Para além e ao alto - Pesquisa Explique o fenômeno de Runge na interpolação polinomial. Como ele pode ser mitigado?

Passo 1

O enunciado pede duas coisas: (1) explicar o que é o fenômeno de Runge na interpolação polinomial e (2) explicar como ele pode ser mitigado.
Informações relevantes que vamos usar (tudo fornecido implicitamente pelo tipo da pergunta e por exemplos clássicos): a ideia de interpolação polinomial (construir um polinômio que passe por pontos dados), o exemplo clássico de Runge com a função \displaystyle f(x)=\frac{1}{1+x^2} no intervalo [-5,5] e nós igualmente espaçados. O enunciado não dá uma figura nem dados numéricos concretos além do exemplo clássico, então usaremos conceitos gerais e exemplos analíticos para explicar o fenômeno e as estratégias para evitá‑lo.

Passo 2

O que é interpolação polinomial (passo rápido e claro).
Dado um conjunto de n+1 pontos (x_0,y_0),\dots,(x_n,y_n) com todos os x_i distintos, existe um único polinômio p_n de grau \le n tal que p_n(x_i)=y_i para todo i. Uma forma explícita é a forma de Lagrange:
p_n(x)=\sum_{i=0}^{n} y_i \, \ell_i(x),
onde
\ell_i(x)=\prod_{\substack{j=0\\\ j\ne i}}^{n} \frac{x-x_j}{x_i-x_j}
é a base de Lagrange associada ao nó x_i.
Aqui, \ell_i(x) é um polinômio que vale 1 em x_i e 0 em todos os outros nós. Isso é para você visualizar como o polinômio se monta: uma soma de “campanhas” locais que combinam para coincidir com os dados.

Passo 3

Fórmula de erro da interpolação e intuição do que pode dar errado.
Se f for (n+1)-vez diferenciável no intervalo, existe \xi entre o menor e maior nó tal que o erro em x é dado por
f(x)-p_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}\prod_{i=0}^{n}(x-x_i).
Nessa expressão: f^{(n+1)}(\xi) é a derivada de ordem n+1 avaliada em algum ponto \xi — ela depende da função — e o produto \prod_{i=0}^{n}(x-x_i) é puramente geométrico, depende só da posição dos nós e do ponto x. Se esse produto ficar grande (em magnitude) em partes do intervalo, mesmo que f^{(n+1)}(\xi) não seja enorme, o erro pode explodir. Esse produto tende a ser especialmente grande perto das extremidades do intervalo quando os nós estão igualmente espaçados e n é grande.

Passo 4

O exemplo clássico (Runge) e porque ele ilustra o problema.
Considere a função
f(x)=\frac{1}{1+x^2}
no intervalo [-5,5]. Essa função é muito suave (analítica), mas tem polos complexos em x=\pm i, o que influencia a velocidade com que polinômios podem aproximá‑la. Se escolhemos nós igualmente espaçados em [-5,5] e interpolamos com polinômios de grau crescente, você observa: no centro do intervalo a aproximação melhora, mas perto das extremidades o polinômio começa a oscilar e o erro cresce à medida que aumentamos n. Esse comportamento paradoxal — aumentar o grau e piorar a aproximação nas bordas — é o fenômeno de Runge.
Intuição curta e concreta: o produto \prod_{i=0}^n (x-x_i) é pequeno perto dos nós mas, entre os nós e especialmente perto das extremidades, seus valores absolutos podem crescer muito quando os nós são equidistantes e n aumenta. Isso amplifica qualquer contribuição de derivadas de ordem alta e causa oscilações grandes.

Passo 5

Noção de estabilidade via constante de Lebesgue (por que a escolha dos nós importa além da fórmula do erro).
Definimos a função de Lebesgue associada à escolha de nós:
\Lambda_n(x)=\sum_{i=0}^n |\ell_i(x)|
e a constante de Lebesgue
\|\Lambda_n\|_\infty=\max_{x\in[a,b]} \Lambda_n(x).
Ela mede quanto o processo de interpolação pode amplificar erros nos valores y_i (e também o quanto pequenas imprecisões numéricas são ampliadas). Para nós equidistantes, \|\Lambda_n\|_\infty cresce rapidamente com n (crescimento quase exponencial), o que explica a instabilidade e as oscilações. Para distribuições de nós mais apropriadas, \|\Lambda_n\|_\infty cresce muito mais devagar (por exemplo, apenas logaritmicamente para nós de Chebyshev), e a interpolação fica estável.

Passo 6

Primeira mitigação — usar nós de Chebyshev (explicação prática e fórmula).
A estratégia mais usada para mitigar Runge é escolher nós não equidistantes, concentrando mais nós perto das extremidades. Uma escolha muito eficaz são os nós de Chebyshev (raízes do polinômio de Chebyshev de grau n+1). Para o intervalo padrão [-1,1] as raízes são
x_k=\cos\!\left(\frac{2k+1}{2n+2}\pi\right),\qquad k=0,1,\dots,n.
Para um intervalo geral [a,b] fazemos o mapeamento afim
x_k=\frac{a+b}{2}+\frac{b-a}{2}\cos\!\left(\frac{2k+1}{2n+2}\pi\right).
Por que funciona? Esses nós minimizam, em sentido prático, a variação máxima do produto \prod (x-x_i) e reduzem muito a constante de Lebesgue: \|\Lambda_n\|_\infty cresce apenas como O(\log n) em vez de crescer rapidamente. Resultado: a sequência de interpolantes em nós de Chebyshev converge uniformemente para muitas funções suaves e elimina as grandes oscilações nas bordas. Em provas ou na prática: se for interpolar com um único polinômio de alto grau, escolha nós de Chebyshev.

