Um laboratório químico de engenharia está monitorando a variação da temperatura de um reator ao longo do tempo, com os seguintes dados coletados experimentalmente:
Temperatura
a) Encontre o polinômio interpolador de Newton que estima a temperatura em função do tempo.
b) Use o polinômio para estimar a temperatura no instante
s, com 4 casas decimais.
c) Justifique, com base no processo de construção e eficiência computacional, se o método de Newton seria preferível ao método de Lagrange neste caso prático.
d) Com o apoio de ferramentas computacionais, represente graficamente os seguintes elementos em um único gráfico:
- Os pontos originais da tabela (
);
- A curva do polinômio interpolador no intervalo [10, 30];
- A estimativa da temperatura em
.
Inclua no gráfico uma legenda e uma breve análise interpretativa sobre o comportamento da temperatura no reator ao longo do tempo.
Temperatura
a) Encontre o polinômio interpolador de Newton que estima a temperatura em função do tempo.
b) Use o polinômio para estimar a temperatura no instante
c) Justifique, com base no processo de construção e eficiência computacional, se o método de Newton seria preferível ao método de Lagrange neste caso prático.
d) Com o apoio de ferramentas computacionais, represente graficamente os seguintes elementos em um único gráfico:
Passo 1
O enunciado pede quatro coisas, e me dá os dados experimentais do reator. Vou listar explicitamente o que é pedido e os dados que vamos usar.
-
Perguntas do enunciado:
a) Encontrar o polinômio interpolador de Newton que estima a temperatura em função do tempo.
b) Usar esse polinômio para estimar a temperatura ems (com 4 casas decimais).
c) Justificar, com base no processo de construção e eficiência computacional, se o método de Newton seria preferível ao método de Lagrange neste caso prático.
d) Com apoio computacional, representar num único gráfico: os pontos originais, a curva do polinômio no intervalo e a estimativa em s; incluir legenda e uma breve análise interpretativa do comportamento. -
Dados fornecidos (vou interpretar os números usando vírgula como separador decimal, conforme o enunciado):
Pronto — já identifiquei o que se pede e quais valores vamos usar. A partir do próximo passo começo a resolver de verdade.
Passo 2
Explicação didática do método de Newton (visão geral antes de calcular): o polinômio interpolador de Newton é construído com base em diferenças divididas. A forma geral para
pontos
é
Aqui cada coeficiente
é uma diferença dividida:
-
(valor do ponto), -
, - e em geral
Por que usar Newton? Porque a construção é organizada em tabela de diferenças divididas; a forma resultante permite avaliar o polinômio de maneira eficiente (usando multiplicações acumuladas no estilo de Horner) e é simples de atualizar se adicionarmos mais pontos.
Vou aplicar esse processo passo a passo aos nossos quatro pontos
,
,
,
.
Passo 3
Construção da tabela de diferenças divididas — cálculo passo a passo.
Dados iniciais:
Primeira coluna (valores
):
Primeiras diferenças divididas (ordem 1):
Segundas diferenças divididas (ordem 2):
Terceira diferença dividida (ordem 3):
Resumo dos coeficientes (arredondando apenas para leitura; usarei os valores exatos decimais repetidos quando necessário):
Passo 4
Escrever explicitamente o polinômio interpolador de Newton com os coeficientes calculados.
A forma (para os nossos 4 pontos) é
Substituindo os coeficientes e os nós
,
,
:
Isso responde a letra (a): este é o polinômio interpolador de Newton em forma explícita (base Newton).
Passo 5
Avaliar o polinômio em
— explicação didática e cálculo passo a passo (letra b).
Para avaliar
calculo os fatores intermediários:
Agora cada termo do polinômio:
Somando:
Com quatro casas decimais:
.]
Passo 6
Interpretação dos coeficientes e verificação rápida de coerência (controle de sanidade):
- Slope aproximados entre pontos (coeficientes de diferença dividida de ordem 1) foram
, e (°C/s approximado). Isso diz que a temperatura aumenta e a taxa de aumento cresce de a s (de para ) e depois fica quase constante/um pouco menor (1{,}88) entre e s. A estimativa em s fica entre e , coerente com a tendência. - Pequeno coeficiente cubic negativo final (
) indica uma curvatura que reduz ligeiramente o crescimento cúbico quando extrapolamos além dos nós, mas dentro do intervalo
Passo 7
Justificativa comparativa: Newton vs Lagrange (letra c) — explicação didática e prática.
-
Construção:
- Newton: constrói-se a tabela de diferenças divididas. Cada coeficiente aparece uma única vez e corresponde a uma coluna da tabela. O polinômio fica na forma incremental com fatores
. - Lagrange: escreve-se como combinação das bases de Lagrange
, cada envolve produto sobre todos os nós exceto . Não se constrói tabela incremental; as bases são menos reutilizáveis.
