1

Sumrio
2. INTERPOLAO............................................................................5
2.1 Interpolao polinomial.....................................................................5
2.2 Formas de se obter

Pn( xi) ............................................................8

2.2.1 Interpolao de lagrange..............................................................8

2.2.2 Forma de newton......................................................................10
2.3 Estudo do erro(truncatura) na interpolao........................................12
2.4 Funes spline em interpolao.........................................................14
2.4.1 Spline Linear Interpolante............................................14
2.4.2 Splines Cbicas Interpolantes......................................15
3. INTEGRAO NMERICA..........................................................19
3.1 Frmulas de Newton-Cotes..............................................................19
3.2 Regra do trapzio...........................................................................20
3.3 Regra de Simpson..........................................................................22
4.

AJUSTE DE CURVAS.......................................................................24
4.1

Caso Linear..........................................................................26

4.2

Caso no-linear...................................................................28

5. PROVA......................................................................................... 30
6. RESOLUO................................................................................ 31
7. CONCLUSO............................................................................... 40
8. REFERNCIAS BIBLIOGRFICAS..............................................41

1. INTRODUO
O clculo numrico busca a soluo, de forma aproximada, de problemas
matemticos de difcil soluo analtica. Equivale a um conjunto de ferramentas e
mtodos que precisam ser resolvidos numericamente, por se aplicarem principalmente a
problemas que no possuem soluo exata.
O estudo de clculo numrico de grande importncia para o engenheiro, o qual,
na disciplina, alm de ter acesso s ferramentas existentes para resoluo de um
problema, possui discernimento acerca da escolha do mtodo a ser utilizado no seu caso
(ou se h mtodos para que seu problema seja resolvido) e do cerne da aplicao de
cada mtodo, ou seja, saber o que est sendo feito pela calculadora ou computador, o
que d ao mesmo a capacidade de avaliao da qualidade da soluo obtida.
Isso melhora a familiarizao do aluno com o estudo da matemtica, j que
certos conceitos so revistos, exercitados e utilizados de maneira prtica, e d a ele a
competncia para aprender outros mtodos numricos por conta prpria, caso se depare
com um problema cuja soluo dependa de um mtodo no visto no curso.
No trabalho a ser apresentado, veremos mtodos que so aplicados em diferentes
situaes, de forma a facilitar o clculo dos problemas ou at mesmo resolver
expresses de funes que, no modo como so apresentadas, podem impossibilitar
certas operaes necessrias, como integrao e diferenciao.
Os mtodos a serem detalhados e explicados neste trabalho so: Interpolao,
Integrao Numrica e Ajuste de Curvas.
O mtodo da Interpolao largamente utilizado na rea das cincias e
engenharias, para delimitao de curvas de nvel, por exemplo, bem como na
computao grfica e nos estudos aerofotogramtricos. Interpolar uma funo f(x)
aproximar-se dela por uma outra funo h(x), tal que esta possa ser usada como
substituta. o processo pelo qual, a partir de pontos distintos, podemos obter uma
funo contnua de uma funo discreta. Assim, a interpolao utilizada, por exemplo,
quando h conhecimento apenas de alguns valores numricos da funo para um
determinado conjunto de pontos e precisa-se calcular um valor no tabelado, para
calcular funes fornecidas por tabelas ou para aproximar funes cujo clculo seja
complexo ou at mesmo impossvel de se realizar de operaes.
Depreende-se dessa pesquisa que mesmo quando no possvel realizar o clculo
de integrais definidas de forma analtica, seja por causa da no existncia da
possibilidade de expressar de forma explcita a funo primitiva resultante da integral
por meio de combinaes finitas de funes elementares, ou por causa de o valor de

f ( x) ser conhecido somente em alguns pontos, num intervalo [a ,b ] , pode-se

recorrer ao uso de integrais numricas que nos possibilitam alcanar um resultado
aproximado da integral de determinada funo atravs de mtodos de aproximao de
integrais como a regra do Trapzio e a regra de Simpson, que so duas das frmulas
fechadas de Newton-Cotes.

Veremos, no decorrer do trabalho, que uma forma de se trabalhar com uma funo
definida por uma tabela de valores a interpolao polinomial. Contudo, a interpolao
no aconselhvel quando:
a preciso obter um valor aproximado da funo em algum ponto fora do
intervalo de tabelamento, ou seja, quando se quer extrapolar;
b Os valores tabelados so resultados de algum experimento fsico ou de alguma
pesquisa, porque, nestes casos, estes valores podero conter erros inerentes que,
em geral, no so previsveis.
Surge ento a necessidade de se ajustar a estas funes tabeladas, uma funo que
seja uma boa aproximao para os valores tabelados, e que nos permita extrapolar
com certa margem de segurana.
Em muitas situaes, conhece-se uma tabela de pontos (x i , y i ) onde cada y i
obtido experimentalmente, e deseja-se obter a expresso analtica de uma dada curva
y=f ( x) que melhor se ajusta a esse conjunto de pontos. A representao de uma
curva que passe prximo de um conjunto de pontos definida como o ajustamento de
curvas. Esse ajustamento se resume em conectar os pontos com a curva, porm a
metodologia mais utilizada para fazer a conexo entre os pontos e o modelo para prever
esses pontos o mtodo dos mnimos quadrados (MMQ).
Os mtodos brevemente apresentados sero detalhados e explicados a seguir.

2. INTERPOLAO
Interpolao um processo numrico pelo qual pode-se obter uma funo
contnua a partir de pontos distintos definidos de uma funo discreta. De acordo com
valoresem questo verifica-se qual o tipo de aproximao mais apropriada, o que
significa dizer que a funo continua a ser obtida tem sua classe a determinar. Dessa
forma, h trs tipos de interpolao: linear, polinomial e trigonomtrica. Para fins
prticos estudaremos apenas a interpolao polinomial.
Este mtodo muito influente na rea das cincias e engenharias j que pode,
por exemplo, a partir de dados empricos chegar a uma equao que estude o fenmeno
fsico envolvido tornando possvel a quantificao de qualquer valor no domnio. Serve
tambm de base para vrios mtodos desenvolvidos com finalidade de solucionar
equaes diferenciais ou ainda para simplificar funes muito complexas de maneira a
facilitar clculos.

(interpolao linear)

(interpolao polinomial)
2.1 Interpolao polinomial
Nesse caso, queremos aproxima a funo discreta a um polinmio.

Teorema de unicidade e existncia:

Dado um conjunto de (n+1) pontos distintos e numericamente determinados
[ x i , f (xi )] pertencentes ao intervalo [ x 0 , x n ] . ento existe um nico polinmio
interpolador de grau n , tal que f ( x i )=P n( xi ) , i=0, 1,2, , n .
Representamos Pn (x i) como :
n

Pn ( xi ) = a k x (ik )

i=0, 1,2, , n

k=0

Assim a partir do teorema podemos escrever:

2
(k ) n
a(k0 )+ a(k1 ) x 0 +a(k)
2 x 0+ an x 0=f (x 0)
(k)
(k) 2
(k ) n
a(k)
0 +a1 x 1 +a 2 x 1+ an x 1=f (x 1)
(k)
(k) 2
(k ) n
a(k)
0 +a1 x 2 +a 2 x 2+ an x 2=f (x 2)

(k )
(k )
(k) 2
a0 + a1 x n +a2 x n+ a(kn ) x nn=f (x n)

Dessa forma para determinarmos o polinmio precisamos conhecer as variveis

(k )
( k)
a , a , a 2 , , an
que pode ser obtido resolvendo-se o sistema linear, j que
conhecido o valor de x i e f (xi ) .
Ou na forma matricial:
( k)
0

(k )
1

X=

1
1
1
1

x0
x1
x2

xn

x 20 x 30
x 21 x 31
x 22 x 32

2
3
xn xn

xn0
xn1
xn2

n
xn

] [] [ ]
a(k)
0
a(k)
1

f (x 0 )
f (x 1)
(k)
(k)
; ai = a2 f ( x i )= f (x 2)

(k)
f
(x
an
n)

A matriz X, matriz dos coeficientes, a matriz de Vandermonde, logo, desde que

x 0 , x 1 , , x n sejam distintos teremos que det ( A ) 0 e o sistema admite soluo
linear nica.
1) Interpolao polinomial linear
Para uma funo discreta f (x) com dois pontos distintos

[ x 1 , f ( x1 )]

(k)
0

(k)
1

obtemos o polinmio interpolador Pn ( xi ) =a +a xi

tem n=1 caracterizando uma funo de primeira ordem.
Para determinar a(k)
e a(k)
faz-se o procedimento:
0
1
-Aplicando o teorema escrevemos o sistema linear:

[ x 0 , f ( x 0) ]

; i=0, 1 que

(k )

(k )

a0 + a1 x 0=f (x 0 )
(k)
a(k)
0 +a1 x 1=f (x 1)

-verificar se x 0 x 1
-resolver o sistema
-introduzir o resultado das variveis a(k)
e a(k)
no polinmio
0
1
(k)
Pn ( xi ) =a(k)
0 +a1 xi .

