2.1 多项式插值课件.ppt

Lagrange 插值虽然易算，但若要增加一个节点时，全部基函数 li(x) 都需要重新计算。 注意 ? 余项表达式仅当 存在时才能应用，且是唯一的。 ? ? 在( a , b ) 内的具体位置通常不能给出。 ? 若有 ,则截断误差限是 ? n次插值多项式对次数不高于n次的多项式完全精确。 若f(x)为次数不高于n次的多项式, 从而Rn(x)=0. 则f(n+1)(ξ) =0, y 0 x xk xk+1 ① 线性插值： ? n = 1, 2 时的插值余项 ： y 0 x ② 抛物线插值： xk-1 xk xk+1 例 3 设f (x)=lnx,并以知f (x)的数据如表2-1。. lnx -0.916291 -0.693147 -0.356675 -0.223144 x 0.40 0.50 0.70 0.80 表2-1 试用三次Lagrange插值 多项式 L3(x)来计算 ln(0.6)的近似值并估计 误差。 F(x)=lnx 函数图象 解 用 　　和 　　作三次Lagrange插值多项式 L3(x) ，把x=0.6代入L3(x) 中，得 由于 利用余项估计式(2.1.11)可以得到 In(0.60)的真值为-0.510826，由此得出R3 (0.6)=-0.00085。这个例子说明，估计式(2.1.11)给出了一个较好的估计。 （1）插值多项式的存在唯一性 （2）拉格朗日插值多项式的构造(过程)以及误差估计（证明）。 （3）会利用线性和抛物线插值计算函数在某些点的近似值和误差。 拉格朗日插值——采用插值基函数的线性组合来构造插值多项式 含义直观 形式对称 优点： 缺点： 计算量大 编程: 例题3 拉格朗日插值算法实现 2.1.3 均差和Newton插值多项式 能否重新在Pn中寻找新的基函数 ？ 希望每加一个节点时，只附加一项上去即可。 下面主要讨论 ● Newton插值多项式的构造 ● 差商的定义及性质 ● 差分的定义及性质 ● 等距节点的Newton插值公式 由线性代数知,任何一个不高于n次的多项式, 都可以表示成函数 的线性组合, 也就是说, 可以把满足插值条件 p(xi)=yi (i=0,1,…,n)的n次插值多项式, 写成如下形式 其中ak (k=0,1,2,…,n)为待定系数,这种形式的插值多项式称为Newton插值多项式。我们把它记为Nn(x)即 1. Newton插值多项式的构造 它满足 其中ak (k=0,1,2,…,n)为待定系数，形如上式的 插值多项式称为牛顿(Newton)插值多项式。 因此，每增加一个结点，Newton插值多项式只增加一项，克服了Lagrange插值的缺点。 自变量之差和因变量之差之比叫差商 2. 差商（均差的定义及性质） 已知y = 函数表 则 在 上平均变化率分别为： 即有定义： 定义为f(x) 的差商 定义 函数y= f(x)在区间[xi ,xi+1]上的平均变化率 称为f(x)关于xi , xi+1 的一阶差商,并记为f[xi ,xi+1] m阶差商 二阶差商 f [xi , xj , xk]是指 f[xi , xj , xk]= f[xj , xk]- f[xi , xj ] xk- xi 一般的,可定义区间[xi, xi+1 ,…, xi+n]上的n阶差商为 差商的性质 一阶差商 二阶差商 k 阶差商 三阶差商 (0 阶差商) 差商表 计算顺序:即每次用前一列