- Newton: constrói-se a tabela de diferenças divididas. Cada coeficiente aparece uma única vez e corresponde a uma coluna da tabela. O polinômio fica na forma incremental com fatores
-
Eficiência computacional:
- Montar a tabela de diferenças divididas custa da ordem de
operações para pontos (mesmo custo assintótico de construir coeficientes de qualquer interpolador polinomial), mas avaliar o polinômio na forma de Newton pode ser feito em operações usando multiplicações acumuladas (análogo a Horner generalizado). - Avaliar diretamente a forma de Lagrange, sem cuidados, custa
por ponto avaliado (porque cada tem produto sobre fatores). Existem formas otimizadas (como a forma baricêntrica de Lagrange) que reduzem muito o custo, mas a forma padrão não é tão eficiente. - Se você precisar adicionar um novo ponto e recalcular o polinômio:
- Newton: basta computar as novas diferenças divididas envolvendo o novo nó — não precisa recomputar tudo. É incremental.
- Lagrange: tipicamente precisa-se recomputar todas as bases
(ao menos em implementação simples).
- Montar a tabela de diferenças divididas custa da ordem de
-
Conclusão prática para este caso:
- Como temos poucos pontos (4), tanto Newton quanto Lagrange são fáceis; porém, na prática (para implementação, reuso e se houver possibilidade de adicionar novos dados), o método de Newton é preferível por ser incremental e por permitir avaliação eficiente. Para implementações manuais ou de prova, Newton também facilita os cálculos organizados em tabela. Por isso, para o caso prático pedido, eu escolheria Newton.
Passo 8
Gráfico com apoio de ferramentas computacionais (letra d) — instruções práticas e descrição do que plotar.
Eu não consigo anexar imagens diretamente aqui, mas abaixo dou um código em Python (Matplotlib + NumPy) que você pode rodar localmente para gerar o gráfico pedido. O código plota:
- os pontos experimentais
como marcadores, - a curva do polinômio interpolador
no intervalo , - marca a estimativa em
s como um ponto destacado e com anotação, - inclui legenda, rótulos e grade.
Código Python (copie e execute num ambiente com numpy e matplotlib):
import numpy as np
import matplotlib.pyplot as plt
# Dados
t = np.array([10.0, 15.0, 20.0, 30.0])
T = np.array([25.2, 32.1, 41.7, 60.5])
# Coeficientes Newton (conforme calculados)
a0 = 25.2
a1 = 1.38
a2 = 0.054
a3 = -0.0028333333333333335
# Função para avaliar P3(t) na forma de Newton
def P3(tt):
return (a0
+ a1*(tt-10.0)
+ a2*(tt-10.0)*(tt-15.0)
+ a3*(tt-10.0)*(tt-15.0)*(tt-20.0))
# Ponto de interesse
t_est = 25.0
T_est = P3(t_est)
# Vetor de pontos para curva
tt = np.linspace(10.0, 30.0, 400)
TT = P3(tt)
# Plot
plt.figure(figsize=(8,5))
plt.plot(tt, TT, label='Polinômio interpolador (Newton)', color='tab:blue')
plt.scatter(t, T, color='tab:red', label='Pontos experimentais', zorder=5)
plt.scatter([t_est], [T_est], color='tab:green', s=80, label=f'Estimativa em t={t_est}s: {T_est:.4f}°C', zorder=6)
plt.xlabel('Tempo (s)')
plt.ylabel('Temperatura (°C)')
plt.title('Interpolação da Temperatura do Reator')
plt.legend()
plt.grid(alpha=0.3)
plt.show()
Breve orientação para executar: salve o código num arquivo
plot_interpolacao.py e execute com python plot_interpolacao.py num ambiente com numpy e matplotlib instalados (por exemplo, Anaconda, Jupyter Notebook, ou ambiente virtual com pip).Passo 9
Breve análise interpretativa do gráfico e do comportamento da temperatura (texto que você pode usar na legenda ou em relatório):
- Os pontos experimentais mostram temperatura aumentando com o tempo: de
em s até em s. - As inclinações aproximadas entre pontos são
, e (°C/s), indicando que a taxa de aumento acelera entre e s e se estabiliza ligeiramente entre e s. - A estimativa em
s, , fica entre os pontos de s e s e é coerente com a tendência crescente. - O polinômio interpolador fornece uma curva suave que passa exatamente pelos quatro pontos; para propósitos de estimação dentro do intervalo
ele é adequado. Cuidado: fora desse intervalo o polinômio pode extrapolar mal (efeito de Runge para polinômios de grau alto), então evite extrapolar muito além dos nós.
Resposta
(a)
(b)
(c) Newton é preferível aqui: permite construção organizada via tabela de diferenças divididas, avaliação eficiente (multiplicações acumuladas) e atualização incremental ao adicionar novos pontos; a forma de Lagrange, na implementação direta, é menos eficiente para avaliação e pior de atualizar.
(d) Código Python fornecido acima gera o gráfico com os pontos experimentais, a curva do polinômio em e a estimativa em
s; a análise interpretativa é: temperatura cresce ao longo do tempo, com aceleração entre
e
s e leve estabilização da taxa entre
e
s; a estimativa em
s (
) é coerente com essa tendência.
(d) Código Python fornecido acima gera o gráfico com os pontos experimentais, a curva do polinômio em