计算方法第二章插值方法.pptVIP

例题: 已知函数 f(x) 有如下数据: 插值的几何意义 从几何上看，插值就是求一条曲线 使其通过给定的 个点 ， 并且与已知曲线 有一定的近似度。 线性插值与其基函数示意图 （Lagrange）插值多项式 由于 是不能确定，因此我们并不能确定误差的大小 但如能求出 ，那么用 逼近 的截断误差限是： 当 时， 当 时 其截断误差为： 其中, 因为 可取 于是： 用抛物线插值时，取所有节点，得到 程序2-1: 计算Lagrange插值多项式x=x0处的值 文件: Lagrange_eval.m function [y0,N]=Lagrange_eval(X,Y,x0) m = length(X); N = zeros(m,1); y0 = 0; for i=1:m N(i)=1; for j=1:m if j~=i N(i)=N(i)*(x0-X(j))/(X(i)-X(j)); end end y0=y0+Y(i)*N(i); end 实例: 已知f(x)=ln x的数值表如下: x 0.4 0.5 0.6 0.7 0.8 ln(x)-0.9916291 -0.693147 -0.510826 -0.356675 -0.223144 用线性插值、二次插值、三次插值计算ln 0.54的近似值。 输入: X=[0.5,0.6];Y=[-0.693147,-0.510826];x0=0.54; [y0,N] = Lagrange_eval(X,Y,x0) 结果: y0=-6.202185999999998e-001 即你线性插值结果。其余类似。 §2.3.1 差商的概念 从零阶差商出发，归纳地定义各阶差商: n 阶差商的概念 差商的基本性质 性质1：差商可表示为函数值的线性组合，即： 性质2：差商关于所含节点是对称的，即： 差商的基本性质 性质3： 性质4：设 在 存在 n 阶导数，且 则 ，使得: 差商的计算-差商表 §2.3.2 差分 在前面的讨论中，节点是任意分布的，但实际上经常遇 到等距节点的情况，这时插值公式可以得到简化，为此，我 们先介绍差分的概念。 设函数 在等距节点 上的值 为已知，这里 为常数，称为步长。 差分的定义 记号 分别称为 在 处以 为步长的 向前差分、向后差分、中心差分 符号 、 、 分别称为向前差分算子、向后差分算子、 中心差分算子. 高阶差分 用一阶差分可以定义二阶差分 一般地可定义 m 阶差分为： 中心差分定义为: 以此类推。 不变算子 I、移位算子 E 定义 从而可得： 于是得到： 同理，由于： 得到： 由于： 得到： 由差分的定义及不变算子和移位算子有如下性质: 差分的性质 性质1：各阶差分均可用函数值表示，如： 性质2：某点的函数可用各阶差分来表示： 性质3：差商与差分有如下关系： 性质4：差分与导数有如下关系： 差分的计算 § 2.4 牛顿插值公式 根据差商的定义，把 看成 上的一点， 可得： § 2.4 牛顿插值公式 根据差商的定义，把 看成 上的一点， 可得： 其中 显然 满足插值条件，且次数不超过 ,它就 是插值多项式，其系数为： 我们称 为牛顿插值多项式. 已知 的函数表，求4 次牛顿插值多项式, 并求 已知 的函数表，求4 次牛顿插值多项式, 并求 已知 的函数表，求4 次牛顿插值多项式, 并求 牛顿插值公式和Lagrange插值公式比较 和 均是 n 次多项式,且均满足插值条件: 由多项式的唯一性, ,因而,两个公式 的余项是相等的,即 当插值多项式从 n-1 次增加到 n 次时, 拉格朗