Exemplo 1: Calcular
i
xi
yi

P1 ( 0.2 )

e P2 ( 0.3 ) a partir dos pontos abaixo:

0
0.1
1.221

1
0.6
3.320

Resoluo:
O polinmio ento assume a forma:
De acordo com o sistema linear:

(k)
Pn ( xi ) =a(k)
0 +a1 xi

(k)
a(k)
0 +a1 0.1=1.221
a(k0 )+ a(k1 ) 0.6=3.320

Verificamos que 0.1 0.6

(k)
(k)
Resolvendo o sistema temos que: a0 =1.221 e a1 =4.198
Ento o polinmio : P1 ( x )=1.221+ 4.198 x
P1 ( 0.2 ) =1.221+ 4.198 0.2

P1 ( 0.2 ) =1.641

P2 ( 0.3 )=1.221+4.198 0.3

P2 ( 0.3 )=2.061

2) Interpolao polinomial quadrtica

Para uma funo discreta f ( x) com trs pontos distintos

[ x 1 , f ( x1 )]
(k)
1

[ x 2 , f ( x2 )]

obtemos o polinmio interpolador

2
i

[ x 0 , f ( x 0) ]
(k)
0

(k)
1

Pn ( xi ) =a +a xi

a x ; i=0, 1,2 que tem n=2 caracterizando, por sua vez, uma funo de
ordem quadrada.
(k)
(k)
(k)
Para determinar a0 , a1 e a2 faz-se o procedimento:
-Aplicando o teorema escrevemos o sistema linear:

a(k0 )+ a(k1 ) x 0 +a (2k ) x 20=f (x 0)

a (0k ) +a (1k ) x 1+a(2k ) x 21=f ( x1 )
a (0k ) +a (1k ) x 2+a(2k ) x 22=f ( x2 )

-verificar se x 0 x 1 x2
-resolver o sistema

-introduzir o resultado das variveis a(k)

, a(k)
e a(k)
no polinmio
0
1
2
(k)
(k) 2
Pn ( xi ) =a(k)
0 +a1 xi + a1 x i .

Exemplo 2: Determinar
i
xi
yi

P1 ( 0.2 )

usando os dados da tabela abaixo:

0
0.1
1.221

1
0.6
3.320

2
0.8
4.953

Resoluo:
(k)
(k)
O polinmio de forma: Pn ( xi ) =a0 +a1 xi
Podemos ento definir o sistema linear:

2
+ a(k)
1 xi

a(k0 )+ a(k1 ) 0.1+ a(2k ) 0.12=1.221

a(0k ) +a (1k ) 0.6+ a(2k ) 0.6 2=3.320
a(0k ) +a(1k ) 0.8+a (2k ) 0.82=4.953

J que 0.1 0.6 0.8 , resolve-se o sistema e se chega a:

( k)
( k)
( k)
a0 =1.141 , a1 =0.231 , a2 =5.667
O polinmio ento :

P2 ( x )=1.141+0.231 x+ 5.667 x 2

E ento,

P2 ( 0.2 ) =1.141+ 0.231 0.2+5.667 0.2

Portanto, P2 ( 0.2 ) =1.414

2.2 Formas de se obter Pn (x i)

Como j vimos, podemos obter o polinmio interpolador resolvendo o sistema
linear apresentado anteriormente. Porm essa no a maneira mais simples nem menos
sujeita a erros, podemos destacar ento as formas de Lagrange e de Newton.
2.2.1 Interpolao de lagrange
Seja Pn (x) um polinmio de grau menor ou igual a n que interpola
f 0 ( x ) , f 1 ( x ) , f 2 ( x ) , , f k ( x ) em x 0 , x 1 , x 2 , , x k podemos escrever o polinmio
n

como

Pn ( x )= f k ( x ) L k ( x ) para satisfazermos o teorema f ( x i )=P n( xi ) temos

k=0

que:
Pn ( xi ) =f 0 ( x i ) L0 ( x i ) + f 1 ( x i ) L1 ( x i ) ++ f n ( x i ) Ln ( x i )=f ( xi )
Para isso, impomos:
Lk ( xi ) = 0, k i
1, k =i
Assim, determinamos:

Lk ( x ) =

( xx 0 ) ( xx 1) ( x xk 1 ) ( xx k +1) ( x xn )
( x k x 0 ) ( x k x 1 ) ( x k x k1 ) ( x k x k+1 ) ( x k x n )

J que satisfaz as propriedades destacadas anteriormente citadas, ento

pode ser escrito na forma do produtrio abaixo:
n
(xx j )
Lk ( x ) =
j =0 ( x k x j)

Lk ( x )

j k

Assim o polinmio interpolador de Lagrange :

n

P n ( x ) = f k ( x ) L k ( x )
k=0

A forma de Lagrange se apresenta abrangente podendo tambm ser usada para

achar o polinmio interpolador linear como veremos na aplicao abaixo:
1) Interpolao linear por Lagrange
Dados os dois pontos [ x 0 , f ( x 0) ] e
pode ser escrito da seguinte forma:
P1 ( x )=f 0 ( x ) L0 ( x ) +f 1 ( x ) L1 ( x )
E ainda temos que:
(xx 1)
( xx 1)
L0 ( x ) =
; L1 ( x ) =
( x 0 x1 )
( x 1x 0 )

[ x 1 , f ( x1 )]

, o polinmio de Lagrange

Podemos ento substituir na frmula, obtendo genericamente:

(xx 1)
(xx 1 )
P1 ( x )=f 0 ( x i)
+ f 1 ( xi )
( x 0x 1 )
(x 1x 0)
2) Interpolao quadrdica por Lagrange
No caso de trs pontos [ x 0 , f ( x 0) ] , [ x 1 , f ( x1 ) ] e [ x 2 , f ( x2 ) ] temos:
P2 ( x )=f 0 ( x ) L0 ( x ) + f 1 ( x ) L1 ( x )+ f 2 ( x ) L2 ( x )
Onde,
(xx 1) ( xx2 )
( xx 0) ( xx 2 )
L0 ( x ) =
; L1 ( x ) =
;
( x 0 x1 ) ( x 0x 2)
( x 1x 0 ) ( x 1x 2)
(xx 0) ( xx 1 )
( x 2x 0 ) ( x 2x 1)
Substituindo:
(xx 1) ( xx 2 )
( xx 0) (x x2 )
(xx 0) ( x x1 )
P2 ( x )=f 0 ( x i)
+f 1 ( x i )
+f 2 ( x i )
( x 0x 1 ) ( x 0x 2)
(x 1x 0 ) (x 1x 2)
(x 2x 0 ) ( x 2x 1)

L2 ( x ) =

Exemplo 3: Seja a tabela

x
f ( x)

-1
4

0
1

2
-1

Resoluo:
Pela forma de Lagrangepara trs pontos introduzida no tpico anterior temos:
(x x1 ) (xx 2)
( x x0 ) ( xx 2)
( xx 0 ) ( xx 1)
P2 ( x )=f 0 ( x )
+ f 1 (x)
+ f 2( x )
( x 0x 1) ( x0 x2 )
( x 1x 0) ( x1 x2 )
( x 2x 0) (x 2x 1 )
Substituindo os pontos:
( x0)( x2)
(x(1 ))( x2)
( x(1 ) )(x0)
P2 ( x )=4
+1
+(1)
(10)(12)
(0(1 ))(02)
(2(1 ) )(20)
7
2 2
P2 ( x )=1 x+ x
3
3

) (

2.2.2 Forma de newton

Considere os pontos dados abaixo:
xi
x0

x1

x2

...

xn

y0

y1

y2

...

yn

y i=f (x i)

Sendo f ( x ) a funo tabelada em n+1 pontos diferentes, definimos o

Operador Diferenas Divididas por:
Ordem 0
f [ x 0 ]=f ( x 0) dem n: as Divididasfinimos o Ontes ,definimos o operador d
Ordem 1
f [ x 1 ] f [x 0 ]
f [ x 0 , x 1 ]=
( x 1x 0 )
Ordem 2
f [ x 1 , x 2 ]f [x 0 , x1 ]
f [ x 0 , x 1 , x 2 ]=
( x 2x 0 )
Ordem 3
f [ x 1 , x 2 , x 3 ] f [ x 0 , x 1 , x 2 ]
f [ x 0 , x 1 , x 2 , x 3 ]=
(x 3x 0 )
Ordem n
f [ x 1 , x 2 , , x n ] f [ x 0 , x 1 , , x n1]
f [ x 0 , x 1 , x 2 , , x n ]=
(x nx 0)
A diferena dividida de ordem k da funo
x 0 , x 1 , , x k f [x 0 , x 1 , , x k ] .

f ( x)

OBS: f [ x 0 , x 1 , x 2 , , x k ] simtrica nos argumentos;

f [ x 0 , x 1 , x 2 ]=f [ x 1 , x 0 , x 2 ]=f [ x 2 , x 1 , x 0 ]

sobre os (k+1) pontos

10

x Ordem
0
x 0 f (x0 )
x 1 f (x1 )
x 2 f (x2 )
x 3 f (x3 )
x 4 f (x 4)

xn

Ordem 1

f (xn )

Ordem 2

Ordem 3

f [ x0 , x1]
f [ x1 , x2]
f [ x2 , x3]
f [ x3 , x4 ]

f [ x0 , x1 , x2 ]
f [ x1 , x2 , x3 ]
f [ x2 , x3 , x4 ]

f [ x0 , x1 , x2 , x3 ]
f [ x 1 , x 2 , x 3, x 4 ]

f [ x n1 , x n ]

f [ x n2 , x n1 , x n ]

f [ x n3 , x n2 , x n1, x n ]

...

