第1章 插值方法.pptVIP

第一章 插值方法 本章介绍主要内容： Lagrange插值 Neville插值 Newton插值 Hermite插值 分段插值 样条插值 计 算 方 法 实际上， Lagrange插值与Neville逐步插值在相同的已知条件下所得的插值多项式是相同的，只是采用不同的方法而已。 如前例2与例3，对y=f(x)=x1/2，已知(100,10),(121,11), (144,12), 采用Lagrange插值和Neville逐步插值方法构造的插值多项式为： 计 算 方 法 逐步插值很容易推广，n+1点插值(n次插值)可看作是n点插值(n-1次插值)的线性组合。 逐步线性插值的构造过程： 设已知n+1个条件(x0,y0),(x1,y1),???,(xn,yn)，则 计 算 方 法 计 算 方 法 逐步插值可用计算表来给出： y012 ··· n y01···i ··· ··· ··· y012 y123 · · · y(n-2)(n-1)n y(i-2)(i-1)i y01 y12 y23 · · · y(n-1)n y(i-1)i x-x0 x-x1 x-x2 x-x3 · · · x-xn y0 y1 y2 y3 · · · yn x0 x1 x2 x3 · · · xn 样本值 节点 计 算 方 法 Lagrange插值与Neville逐步插值在构造方法上虽有差异，但对相同的已知条件，所得到的最终插值结果是相同的。 例4 利用下表所给数据计算正弦积分 在x=0.462的值。 解：构造差商表如下： 0.68122 0.58813 0.49311 0.39646 0.29850 f(x) 0.7 0.6 0.5 0.4 0.3 x 0.45656 0.45656 y (i-3)(i-2)(i-1) i 0.456537 0.456575 0.456496 y(i-2)(i-1) i 0.457195 0.456383 0.457002 0.459660 y(i-1) i 0.29850 0.39646 0.49311 0.58813 0.68122 0.3 0.4 0.5 0.6 0.7 yi xi 1.3.3 代数精度 插值方法的目的在于寻求函数的近似值，插值函数与被插函数除在插值节点外，不会是完全相等的，但自然要求所求的插值结果具有足够高的精度。代数精度是判定插值精度的一个准则。 为保证所设计的插值公式具有“尽可能高”的精度，自然希望它对“尽可能多”的函数能准确成立。如果插值公式对一切次数?m的多项式能准确成立，而对于m+1次多项式不准确，则称该插值公式具有m阶代数精度，简称具有m阶精度。 计 算 方 法 实际上，n次Lagrange插值与Neville逐步插值均具有n次代数精度。 对于f (x)的n次插值多项式pn(x)： f (x)?pn(x) 有 pn(xi)= f (xi) (i=0,1,···,n) 设?(f (x))?n，构造函数 R(x)=f (x)-pn(x) 显然有?(R(x))=?(f (x)-pn(x))?n 又 R(xi)=f (xi)-pn(xi)=0 (i=0,1,···,n) 计 算 方 法 R(x)是一个次数不超过n次的多项式，且有n+1个零点，显然 R(x)=0 因此 f (x)-pn(x)=0 即 f (x)=pn(x) 而当?(f (x))=n+1时 因为 ?( pn(x))=n 显然f (x)?pn(x)。 所以pn(x)具有n次代数精度。 计 算 方 法 命题2 已知f (x)在区间[a,b]上一组n+1个不同点 a?x0, x1, ···, xn?b 则对于任意次数?n的多项式f (x)，满足插值条件 pn(xi) =f (xi) i=0,1,2,···,n 的插值多项式pn(x)就是f (x)本身。 计 算 方 法 计 算 方 法 1.4 Newton插值多项式 1.4.1 Newton插值