Passo 7

Segunda mitigação — interpolação por partes: splines e polinômios de baixo grau por subintervalos.
Outra ideia muito prática (e frequentemente preferida na engenharia e computação) é evitar um polinômio global de alto grau: usar polinômios de baixo grau em subintervalos e emendar com condições de continuidade. O caso mais usado é o spline cúbico: um spline cúbico é uma função formada por polinômios de grau \le 3 em cada intervalo entre nós, com continuidade de primeira e segunda derivada em todos os nós. Características úteis:
  • Localidade: alterar um valor y_i afeta apenas os poucos intervalos adjacentes, evitando grandes oscilações globais.
  • Boa suavidade e aproximação (erro do spline cúbico costuma ser pequeno).
  • Implementação: leva à solução de um sistema tridiagonal para as segundas derivadas nos nós (procedimento direto e numérico eficiente).
Na prática: use splines quando precisar de uma aproximação suave e estável sem a necessidade de aumentar muito o grau do polinômio global.

Passo 8

Outras estratégias úteis (com explicação breve): racional, minimax, fórmula barycêntrica.
  • Interpolação racional / aproximações de Padé: se a função tem singularidades complexas próximas ao eixo real (como f(x)=1/(1+x^2) que tem polos em \pm i), aproximações racionais (quociente de polinômios) podem representar melhor esse comportamento e evitar oscilações que polinômios sozinhos não resolvem bem. São especialmente úteis quando a função se comporta como tendo polos ou assimptotas.
  • Aproximação minimax (polinômios de Chebyshev no sentido da melhor aproximação uniforme): em vez de interpolar, procurar o polinômio que minimiza o erro máximo \max_{x\in[a,b]}|f(x)-p(x)| — é o caminho ótimo em máximo-norma, mas exigir algoritmos (Remez) para encontrar.
  • Fórmula barycêntrica de Lagrange: método numérico estável para avaliar polinômios interpoladores, especialmente quando usado com nós de Chebyshev; reduz erros de cancelamento numérico ao avaliar p_n(x).

Passo 9

Resumo prático — o que você deve fazer em uma prova ou numa implementação rápida.
  • Se a questão envolve explicar o fenômeno: demonstre a fórmula de erro e comente sobre o crescimento do produto \prod(x-x_i) para nós equidistantes; cite o exemplo clássico \displaystyle f(x)=\frac{1}{1+x^2} em [-5,5].
  • Se a pergunta pede como matar o problema em aplicações: diga (i) usar nós de Chebyshev (dar a fórmula dos nós), (ii) usar splines ou interpolação por partes (cúbica é o padrão), (iii) considerar aproximações racionais quando houver singularidades próximas. Mencione também a barycentricidade como truque numérico para estabilidade.
  • Em provas, ao justificar escolha, mencione a constante de Lebesgue e o comportamento do produto do erro para mostrar por que nós equidistantes falham.

Passo 10

Pequeno exemplo mental de comparação (sem cálculos pesados).
Pense em dois casos com n=10: (A) nós equidistantes em [-5,5]; (B) nós de Chebyshev mapeados para [-5,5]. Para (A) você vai notar oscilações grandes perto de \pm5 ao aumentar n. Para (B) as oscilações desaparecem e o polinômio se aproxima bem em todo o intervalo. Isso é o que se observa numericamente e é a razão prática para preferir Chebyshev ou splines.

Passo 11

Dicas finais e encorajamento (porque estudar isso às pressas dá aflição, eu sei).
  • Para a prova: memorize a fórmula de erro, a definição das bases de Lagrange, a definição dos nós de Chebyshev (a fórmula com cosseno) e saiba explicar qualitativamente o papel da constante de Lebesgue. Esses pontos bastam para justificar porque Runge acontece e como contorná‑lo.
  • Na prática computacional: escolha splines ou interpolação em nós de Chebyshev + barycentric para polinômios. Se tiver dúvidas, me diga qual ponto quer que eu resolva numericamente (por ex. construir os nós de Chebyshev para [a,b] com um dado n ou comparar polinômios com poucos pontos) que eu faço passo a passo.

Resposta

O fenômeno de Runge: ao interpolar com polinômios de grau alto usando nós igualmente espaçados (ex.: f(x)=\dfrac{1}{1+x^2} em [-5,5]) surgem grandes oscilações nas extremidades e a sequência de interpolantes pode não convergir uniformemente; isto decorre da fórmula de erro
f(x)-p_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}\prod_{i=0}^{n}(x-x_i),
e do crescimento da constante de Lebesgue para nós equidistantes.
Mitigações principais: usar nós de Chebyshev (nós dados por \;x_k=\dfrac{a+b}{2}+\dfrac{b-a}{2}\cos\!\big(\tfrac{2k+1}{2n+2}\pi\big)\;), usar interpolação por partes (splines cúbicos) ou polinômios de baixo grau em subintervalos, e, quando apropriado, usar aproximações racionais ou o polinômio minimax; para avaliação numérica, usar a forma barycêntrica de Lagrange.

Exercícios relacionados