Ordem n

f [ x0 , x1 , x2 , , xn ]

Seja f ( x ) contnua e com tantas derivadas contnuas quantas necessrias em

a=x 0< x 1 << x n =b .
um intervalo [a,b] e sejam n+1 pontos nesse intervalo
Podemos calcular o polinmio Pn ( x) de grau mximo n que interpola f ( x ) da
seguinte forma:
Se P0 ( x) o polinmio de grau 0 que interpola f ( x ) em x 0 , logo
x
( 0)=f [ x 0]
P0 ( x )=f

Segue que, para todo x [ a ,b ] , x x 0

f [ x 0 ]f [ x ]
f [ x , x 0 ]=
(x 0x )
f ( x 0)f (x )
f [ x , x 0 ]=
( x 0x )
( x 0x ) . f [ x , x 0 ]=f ( x 0)f (x )
f ( x )=f ( x0 ) + ( x 0x ) . f [ x , x0 ]
f ( x )=P0 ( x )+ ( x 0x ) . f [ x , x0 ]
Onde ( x 0x ) . f [ x , x 0 ]=E0 ( x ) o Erro de Aproximao.
O mesmo processo usado para encontrarmos Pn (x) e ento teremos:
x
f ( 0)+ ( xx 0 ) f [ x 0 , x 1 ] + + ( xx 0 (xx n1) f [ x 0 , x 1 , , x n ]
P n ( x )=
En ( x ) =( xx 0 ) ( xx 1 ( xx n)f [x , x 0 , x 1 , , x n ]
Exemplo 4: Seja f(x) tabelada abaixo
x

-1

11

f(x)

-1

Resoluo:
As diferenas divididas so dadas por:
Ordem 0:
x
x
x
f ( 0)=4 , f ( 1)=1 e f ( 2)=1

Ordem 1:
f [ x 1 ] f [x 0 ] 14
=
=3
( x 1x 0 )
(0+1)
f [ x 2 ] f [x 1 ] (1)1
f [ x 1 , x 2 ]=
=
=1
( x 2x 1)
20
f [ x 0 , x 1 ]=

Ordem 2:
f [ x 0 , x 1 , x 2 ]=

f [ x 1 , x 2 ]f [x 0 , x1 ] (1)(3) 2
=
=
( x 2x 0 )
(2+1)
3

Logo, podemos construir o polinmio:

x
f ( 0)+ ( xx 0 ) f [ x 0 , x 1 ] + ( xx 0 (xx 1) f [ x 0 , x 1 , x 2 ]
P2 ( x )=
2
P2 ( x )=4+ ( x +1 ) (3 )+( x+ 1)(x0)( )
3
2
2
7
P2 ( x )= x x +1
3
3
2.3 Estudo do erro(truncatura) na interpolao
Ao definirmos o polinmio interpolador estamos sujeitos a dois tipos de erro:
arredondamento e tuncatura.O erro de arredondamento est relacionado com a ocultao
de casas decimais,j o erro de truncatura que se d quando aproximamos uma funo ao
polinmio interpolador dado por:
|En (x )|=|f ( x )Pn ( x)| para todo x pertencente ao intervalo [ x 0 , x n ]
Podemos observar atravs do grfico ver que o erro importante para se ter uma
ideia da aproximao realizada. No grfico abaixo, notamos que o polinmio P1 (x)
interpola as duas funes f 1 (x ) e f 2(x ) , porm est mais prximo de f 2(x )
do que de f 1 (x ) portanto o erro em relao a f 2 menor. Nota-se tambm que o
erro depende da concavidade das curvas.

12

Matematicamente:

Teorema 2:
Sejam
[ x0 , xn ]

E1 ( x ) =f 1 ( x ) P1 ( x ) > E1 ( x ) =f 2 ( x )P1 ( x ) x [ x 0 , x 1 ]

x 0< x1 << xn (n+1) ns da interpolao includos no intervalo

Seja f ( x) com derivadas at a ordem (n+1) x [ x 0 , x n ]

Seja Pn ( x ) o polinmio interpolador de f (x) nos ns de interpolao
Ento, possvel mostrar que para qualquer x pertencente ao intervalo, existe
um erro dado por:
( n +1)
f
( x )
En ( x ) =f ( x )Pn ( x )=( xx 0 ) ( xx 1 )( x x2 ) ( xx n)
(n+ 1)!
Onde x [ x 0 , x n ]
f

( n+1 )

Tal formula apresenta-se limitada pois raramente temos os valores de

(x ) e o ponto x no conhecido.

Teorema 3:
f ( n+1) ( x )
, x , x [ x0 , xn ]
( n+1)!
De acordo com os teoremas apresentados,
Se f (n+1 )( x ) for contnua no intervalo I =[ x 0 , x n ] podemos escrever que:
M (n +1)
|En (x )|=|f ( x )Pn (x)||( xx 0 ) ( xx 1 ) ( xx n )| (n+1)!
f ( x0 , x1 , , xn , x)=

Onde,

M (n+1 )=mx x I |f (n+1 ) ( x)|

1) Para pontos igualmente espaados temos:

x 1x 0=x 2x 1==xn x n1=h
Ento,
hn+1 M n+1
f
(
x
)
P
(x
)
<
|
| 4 ( n+1 )
n

13

Exemplo 4: Seja f ( x )=e x + x1 tabelada abaixo. Obter f (0.7) por interpolao

linear e fazer uma analise do erro cometido.
x
f ( x)

0
0.0

0.5
1.1487

1
2.7183

1.5
4.9811

2
83890

Resoluo:
P1 ( x )=f ( x 0 )+ ( xx 0 ) f [ x 0 , x 1 ]
x=0.7 ( 0.5,1 ) ento x 0=0.5 e x 1=1
2.71831.1487
P1 ( x )=1.1487+( x0.5)
P1 ( x )=1.1487+ ( x0.5 ) 1392
10.5
P1 ( 0.7 )=1.7765

O erro pode ser obtido diretamente pela equao

|En (x )|=|f ( x )Pn ( x)|

|E1 ( 0.7 )|=|f ( 0.7 )P1 ( 0.7 )|=|1.71371.7765|

|E1 ( 0.7 )|=0.0628
Esse valor do erro tambm pode ser garantido pela expresso
M( )
|En (x )|=|f ( x )Pn ( x)||( xx 0 ) ( xx 1 ) ( xx n )| ( n+1n +1) ! Como veremos abaixo :
M
|E1 ( 0.7 )|(0.70.5)(0.71) 2 2
Onde M 2 = mx x [ 0.5,1]|f 2 ( x )|=e1=2.7813
Ento

|E1 ( 0.7 )| 0.0815

e realmente 0.0628 0.0815

2.4 Funes spline em interpolao

Em desenhos de engenharia, Splines so rguas flexveis que podem ser
curvadas, passando por um certo conjunto de pontos de modo a traar curvas suaves. O
mtodo consiste em interpolar funes em grupos de poucos pontos, impondo condies
para que a aproximao e suas derivadas, at certa ordem, sejam contnuas. Assim,
obteremos polinmios de grau menor.

14

Considere a funo f (x) tabelada nos pontos x 0< x1 << xn . Uma funo
S p (x) denominada spline de grau p com ns nos pontos x i , i = 0, 1, 2,..., n se:
Em cada subintervalo [ x i , x i+1 , i = 0, 1,..., (n - 1), S p ( x ) um polinmio
de grau p: s p ( x )
S p ( x ) contnua e tem derivada contnua at ordem (p 1) em [a, b]

Se S p ( x ) tambm satisfaz a condio

S p ( xi ) = f ( xi ) , i = 0,1, ..., n, ela ser uma spline interpolante.
2.4.1

Spline Linear Interpolante

Sendo S 1 (x) a funo spline linear interpolante de f (x) nos ns

x 0 , x 1 , , x n , em cada subintervalo [ x i1 , xi , i = 1, 2, ..., n ela escrita como:
x x
xx i1
S 1 ( x )=f ( x i1) i
+f ( x i )
, x [x i1 , x i ]
xi xi 1
x ix i1
S 1 (x) polinmio de grau 1 em cada subintervalo [ x i1 , xi

S 1 ( x ) contnua em ( x i1 , xi , por definio, e, nos ns x i , realmente

S 1 est bem definida, pois: s i ( xi ) =s i+1 ( x i )=f (x i) S1 ( x ) contnua em

[a,b] e, portanto, S 1 ( x ) spline linear.
S 1 ( x i ) =s i ( x i ) =f (x i ) S 1 (x) spline linear interpolante de f (x) nos ns

x0 , x1 , , xn .

