
(y y
j
)
g
(n+1)
()
(n + 1)!
.
25
necessrio que se conhea g(x) e que as suas derivadas sejam bem compor-
tadas.
A inverso de tabela no a nica abordagem possvel para a interpolao
inversa. Uma outra alternativa o mtodo das aproximaes sucessivas.
Consideremos que estamos a resolver a equao
f(x) = C (7)
em que C uma constante real e suponhamos que f(x
0
) C e f(x
1
) C
tm sinais opostos e que f(x) uma funo contnua. Suponha-se tambm
os ns de interpolao x
0
, x
1
, . . . , x
n
, so equidistantes de passo h.
Utilizando o polinmio interpolador de Gregory-Newton progressivo, re-
solver (7) equivale a determinar = (x x
0
)/h tal que,
p
n
(x) = f
0
+ f
0
+ ( 1)

2
f
0
2!
+ ( 1) ( 2)

3
f
0
3!
+ = C.
Esta igualdade pode ser reescrita na forma
f
0
= C f
0
( 1)

2
f
0
2!
( 1) ( 2)

3
f
0
3!
,
ou
= ()
onde
() =
1
f
0
_
C f
0
( 1)

2
f
0
2!
( 1) ( 2)

3
f
0
3!

_
.
A equao = () sugere o processo iterativo

i+1
= (
i
) , com
0
=
C f
0
f
0
.
Note-se que o valor inicial do processo iterativo corresponde interpolao
linear. As iteradas seguintes correspondem ao aparecimento de mais termos
na funo , normalmente mais um, calculados com o valor da iterada an-
terior. O processo pra quando algum critrio de paragem pr-denido for
vericado.
Exemplo 12 Considere novamente a tabela da funo f(x) = sin x cos x
x 0.6 0.8 1.0 1.2
f (x) 0.2607 0.0206 0.3012 0.5697
26
e obtenha uma aproximao para a raiz de forma que a diferena entre iter-
adas sucessivas seja inferior a uma milsima. J se discutiu o facto da funo
ser univoca no intervalo dos argumentos. Como os ns de interpolao so
equidistantes de passo h = 0.2 pode-se obter o polinmio interpolador de
Gregory-Newton. Construa-se a tabela de diferenas no divididas
x f(x) \
2
\
2

3
\
3
0.6 0.2607
0.2813
0.8 0.0206 0.0007
0.2806 0.114
1.0 0.3012 0.0121
0.2685
1.2 0.5697
.
O polinmio interpolador vem
p
3
(x) = f
0
+ f
0
+ ( 1)

2
f
0
2!
+ ( 1) ( 2)

3
f
0
3!
.
Como se pretende obter a raiz do polinmio tem-se
p
3
(x) = C = 0 f
0
+ f
0
+ ( 1)

2
f
0
2!
+ ( 1) ( 2)

3
f
0
3!
= 0.
A iterada inicial corresponde a interpolao linear, i.e ,
f
0
+
0
f
0
= 0
0
=
f
0
f
0
=
0.2607
0.2813
= 0.92677
A segunda aproximao surge de
f
0
+
1
f
0
+
0
(
0
1)

2
f
0
2!
= 0
e

1
=
1
f
0
_
f
0

0
(
0
1)

2
f
0
2!
_
=
1
0.2813
_
0.2607 0.92677 (0.926 77 1)
0.0007
2!
_
= 0.92668.
O critrio de paragem est vericado:
|
1

0
| = |0.92668 0.92677| = 0.00009 < 10
3
.
27
O valor aproximado da raiz resulta de x = x
0
+ h, logo
x = x
0
+
2
h = 0.6 + 0.92668 0.2 = 0.78534.
Se o critrio de paragem no fosse satisfeito, a segunda iterada correspondia
a considerarmos mais um termo no polinmio interpolador, correspondente
diferena de 3
a
ordem:
f
0
+
2
f
0
+
1
(
1
1)

2
f
0
2!
+
1
(
1
1) (
1
2)

3
f
0
3!
= 0
e

2
=
1
f
0
_
f
0

1
(
1
1)

2
f
0
2!

1
(
1
1) (
1
2)

3
f
0
3!
_
.
Consegue-se igualmente deduzir um majorante do erro de interpolao
para o mtodo das aproximaes sucessivas. No entanto, mais importante
realar que os resultados obtidos pelos dois mtodos so, em geral, diferentes.
natural que o sejam pois por inverso de tabela usa-se um polinmio em
y e por aproximaes sucessivas recorre-se a um polinmio em x. Os dois
mtodos so idnticos no caso da interpolao linear.
Referncias
[1] Carpentier, M. P. J., Anlise Numrica-Teoria, Sebenta editada pela
AEIST em Fev. 1993.
[2] Rosa,M. & Graa, M., Tpicos de Anlise Numrica, Universidade de
Aveiro, 1992
[3] Dahlquist & Bjork, Numerical Methods, Prentice Hall, 1974
[4] Conte, S. D. & Boor, C., Elementary Numerical Analysis, McGraw-Hill,
1980.
[5] Gerald, C. e Wheatley, P., Applied Numerical Analysis, Addison-Wesley,
1997.
[6] Lindeld, G. e Penny, J., Numerical Methods Using Matlab. Ellis Hor-
wood, 1995.
[7] Kreyszig, Erwin., Advanced Engineering Mathematics (Cap. 17 e 18),
Willey, 1999. (Livro de texto).
[8] Pina, Heitor, Mtodos Numricos, McGraw-Hill, 1995.
[9] Moreira, M., Apontamentos de Mtodos Numricos, EST, 2002.
28