数值分析课件ch02插值法.ppt

第二章插值法 插值法 插值基本概念 常用插值法 关于唯一性证明的几点说明 基函数插值法 Lagrange插值 Lagrange插值 Lagrange插值 插值举例 插值举例 误差估计 插值余项 插值余项 注 Lagrange基函数性质 插值误差举例 插值误差举例 第二章插值法 Newton 插值 新的基函数 Newton 插值 Newton 插值 差商 差商的性质 差商的性质 差商的计算 差商举例 Newton 插值公式 Newton 插值公式 注 注 注 插值举例 插值举例 第二章插值法 Hermite插值 Hermite插值 两点三次Hermite 插值 两点三次Hermite 插值 两点三次Hermite 插值 两点三次Hermite 插值 两点三次Hermite 插值 非标准型Hermite插值 三点三次Hermite 插值 三点三次Hermite 插值 利用重节点差商构造Hermite插值 重节点Newton插值 重节点Newton插值举例 重节点Newton插值举例 第二章插值法 多项式插值的缺陷 分段插值 分段线性插值 分段线性插值 误差估计 分段三次Hermite插值 分段三次Hermite插值 第二章插值法 分段低次插值 三次样条插值 三次样条插值 三次样条插值 边界条件 常用的边界条件 三次样条函数的计算 三次样条函数的计算 三次样条函数的计算 三次样条函数的计算 三次样条函数的计算 第一类边界条件 第二类边界条件 第三类边界条件 具体计算过程 具体计算过程 Matlab插值函数 Matlab插值函数 复习题 —— 分段低次插值 n? ? 时 Ln(x) 不一定收敛于 f(x) 例：Runge 现象 在插值方法中，为了提高插值多项式的逼近程度，常常 提高多项式的次数，当插值节点增多，插值多项式的次 数逐步提高时，是否逼近程度也越来越好呢？一般总认 为Ln(x)的次数n越高，逼近f(x)的程度越好，实际上并 非如此。 高次多项式插值的病态性质： 从计算的含入误差看，高次插值可能会产生严重的误差积 累，即稳定性得不到保证。 Runge现象 Runge函数 Runge现象 -5 -4 -3 -2 -1 0 1 2 3 4 5 -1.5 -1 -0.5 0 0.5 1 1.5 2 n=2 n=4 n=6 n=8 n=10 f(x)=1/(1+x2) 不同次数的Lagrange插值多项式的比较图 在?-2,2?上L10(x)对f(x)逼近较好,但在端点附近很差.可 以证明 即随着n的增长Ln(x)在两端点附近的振荡会越来越大.高 次代数插值所发生的这种现象称为Runge现象.在上个世纪 初由Runge发现. 增加节点并不一定能保证在两节点之间插值函 数 Ln(x) 能很好地逼近f (x)，即高次插值（如7，8次上）在实际 应用中很少被采用。常用的方法就是分段低次插值 结论 用分段低次多项式函数来逼近原函数 f(x) 分段低次插值 常见的分段低次插值 分段线性插值 分段三次 Hermite 插值 每个小区间上用线性多项式来逼近 f(x) 每个小区间上用三次 Hermite多项式来逼近 f(x) 分段线性插值 设 a ? x0 x1 ··· xn ? b 为 [a, b] 上的互异节点 f(x) 在这些节点上的函数值为 y0 , y1 , … , yn 记 ， 求分段函数 Ih(x) 满足 Ih(x) 在每个小区间 [xk, xk+1] 上是线性函数 由以上条件直接可得 Ih(x) 在小区间 [xk, xk+1] 上的表达式 x ? [xk, xk+1]， k = 0, 1, … , n-1 误差估计 在小区间 [xk, xk+1] 上有 当 h? 0 时， Ih(x) 在 [a, b] 上 一致收敛 到 f(x) 分段线性插值的不足： Ih(x) 在节点不可导 分段三次 Hermite 插值 设 a ? x0 x1 ··· xn ? b 为 [a, b] 上的互异节点 yk ＝ f(xk) , mk ＝ f(xk) ， k = 0, 1, … , n 求分段函数 Ih(x) 满足 Ih(x) 在每个小区间 [xk, xk+1] 上是三次多项式 由以上条件直接可得 Ih(x) 在小区间 [xk, xk+1] 上的表达式 x ?