2.4.2

Splines Cbicas Interpolantes

As splines cbicas so mais usadas pois no apresentam a desvantagem de ter

derivada de primeira descontnua nos ns, como a spline linear, ou de ter derivadas
contnuas at ordem 1, como no caso das splines quadrticas.
Definimos a splinecbica, S 3 ( x ) , como uma funo polinomial por partes e
contnua, onde casa parte, s k ( x ) , um polinmio de grau 3 no intervalo [ x i1 , xi ,

15

k=1, 2, ..., n. S 3 ( x ) tem primeira e segunda derivadas contnuas, fazendo com que a
curva no tenha picos nem mude de forma abrupta de curvatura nos ns.
Seja f ( x ) uma funo tabelada nos pontos x i , i = 0, 1, 2,..., n a funo
S 3 ( x ) chamada spline cbica interpolante de f ( x ) nos ns x i se existem n
polinmios de grau 3, s k ( x ) , k = 1, ..., n tais que:
1. S 3 ( x )=s k ( x ) para x [x k1 , x k ], k =1,... , n
2. S 3 ( xi ) =f ( x i ) , i=0,1, 2,. .., n
3. s k ( x k )=sk +1 ( x k ) , k =1,2, ,( n1)
4.
5.

s 'k ( x k )=s'k +1 ( x k ) , k =1,2, ,( n1)

''
''
s k ( x k )=s k+1 ( x k ) ,k =1, 2, ,(n1)

Para calcular S 3 ( x )
devemos determinar 4 coeficientes para cada k:
a1 , b1 , c1 , d 1 , , an , bn , c n , dn .
Se impusermos as condies para que S 3 ( x ) seja spline interpolante de f em
x 0 , x 1 , , x n teremos o que segue:
(n + 1) condies para que S 3 ( x ) interpole f ( x ) nos ns;
(n 1) condies para que S 3 ( x ) tenha sua continuidade garantida nos
ns;
(n 1) condies para as derivadas de S 3 ( x ) nos ns ;
(n 1) para as derivadas segundas de S 3 ( x ) nos ns.
Portanto, temos 4n 2 condies, ou seja, duas condies em aberto a serem
impostas de acordo com as informaes sobre o problema.
3
2
Sendo s k ( x ) =ak ( xx k ) +b k ( xx k ) + c k ( xx k ) + d k , k =1,2, , n satisfazemos
a condio 1.
Para impor a condio 2 montamos as seguintes equaes para k = 1,..., n
xn
sk ( xk ) =
) e
d k =f
s 1 ( x 0 ) =f ( x 0 ) a 1 h31 +b 1 h 21c 1 h 1+ d 1=f ( x 0 ) ,
onde hk =x k x k1 , com k = 1.
A condio 3 satisfeita atravs das (n 1) equaes: para k = 1, ..., (n 1),
s k+1 ( x k )=f ( x k ) :
ak+1 h3K +1+ bk+1 h2k +1c k+ 1 h k+1+ d k+1=f ( x k )
Para as condies 4 e 5, precisamos das seguintes derivadas:
s 'k ( x ) =3 ak ( xx k )2 +2 bk ( xx k ) +c k
''
s k ( x )=6 a k ( xx k ) +2 b k

16
''

Como s 'k' ( x )=2 bk , cada bk

pode ser escrito como:

''
analogia, seja s k ( x k1 )=6 a k h k + 2b k

escrevemos ak

sk ( xk )
bk =
2

e, por

em funo das derivadas

2 b k s'k' ( x k1 ) s 'k' ( x k )s'k' ( x k1 )

segundas nos ns, logo, ak =
=
6 hk
6 hk
''

Se a condio 5 for imposta teremos

ak =

''

s k ( x k ) sk1 ( x k1)
6 hk

(no caso k=1,

''
utilizaremos uma varivel qualquer s 0 ( x 0 ) ).
Como j sabemos as expresses de ak , bk e d k , sendo as duas primeiras em
funo das derivadas segundas nos ns, podemos encontrar c k tambm em funo
das derivadas segundas a partir das seguintes equaes:
s 1 ( x 0 ) =f ( x 0 ) a 1 h31 +b 1 h 21c 1 h 1+ d 1=f ( x 0 )

ak+1 h3K +1+ bk+1 h2k +1c k+ 1 h k+1+ d k+1=f ( x k )

Se c 1 for retirado da primeira equao e usarmos a segunda equao para k =
1, 2,...,n teremos:
f ( x k1 )ak h3k +bk h2k + d k f (x k )f ( x k1 )
ck=
=
( ak h2k bk hk )
hk
hk
''

''

''

f (x k )f ( x k1 )
sk ( x k ) s k ( x k1 )
sk ( xk )

{
hk
hk }
hk
6
2
''

''

f ( x k )f ( x k1 ) 2 s k ( x k ) hk s k1 ( x k1 ) hk
Logo: c k =

hk
6
''
Se substituirmos s k ( x k )=g k e f ( x k ) = y k
g g
ak = k k1
6 hk
g
bk = k
2
y y k1 2h k gk + g k1 hk
ck= k
+
hk
6
dk yk

teremos ento:

Ento podemos, portanto, calcular todos os coeficientes de

de

s k (x )

em funo

''
j

g j =s ( x j ) , j = 1, 2, ..., n.
Vamos impor agora a condio 4 para k = 1, 2, ..., (n-1), achando:
s 'k ( x k )=c k =3 ak+ 1 h2k +12 bk +1 h k+1 +c k+1

Sendo c k+1 =c k 3 a k+1 h2k+1 +2 bk +1 h k+1 e usando as equaes encontradas para

ak , bk e c k :
y k+1 y k 2 h k+1 g k+1 + gk hk +1 y k y k1 2h k g k + g k1 h k
+
=
+

hk+1
6
hk
6

17

g k+1g k
g h
hk+1 +2( k+1 k +1 )
6
2
Se agruparmos os termos semelhantes, para k = 1, 2,..., n-1
1
h g + ( 2 h k +3 h k+1hk+1 ) gk + ( 6 h k+13 h k+12 h k+1 ) g k+1 ]=
6 [ k k1
y k+1 y k y k y k1

hk+1
hk
Sendo assim:
y y
y y
hk gk1 +2 ( hk +h k+1 ) g k +hk +1 gk +1=6( k +1 k k k1 )
h k+1
hk
A qual um sistema de equaes lineares com (n - 1) equaes (k = 1, ..., (n
1)) e (n + 1) incgnitas: g0 , g 1 , , g n1 , gn e, portanto, indeterminado, Ax = b sendo
3

g
T
( 0 , g1 , , gn1 , g n)
x=

h4

y2 y 1 y 1 y 0

h2
h1
y3 y 2 y 2 y 1

b=6
h3
h2

y n y n 1 y n1 y n2

hn
h n1

h1 2(h1 +h 2)

h2
h2
3
h2 +h

)
2(

hn1 2(h n+ hn) hn (n1 )(n+1 )

A=

( )

(n 1) 1

Resolveremos esse sistema de forma nica com a imposio das duas condies
j comentadas anteriormente. Tendo a soluo, poderemos determinar ak , bk , c k , d k
para cada s k ( x ) .
Alternativas:
''
''
Seja S 3 ( x 0 )=g 0=0 e S 3 ( x n )=g n=0 (spline natural) estamos supondo que
os polinmios cbicos nos intervalos extremos so lineares ou prximos de
funes lineares

18

g0=g1 , g n=gn 1 , estamos supondo que as cbicas so aproximadamente

parbolas nos extremos.
Se determinarmos valores para as inclinaes em casa extremo, como
S '3 ( x0 ) = A e S'3 ( x n )=B , teremos duas equaes adicionais:
s '1 ( x 0 ) =3 a1 h22 b1 h+c 1= A
s 'n ( x n) =c n=B

Exemplo 5: Encontrar uma aproximao para f (0.25) por spline cbica natural,
interpolante da tabela:
x
0
0.5
1.0
1.5
2.0
f(x)
3
1.8616
-0.5571
-4.1987
-9.0536

Resoluo:
Temos 4 subdivises do intervalo [0, 2.0] com n = 4 e ento devemos determinar
s 1 ( x ) , s 2 ( x ) , s3 ( x ) , s4 ( x) resolvendo o sistema para 1 k n1=3 :
y y
y y
hk gk1 +2 ( hk +h k+1 ) g k +hk +1 gk +1=6( k +1 k k k1 )
h k+1
hk
Sendo hk =h=0.5 , ento:
6
hk gk1 +4 h g k + h g k1= ( y k12 y k + y k1)
h

{
{

6
h g0 +4 h g 1+ h g 2= ( y 22 y 1+ y 0 )
h
6
h g1 +4 h g 2+ h g 3= ( y 32 y 2+ y1 )
h
6
h g 2+ 4 h g3 +h g4 = ( y 42 y 3 + y 2 )
h

Mas queremos a spline cbica natural, ento

6
4 h g 1+ h g 2= ( y 22 y 1 + y 0 )
h
6
h g1 + 4 h g2 +h g3= ( y 32 y 2 + y 1)
h
6
h g 2+ 4 h g3= ( y 42 y 3+ y 2)
h

)( ) (

y 2 y 1+ y 0
4h h
0 g1
6 2
h 4 h h g 2 = y 32 y 2 + y 1
h
0
h 4 h g3
y 42 y 3 + y 2

g0=g 4=0 . Logo:

19

Substituindo agora os valores de h e de

)( ) (

2 0.5 0 g 1 15.3636
0.5 2 0.5 g 2 = 14.6748
0 0.5 2 g 3 14.5598

y i ,0 i 4 :

Resolvemos o sistema acima por meio do uso de um mtodo de sistema de

EALs, como, por exemplo, o mtodo da Eliminao de Gauss e obtemos:
g1=6.6541, g 2=4.111, g3 =6.252
Substituindo os valores agora conhecidos nas expresses de ak , bk , c k , d k
encontraremos s 1 ( x ) , s 2 ( x ) , s3 ( x ) , s4 ( x) , porm, o problema pede uma aproximao
para f (0.25) , e f (0.25) s1 ( 0.25 ) .
Assim:
s 1 ( x )=a1 ( x x1 )3 +b 1 ( xx 1 )2 +c 1 ( xx 1) + d 1
g1 g 0 6.6541
=
=2.2180
6h
3
g
bk = 1 =3.3270
2
y 1 y 0 2 h g1 + g0 h
ck=
+
=3.3858
h
6
d k y 1=1.8616
ak =

Logo:
s 1 ( 0.25 )=2.2180 (0.25 )3 3.3270 ( 0.25 )23.3858 (0.25 )+1.8616
s 1 ( 0.25 )=2.5348
Ento, por spline cbica natural interpolante,
f ( 0.25 ) s 1 ( 0.25 )=2.5348

3. INTEGRAO NMERICA
Em diversos casos na cincia se faz necessrio integrar de forma definida, dentro
de um intervalo [a ,b ] , certas funes matemticas. Um meio usualmente empregado
para determinar uma integral definida a integrao numrica. Esse meio nos
proporciona uma aproximao da integral de determinada funo quando no se capaz
de obt-la de forma analtica.
Sabemos do clculo diferencial e integral que se f ( x) funo contnua em
[a ,b ] , ento esta funo tem uma primitiva neste intervalo, ou seja, existe F( x )
tal que F ( x) = f ( x) . Assim:

20
b

f ( x ) dx=F ( b )F ( a ) ,

no entanto, pode no ser fcil expressar esta funo

primitiva por meio de combinaes finitas de funes elementares, como, por exemplo,
a funo f ( x )=e x , cuja primitiva F ( x ) , que se anula para x=0 , chamada
funo de Gauss.
Existe ainda o caso em que o valor de f (x) conhecido apenas em
alguns pontos, num intervalo [a ,b ] . Como no conhecemos a expresso analtica de
2

f ( x) , no temos condio de calcular

f ( x ) dx

Uma forma de se obter uma aproximao para a integral de f ( x) num

intervalo [a ,b ] , como nos casos acima, atravs dos mtodos numricos que
veremos a seguir:
3.1 Frmulas de Newton-Cotes
Nas frmulas de Newton-Cotes a idia de polinmio que aproxime
f ( x) razoavelmente que este polinmio interpole f (x) em pontos de [ a , b ]
igualmente espaados. Considerando a partio do intervalo [a ,b ] em subintervalos,
x
de comprimento h , [ i , xi +1 ] ,

i=0, 1,2, , n1 . Assim: x i+1x i=h=( ba)/n .

As frmulas fechadas de Newton-Cotes so frmulas de integrao do
tipo:
x 0=a , x n=b e
b

xn

f ( x ) dx= f ( x ) dx A 0 f ( x0 ) + A 1 f ( x1 ) + + A n f ( x n )= A i f ( xi )
a

x0

i=0

sendo os coeficientes A i determinados de acordo com o grau do polinmio

aproximador.
Veremos a seguir algumas das frmulas fechadas deNewton-Cotes, a
saber, regra do Trapzio e a regra 1/3 de Simpson.
3.2 Regra do trapzio
Este mtodo consiste na aproximao do valor da funo contnua de f ( x) ,
no intervalo [a ,b ] , por uma funo linear, em outras palavras, feita a substituio
da curva do grfico correspondente funo por uma reta aproximada curva. Veremos
que, nessa aproximao a integral da funo f ( x) pode ser aproximada pela rea de
um trapzio.

21

f (x)

Aproximao da curva de uma funo

trapzios de mesma base.

em retas, pela regra do trapzio, formando

Aps feita a substituio da funo f(x) por um polinmio que a aproxime no

intervalo [a ,b ] em pontos igualmente espaados, o problema resolvido pela
integrao de um polinmio.
Na regra dos trapzios, utiliza-se um polinmio interpolador de Lagrange do
primeiro grau:
f ( x ) b 0 p 0 ( x ) +b1 p 1 ( x )
f ( x0 )
f ( x1 )
Onde: b0 =
, b1=
, p0 ( x )=x x1 , p1 ( x )=xx 0
x 0x 1
x 1x 0
Integrando no intervalo [a ,b ] temos:
b

f ( x ) dx h2 [f ( x 0 ) + f ( x 1 ) ]

Onde: h=x1x 0 , o que a formula da rea do trapzio, como mostrado na

figura a seguir:

22

Quanto maior for o intervalo, maior ser o erro do mtodo:

e t ( erro total )=
Onde,

h2 (
ba ) M
12

M =mx . f ' ' (x) ; a x b .

ba
h=
= x .
n

Dessa forma, um melhoramento no mtodo consiste em dividir o intervalo em

vrios pedaos, calcular a rea de cada um deles, e em seguida somar todos.

Diviso do intervalo em pedaos, diminuindo assim o erro do mtodo.

n 1

h
f ( xi ) f ( xi 1 )
i 0 2
h
h
h
I ( f ( x0 ) f ( x1 )) ( f ( x1 ) f ( x2 )) ... ( f ( xn 1 ) f ( xn ))
2
2
2
h
I f ( x0 ) 2 f ( x1 ) 2 f ( x2 ) ... 2 f ( xn 1 ) f ( xn )
2
I

Exemplo 1: Calcule a integral de

subintervalos.
Resoluo:

f ( x )=e x

no intervalo

[0,1]

com

10

23

ba
0,1
10
h
I ( f (0) 2 f (0,1) ... 2 f (0,9) f (1))
2
h
I (e 0 2e 0,1 ... 2e 0,9 e1 )
2
I 1,72

3.3 Regra de Simpson

Em vez da aproximao da funo contnua f (x) no intervalo
[a ,b ] por uma funo de 1 ordem como na regra do Trapzio, na regra de Simpson
a aproximao ser feita por uma funo de 2 ordem, ou seja, feita a substituio da
curva do grfico correspondente funo contnua por uma parbola aproximada.
Pode-se usar a frmula de Lagrange para estabelecer a frmula de integrao
resultante da aproximao de f (x) por um polinmio interpolador do 2 grau.
Seja p2 (x) que interpola f ( x) nos pontos:
x 0=a
x 1=x 0+ h
x 2=x 0+ 2h=b

p2 ( x )

x x1 x x2 f ( x ) x x0 x x2 f ( x ) x x0 x x1 f ( x )
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2

p2 ( x )

x x1 x x2 f ( x ) x x0 x x2 f ( x ) x x0 x x1 f ( x )
0
1
2
h 2h
h h
2h h

24

Substituio da curva da funo contnua pela parbola aproximada.

b

f ( x ) dx p2 ( x ) dx
a
b

[f ( x 0 ) L0 ( x )+ f ( x 1 ) L1 ( x ) + f (x 2) L2 ( x)] dx
a

[ f ( x 0 ) L0 ( x ) + f ( x1 ) L1 ( x ) + f ( x 2 ) L2 ( x ) ]= p2 ( x )
b

(na forma de Lagrange)

f ( x 0 ) L0 ( x ) dx+ f ( x 1 ) L1 ( x ) dx + f ( x 2) L2 ( x ) dx
a

Onde,
b

L0 ( x ) dx=: w0
a
b

L1 ( x ) dx=: w1
a
b

L2 ( x ) dx=: w2
a

x2

( X x )( X x ) ( X x )( X x )
1
x ( x0 x11 )( x0 x22 ) (h1)(2h) 2 2h 2
0
do

x2

( X x )( X x )
1

x0

L0 ,

Substituindo (x-x0)/h=y temos que dx = hdy. Da, temos:

X x1 =x0 + yh(x 0 +h)=( y1) h
X x2 =x0 + yh( x0 +2 h)=( y2) h
X =x0 y=0 e X=x 2 y =2

Resolven

25

1
2h 2

( y 1)h( y 2)hhdy
0

h 2
y 3 y 2dy
2 0

w0

h h2 h
4h
h
w2 w1
3 23 3
3
3

Temos que a frmula final para a integral numrica pela regra de Simpson a
seguinte:
x2

h
f
(
x
)
dx

[ f ( x0 ) 4 f ( x1 ) f ( x2 )]
x
3
0

Vale salientar que este mtodo tambm conhecido como regra 1/ 3 de

Simpson devido ao fator multiplicador de h .
Observa-se que so necessrios no mnimo trs valores de f (xi ) para calcular
a integral pela regra de Simpson.
Na frmula x 0=a , x 2=b e x 1 um ponto equidistante entre x 0 e x 2 .
Exemplo 2: Estimar o valor da integral de e x
regra 1/3 de Simpson.

no intervalo [0,1] atravs da

Resoluo:
1

e x dx 16 [ e0 + 4 e 0,5 +e 1 ]=1,7189
0

4. AJUSTE DE CURVAS
O Mtodo dos Quadrados Mnimos a forma mais utilizada no ajuste de
curvas, ele aplicado quando se tem um conjunto de pontos e pretende-se definir a

26

curva que melhor se ajusta a este. Este mtodo utilizado para aproximar dados obtidos
experimentalmente por uma funo linear ou no linear. Est situado no ramo da
matemtica numrica e pode ser implementado em diversos softwares numricos.
Caso geral
O problema de ajuste de curvas no caso em que se tem uma tabela de pontos (x1,
y1), (x2, y2),..., (xn,yn), com xi pertencentes ao intervalo [a, b], consiste em dadas m + 1
funes g0(x), g1(x),..., gm(x), continuas em [a, b], obter m + 1 coeficientes 0, 1,...,
m de tal forma que
f(x) = 0g0(x) + 1g1(x) +...+ mgm(x)
se aproxime de y(x), que fornece os valores y1, y2,..., yn dos pontos tabelados.
Este um modelo matemtico linear do sistema real, pois os coeficientes i a
serem determinados aparecem linearmente arranjados, embora as funes gi(x) possam
ser no-lineares, como g0(x) = ex e g1(x) = 1 + x2, por exemplo.
O grande problema como escolher adequadamente estas funes. Para isto,
normalmente faz-se a observao do diagrama de disperso para ver a forma geral dos
pontos, ou ento deve-se basear em fundamentos tericos do experimento que fornece a
tabela.
Uma ideia para que a funo f(x) se ajuste aos pontos yi fazer com que o
desvio, ou erro, di= yi -f(xi) seja mnimo para todo i = 1, 2..., n. Assim, definindo uma
medida mais abrangente que envolve a soma destes desvios elevados ao quadrado temse:
D(0, 1,..., m) =
n

d 2i
i=1

[ y i f ( x i)]2
i=1
n

[ y i 0 g0 ( x ) 1 g1 ( x ) m gm ( x )]2
i=1

O que se busca ento determinar os i's para que D(0, 1,..., m) seja mnimo.
Este processo de minimizao chamado de Mtodo dos Mnimos Quadrados, uma vez
que D(0, 1,..., m) definido por uma soma de quadrados.
Do clculo diferencial, sabe-se que para determinar o valor mnimo de uma
funo (ou o seu valor crtico) deve-se derivar parcialmente esta funo em relao s
variveis independentes. Dessa forma:

27

y i 0 g 0 ( xi )

x
( i)

n
D
=2
0
i=1
y i 0 g 0( xi )

x
( i)

n
D
=2
1
i=1
y i 0 g 0( xi )

x
( i)

n
D
=2
2
i=1

y i 0 g 0 (xi )

x
(i)

n
D
=2
m
i=1
n

Substituindo

i=1

por

para simplificao de notao, igualando estas

equaes a 0 e fazendo um rearranjo de termos ento tem-se:

xi
g1 ( x i) g0 ( )

xi
y i g0 ()
( g 0 ( x i )2 ) o +

28

xi
g0 ( xi ) g1 ()

xi
y i g1 ()

xi
y i g m ()

( g 0 ( x i ) gm ( x i)) 0 + ( g1 ( x i ) gm ( x i )) 1 ++ ( gm ( x i ) ) m=
2

que se trata de um sistema linear que pode ser solucionado por qualquer mtodo
numrico (Gauss, LU, etc.). As equaes deste sistema so chamadas de equaes
normais. Nota-se que a matriz dos coeficientes deste sistema simtrica com relao
diagonal principal, ou seja, a parte triangular inferior igual a parte triangular superior.
4.1 Caso Linear
O modelo mais simples de relacionar duas variveis atravs de uma equao
da reta, se a distribuio dos pontos no diagrama de disperso assumir uma aparncia de
uma reta, ento pode-se afirmar que:
g0 ( x ) =1
g1 ( x )=x
g2 ( x )=g 3 ( x )==gm (x )
O que faz com que o modelo matemtico que se ajuste aos pontos do diagrama
de disperso seja uma equao de reta, dada por:
f ( x )= 0 + 1 x
O problema ento determinar 0 e 1 . Sabe-se, porm, que para
diferentes valores destes coeficientes (ou parmetros) haver diferentes retas que se
ajustam aos pontosdados. Dessa forma, utilizando o Mtodo dos Mnimos Quadrados
para minimizar a medida:
n

D ( 0 , 1 )= [ y i 0 1 x i ]2
i=1

Substituindo

i=1

seguinte sistema:

por

para simplificao de notao teremos o

29

1=

0=

xi

xi
x2i

][ ] [ ]

0
=
1

yi
yi xi

n x i y i x i y i
n x 2i ( xi )

y i( x i ) 1
n

Exemplo 1: Ajustar os dados da tabela a seguir a uma reta de modo que

) seja o
D

menor possvel.
i
1
2
3
4
5

xi
1.3
3.4
5.1
6.8
8.0

yi
2.0
5.2
3.8
6.1
5.8

Resoluo: Como se deseja encontrar os valores dos parmetros da reta dados pelas
equaes de 0 e 1 ento basta encontrar os respectivos somatrios:
5

x i=1.3+3.4 +5.1+6.8+8.0=24.6
i=1
5

x 2i =1.32 +3.4 2+5.12 +6.8 2+8.0 2=149.5

i=1
5

y i=2.0+5.2+ 3.8+6.1+5.8=22.9
i=1
5

y i xi =( 2.0 1.3 ) + ( 5.2 3.4 ) + ( 3.8 5.1 ) + ( 6.1 6.8 )+ (5.8 8.0 )=127.54
i=1

Substituindo esses valores nas equaes de

1=

( 5 127.54 )(24.6 22.9)

=0.522
2
(5 149.5)24.5

0=

22.9(24.6 0.522)
=2.01
5

0 e

1 tem-se:

30

Ou seja, teremos ento a reta

f ( x )=2.01+0.522 x , como ilustra o grfico

abaixo:

4.2 Caso no-linear

Em alguns casos, a famlia de funes escolhidas pode ser no-linear nos
parmetros, como,por exemplo, se o diagrama de disperso de uma determinada funo
x
se ajustar a uma exponencial do tipo f ( x )= 0 e
, com 0 e 1 positivos.
Para se aplicar o Mtodo Mnimos Quadrados necessrio que se efetue uma
linearizao do problema atravs de uma transformao conveniente. Por exemplo, se
x
z=ln y ( x ) ln 0 1 x
y ( x ) 0 e
ento:
y ( x ) f ( x ) = a1 +a2 x
Se a1=ln 0 e a2= 1 ento
que um problema
ln
linear nos parmetros.
1

O mtodo dos mnimos quadrados pode ento ser aplicado na resoluo do

problema linearizado. Obtidos os parmetros deste problema, usa-se estes valores para
calcular os parmetros originais. importante observar que os parmetros assim obtidos
no so timos dentro do critrio dos mnimos quadrados. Isto porque o que se ajusta
o problema linearizado, e no o original.
Exemplo 1: A tabela abaixo d os valores observados da presso P de certa
massa de gs correspondente a diversos valores do volume V. De acordo com os
princpios da termodinmica, deve existir entre as variveis uma relao da forma

PV =C , onde e C soconstantes.
a.Determine os valores de e C.
b.Escreva a equao que relaciona P e V.
Volume V(pol3)

54.3

61.8

72.4

88.7

118.6

194.0

31

Presso P(lbs/pol2)

61.2

49.5

37.6

28.4

19.2

10.1

Resoluo:
a. Como PV =C , temos, tomando logaritmos decimais
log P+ log V =log C ou
log P=logC log V
Fazendo log V =x e log P= y
a ltima equao pode ser escrita y=a+bx onde
a=log C e b=
Na tabela abaixo so fornecidos os valores de x e y correspondentes aosvalores
de V e P da tabela anterior, juntamente com os clculos para determinao da reta de
mnimos quadrados.
x=log V
1.7348
1.7910
1.8597
1.9479
2.0741
2.2878
x=11.6953

y=log P
1.7868
1.6946
1.5752
1.4533
1.2833
1.0043
y =8.7975

x2
3.0095
3.2077
3.4585
3.7943
4.3019
5.2340
x 2=23.0059

As equaes correspondentes reta de mnimos quadrados so:

y =an+b x
xy=a x+ b x 2
Substituindo esses valores nas equaes de a e b tem-se:
b=

( 6 16.8543 )(11.6953 8.7975)

=1.40
( 6 23.0059 )( 11.6953 2)

a=

8.7975( 11.6953 (1.40 ) )

4.20
6

Ou seja, teremos ento a reta f ( x )=4.201.40 x .

Como a=4.20=log C
C=1.60 10 4 e =1.40

e b=1.40= ,

xy
3.0997
3.0350
2.9294
2.8309
2.6617
2.2976
xy=16.8543

32

b.

PV

1.40

=16000

5. PROVA
1o Questo (3,0 Pontos): A proposta do polinmio interpolador de Lagrange
gera um polinmio que permita reproduzir o comportamento de um
determinado modelo fsico. Atravs do intervalo [3,5; 5,5] com um h =
0,5 e do modelo, f(x), apresentado abaixo, formule uma tabela e em
seguida desenvolva o polinmio interpolador de Lagrange para tal
questo.

f x e x cos x sen x

1
2

x 1 3 sen x 2 cos x
5

2o Questo (3,0 Pontos): Resolva as integrais abaixo usando as tcnicas da

regra do trapzio e de Simpson.
a.) Aplique a tcnica do trapzio para resolver a integral.

a1.)

ln x

x 1

dx ; n 8
5

I
; a2.)

cos 2 x
x

dx ; n 6

b.) Encontre um valor aproximado para as integrais abaixo, use a regra de Simpson com
4 subintervalos e expresse os resultados com trs decimais.
2

e x

1 x

I
b1.)

dx ; n 6

I
; b2.)

3 / 8

tg x dx ; n 8
0

3 Questo (4,0 Pontos):

A qualidade do produto final de uma determinada empresa depende de insumos como

matria prima, energia eltrica, investimento em equipamentos, equipamentos em mo
obra qualificada etc. A relao entre o produto final e os insumos so dados pelo
seguinte modelo:

f x k 1 g1 x k 2 g 2 x k 3 g 3 x k 4 g 4 x k
a.) (2,5 Pontos): Aplique o Mtodo dos Mnimos Quadrados (MMQ) para obter
o sistema de EALs em funes de 1, 2, 3 e 4.
(1,5 Pontos): Aplique o mtodo de sobre-relaxao para obter
as equaes iterativas das variveis 1, 2, 3 e 4.

33

6. RESOLUO
1o )

-Passo (1): determinao dos ns de interpolao x k , f ( x k ) , k =0,1,2,3,4

A partir do intervalo dado [3.5 ; 5.5] e do h=0.5 podemos dizer que os
valores de x k so:
x 0=3.5000
x 1=4.0000
x 2=4.5000
x 3=5.0000
x 4=5.5000 , com k =0,1,2,3,4 .
A partir dos valores conhecidos de x podemos ento substituir na equao
dada e achar os valores de f (x k ) onde
1
1
f ( x )=e x [ cos ( x ) +sen ( x ) ] + (x1)3 + [ sen ( x ) 2cos ( x ) ]
2
5

Logo,
f ( x 0 ) =8.0781
f ( x 1 )=13.5843
f ( x 2 )=21.3131

34

f ( x 3 )=31.6902
f ( x 4 ) =45.1379
A tabela de valores de x k , f ( x k ) para k =0,1,2,3,4
x
f ( x)

3.5000
8.0781

4.0000
13.5843

4.5000
21.3131

5.0000
31.6902

5.5000
45.1379

-Passo (2): determinao do polinmio de Lagrange:

O polinmio de Lagrangepode ser escrito na forma:
P4 ( x )=f ( x 0 ) L0 ( x ) + f ( x1 ) L1 ( x ) +f ( x 2 ) L2 ( x ) +f ( x 3 ) L3 ( x ) +f ( x 4 ) L4 ( x )
-Passo (3): determinao de Lk ( x)
Para obtermos P4 ( x ) precisamos dos valores de Lk ( x) , k =0,1,2,3,4 , que
dado pelas equaes:
( x x1 )( xx 2)( xx 3 )(xx 4 )
L0 ( x ) =
( x 0 x1 )( x 0x 2)( x 0x 3 )(x 0x 4 )
L1 ( x ) =

( xx 0)( x x2 )( xx 3)( x x 4)
( x 1x 0 )( x1 x2 )( x 1x 3)(x 1x 4 )

L2 ( x ) =

(xx 0 )( xx1 )(xx 3)(x x 4)

(x 2x 0 )(x 2x1 )(x 2x 3)( x 2x 4 )

L3 ( x ) =

( xx 0 )( xx 1)( xx 2 )(xx 4 )
( x 3x 0 )( x 3x 1)( x 3x 2)(x 3 x 4)

L4 ( x ) =

( xx 0 ) ( xx 1 ) ( xx 2 )( xx3 )
( x 4x 0 ) ( x 4x 1 ) ( x 4x 2 ) ( x 4x 3 )

Assim,
L0 ( x )=0.6667 x 4 12.6667 x 3+ 89.8333 x 2 281.8333 x+ 330.0

35
4

L1 ( x )=2.6667 x +49.3333 x 339.3333 x +1027.6667 x1155.0

4
3
2
L2 ( x )=4.0 x 72.0 x + 481.0 x 1413.0 x +1540.0
L3 ( x )=2.6667 x 4 + 46.6666 x 3303.3333 x 2+ 868.3333 x 924.0
L4 ( x )=0.6667 x 411.3333 x 3 +71.8333 x 2201.1667 x+210.0
-Passo (4): determinar f ( x k ) Lk ( x )
Para determinarmos as parcelas f ( x k ) Lk ( x ) substitumosos valores j obtidos,
dessa forma :

f ( x 0 ) L0 ( x )=5.3854 x 4 102.3226 x3 +725.6827 x 22276.6779 x+ 2665.7730

f ( x 1 ) L1 ( x )=36.2248 x 4 + 670.1588 x 34609.6058 x 2 +13960.1323 x15689.8665
f ( x 2 ) L2 ( x )=85.2524 x 4 1534.5432 x 3 +10251.6011 x2 30115.4103 x+32822.174
f ( x 3 ) L3 ( x )=84.5072 x 4 +1478.876 x 39612.694 x 2+27517.657 x29281.7448
f ( x 4 ) L4 ( x )=30.0919 x 4511.5629 x 3 +3242.4058 x 29080.2409 x+ 9478.9590
-Passo (5): substitumos f ( x k ) Lk ( x ) na equao do polinmio
Finalmente obtemos P4 ( x ) pela soma das parcelas acima:
P4 ( x )=0.0023 x 4 + 0.6061 x 32.6102 x 2+5.4603 x4.7053

Podemos ainda plotar o grfico do polinmio obtido em um intervalo de

[3,6 ] em x e [7,50 ] em y :

36

Podemos ainda fazer uma anlise do erro de truncamento da questo.

Sendo o erro definido como: |En ( x )|=|f ( x )Pn (x)| ento,

|E 4 ( x)|=ex [ cos ( x ) + sen ( x ) ]+ 2 ( x1)3 + 5 [ sen ( x )2 cos ( x ) ]+ 0.0023 x 4 0.6061 x 3 +2.6102 x2 5.

Plotando o grfico do erro para o intervalo [0,6] em
y :

2)

x e de [0,5] em

37
2

a1 .

I =
1

h=

lnx
dx ; n=8
1 /5
( x1 )

( 21 )
h
=0,125 ; =0,063
2
8
Tabela:

x
lnx

( x1 )1/ 5
lnx
( x1 )1 /5

x0
1
0
0

x1
x2
x3
x4
x5
x6
x7
x8
1,125 1,25 1,375 1,5
1,625 1,75 1,875 2
0,118 0,223 0,318 0,405 0,486 0,56 0,629 0,693
0,66 0,758 0,822 0,871 0,910 0,944 0,974 1

ind.

0,179 0,294 0,387 0,465 0,534 0,593 0,646 0,693

h
I RT = {f ( x 0 ) +2 [ f ( x1 ) + f ( x 2) + f ( x 3 ) +f ( x 4 )+ f ( x 5 ) + f ( x 6 ) + f ( x 7 ) ] +f ( x 8 ) }
2
I RT 0,063 {0+2[0,179+0,294 +0,387+ 0,465+ 0,534+0,593+ 0,646]+0,693 }
I RT 0,434

a2 . I =
0

h=

cos 2 x
dx ; n=6
1 /3
x

( 10 )
h
=0,167 ; =0,083
2
6
Tabela:
x0
x1

x2

x3

x4

x5

x6

38

x
cos 2 x

1/3

0,167 0,334 0,501 0,668

0,835
1
0,945 0,785 0,539 0,233
0,551 0,694 0,794 0,874
0,942

x
cos 2 x
1/ 3
x

ind.

1,715 1,131 0,679 0,267

1
0,099
1
-0,105

h
I RT = {f ( x 0 ) +2 [ f ( x1 ) + f ( x 2) + f ( x 3 ) +f ( x 4 )+ f ( x 5 ) ] + f ( x 6 ) }
2
I RT 0,083 {0+2[1,715+1,131+0,679+0,2670,105]0,416 }
I RT 0,578

e
dx ; n=4

(x1)
1
( 21 )
h
h=
=0,25 ; =0,083
3
4
x 0=1 ; x 1=1,25 ; x 2=1,5 ; x 3=1,75 ; x 4=2
h
I RS= {f ( x 0 ) + 4 f ( x 1 ) +2 f ( x 2 ) +4 f ( x 3 ) +f ( x 4 ) }
3
I RS 0,083{0+4 0,573+ 2 0,316+ 4 0,201+ 0,096}
I RS=0,317
b1 . I =

3 /8

b2 . I = tan x dx ; n=4
0

-0,416
-0,416

39

h=

( 3 /80 )
h
=0,295 ; =0,098
3
4
x 0=0 ; x 1=0,295 ; x 2=0,590 ; x 3=0,885 ;
h
I RS= {f ( x 0 ) + 4 f ( x 1 ) +2 f ( x 2 ) +4 f ( x 3 ) +f ( x 4 ) }
3
I RS 0,098{0+4 0,304 +2 0,67+ 4 1,222+2,414 }
I RS=0,966

x 4=1,178=3 /8

3o )
a. A funo f ( x k ) se ajustar aos pontos y i , quando o desvio
(d k = y k f ( xk ) ) for mnimo. Para obter 1, 2, 3 e 4, aplica-se o MMQ
conforme o seguinte procedimento:
D(1, 2, 3, 4) =
4

d 2k
k=1

[ y k f ( x k ) ]2
k=1
4

[ y k 1 g1 ( x k ) 2 g2 ( x k )3 g 3 ( x k ) 4 g 4 ( x k ) ]
k=1

Derivando com relao a 1, 2, 3 e 4, obtem-se:

y k 1 g 1 ( x k ) 2 g 2 ( x k ) 3 g3 ( x k ) 4 g4 ( x k )
[] g1 ( x k )
4

D
=2
1
k=1

y k 1 g 1 ( x k ) 2 g 2 ( x k ) 3 g3 ( x k ) 4 g4 ( x k )
[] g2 ( x k )
4
D
=2
2
k=1
y k 1 g 1 ( x k ) 2 g 2 ( x k ) 3 g3 ( x k ) 4 g4 ( x k )
[] g3 ( x k )
4

D
=2
3
k=1

40

y k 1 g 1 ( x k ) 2 g 2 ( x k ) 3 g3 ( x k ) 4 g4 ( x k )
[] g 4 ( x k )
4

D
=2
4
k=1

Ento o sistema acima pode ser escrito da seguinte forma:

2 1 to
g1 ( x k ) g

seguinte procedimento .nte procedimento .

xk
g1 ( x k ) g3 1 ()

xk
y k g 1 ()
2
( g1 ( x k ) ) 1+( x k ()) 2 +
xk
g 1 ( x k ) g2 ()

xk
g2 3 ( x k ) g3 2 ( )

xk
y k g 2( )

xk
g1 ( x k ) g3 ()

xk
g3 ( x k ) g2 ()

xk
y k g3 ()

41

xk
g3 ( x k ) g4 ()

xk
y k g 4 ()
( g 1 ( x k ) g4 ( x k )) 1+ ( g2 ( x k ) g 4 (x k )) 2 +
b . A 11=

g1 ( x k )2
21 to
g 1 ( x k ) g
xk
A 12= seguinte procedimento . nte procedimento . ()
xk
g1 ( x k ) g3 1 ()
A 13=
A 14= g 1 ( x k ) g4 (x k )
xk
y k g1 ()
B 1=
xk
g1 ( x k ) g2 ()
A 21=
A 22= g2 ( x k )2
xk
g2 3 ( x k ) g3 2 ( )
A23 =
A 24= g 2 ( x k ) g4 (x k )
xk
y k g2 ()
B 2=
xk
g1 ( x k ) g3 ()
A 31=
xk
g3 ( x k ) g2 ()
A 32=
A 33= g3 ( x k )2
A 34= g 3 ( x k ) g4 ( x k )

42

xk
y k g3 ()
B 3=
A 41= g 1 ( x k ) g 4 (x k )
A 42= g 2 ( x k ) g4 (x k )
xk
g3 ( x k ) g 4 ()
A 43=
2
A 44 = g4 ( x k )

xk
y k g4 ()
B 4=

Utilizando as equaes iterativas do Mtodo de sobre-relaxao:

w
{B [ A12 k2 + A 13 k3+ A 14 k4 ] }
A 11 1
w
k
k
(2k+1 )=(1w) 2k
{B [ A 21 k+1
1 + A23 3 + A 24 4 ] }
A 22 2
(1k+1 )=(1w) 1k

(3k+1 )=(1w) 3

w
k+1
k+1
k
B3 [ A 31 1 + A32 2 + A 34 4 ] }
{
A 33

(4k+1 )=(1w) k4

w
B4 [ A 41 1k+1 + A 42 k32+1+ A 43 k3 +1 ] }
{
A44

Substituindo os termos:

xk
y k g1 ()
(1k+1 )=(1w) 1k

w
{
g 1 ( x k )2

21 to
g 1 ( x k ) g
xk
seguinte procedimento . nte procedimento . ()k2 +
xk
k
g1 ( x k ) g3 1 () 3 + g 1 ( x k ) g 4 (x k ) k4
}

43

xk
xk
g1 ( x k ) g2 () k+1
1 +

y k g 2 ()

w
(2k+1 )=( 1w ) k2

g 2 ( x k )2
xk
k
k
g2 3 ( x k ) g3 2 ( ) 3 + g2 ( x k ) g 4 ( x k ) 4
}
xk
xk
g 1 ( x k ) g3 ()1k+1+

y k g3 ()

w
(3k+1 )=( 1w ) k3

g 3 ( x k )2
xk
2
k+1
g3 ( x k ) g2 () 2 + g3 ( x k ) k4
}
xk
k +1

g1 ( x k ) g 4 ( x k ) 1
y k g4 ()

(4k+1 )=( 1w ) k4

g4 ( x k )2

xk
k+1

g 3 ( x k ) g4 () 3

g2 ( x k ) g 4 ( x k ) k32+1+ }

44

7. CONCLUSO
A partir dos mtodos que foram vistos neste trabalho, adquirimos novas
ferramentas para a soluo de problemas na rea da engenharia. Todavia, cada processo
numrico apresenta suas caractersticas bem delimitadas de maneira que seu estudo
precisa ser bem realizado para que seja aplicado da forma mais adequada. Dentro do
estudado podemos destacar as principais caractersticas e aplicaes de tais mtodos.
Na parte de interpolao numrica observamos que este mtodo fortemente
aplicado, pois permite que a partir de dados empricos seja construda uma funo que
estude o problema dado. Dessa forma, pode-se tambm obter o valor numrico de
pontos que no foram dados no problema. O mtodo tambm aplicado para
simplificao de funes de modo que o seu clculo se torne mais vivel e ainda serve
de base para outros mtodos numricos.
Atravs dos mtodos da regra do Trapzio e da regra de Simpson, os quais
consistem em aproximaes de curvas de funes em retas (Trapzio) ou parbolas

45

(Simpson), possvel a obteno de resultados de integrais definidas de funes cujas

expresses de suas funes primitivas so muito complexas ou ainda no possvel de
serem feitas analiticamente, nos proporcionando de forma numrica e aproximada a
possibilidade da obteno de resultados.
O ajuste de curvas pelo Mtodo dos Mnimos Quadrados para dados lineares e
no lineares foi bem explanado com aplicaes para ambos os casos. Observa-se que
essa tcnica uma boa escolha, pois consiste em modelar uma curva que melhor se
ajuste aos dados disponveis. Conhecida a equao dessa curva, pode-se determinar
valores fora do intervalo conhecido. A principal vantagem do mtodo proposto se deve
ao fato de que no h necessidade de recorrer a processos iterativos para o clculo das
constantes de ajuste. Assim, h uma otimizao do tempo de processamento requerido.
Alm disso, uma vez que se trata de um mtodo direto, no h a preocupao com a
convergncia dos respectivos valores numricos.

8. REFERNCIAS BIBLIOGRFICAS
RUGGIERO, Mrcia A. Gomes; LOPES, Vera Lcia da Rocha. Clculo numrico:
aspectos tericos e computacionais. 2. ed. So Paulo: Pearson Makron Books, 1996.
Acesso em 17 de Junho de 2014
BARROSO, Lenidas Conceio et al. Clculo numrico (com aplicaes). 2. ed. So
Paulo: Harbra, 1987. Acesso em 15 de Junho de 2014
<http://www1.univap.br/spilling/CN/CN_Capt6.pdf> Acesso em 17 de Junho de 2014
<http://www.facom.ufms.br/~montera/integracao_parte1.pdf> Acesso em 15 de Junho
de 2014

46

<http://minerva.ufpel.edu.br/~rudi/grad/ModComp/MetNum/html/Apostilach3.html>
Acesso em 20 de Junho de 2014
<http://obaricentrodamente.blogspot.com.br/2010/03/regra-dos-trapezios-repetida.html>
Acesso em 20 de Junho de 2014
<http://pt.wikipedia.org/wiki/Integra%C3%A7%C3%A3o_num%C3%A9rica.> Acesso
em 17 de Junho de 2014
<https://www.google.com.br/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=5&cad=rja&uact=8&sqi=2&ved=0CDgQFj
AE&url=http%3A%2F%2Fwww2.ic.uff.br%2F~tneves%2FmetodosNumericos
%2Fmn-aula10-integracao.ppt&ei=w9ytU31AcqBqgaIqYLgDQ&usg=AFQjCNGwbpcpOKVA5hvu3KIWnZXezVaftA&bvm=bv.
69837884,d.b2k> Acesso em 20 de Junho de 2014
<http://paginas.fe.up.pt/~faf/mnum/mnum-faf-handout.pdf> Acesso em 15 de Junho de
2014
<http://www.mat.ufrgs.br/~guidi/grad/MAT01032/calculo_numerico.cap4.pdf> Acesso
em 15 de Junho de 2014
<http://www.pucrs.br/famat/elieteb/calc_num/Apostila_Calc_Numerico_2008.pdf>
Acesso em 15 de Junho de 2014
<http://homepages.dcc.ufmg.br/~ffcampos/Numerico/ananum.pdf> Acesso em 15 de
Junho de 2014
<http://www.cp.utfpr.edu.br/chiesse/Pesquisa/NURBS/Splines.pdf> Acesso em 17 de
Junho de 2014
<http://www2.ic.uff.br/~aconci/splineatual.html> Acesso em 17 de Junho de 2014
<http://www.comp.ita.br/~forster/CCI-22-2012/cci22-cap5.pdf> Acesso em 15 de Junho
de 2014
<http://wwwp.fc.unesp.br/~arbalbo/Iniciacao_Cientifica/interpolacao/teoria/3_Splines.p
df> Acesso em 17 de Junho de 2014
<http://www.peteletrica.ufc.br/Plano%20B%C3%A1sico/M%C3%A9todos%20Num
%C3%A9ricos/2010.1/2010.1%20-%20Interpola%C3%A7%C3%A3o%20por
%20Spline%20C%C3%BAbica%20e%20M%C3%A9todo%20de%20Integra
%C3%A7%C3%A3o%20de%20Simpson%20para%20C%C3%A1lculo%20de
%20Campo%20Magn%C3%A9tico.pdf> Acesso em 15 de Junho de 2014
<http://wwwp.fc.unesp.br/~arbalbo/Iniciacao_Cientifica/interpolacao/teoria/1_Interpol_
polinomial_Met_Lagrange_Newton.pdf> Acesso em 15 de Junho de 2014
<http://www1.univap.br/spilling/CN/CN_Capt4.pdf> Acesso em 18 de Junho de 2014
<http://inf.ufes.br/~rguizzardi/an/aulas/Aula%2011%20-%20Polin%F4mios%20de
%20Newton.pdf> Acesso em 15 de Junho de 2014