数值分析第二章 插值.ppt

§5 Cubic Spline Sketch of the Algorithm: Cubic Spline ① 计算 ?j , ? j , gj ; ② 计算 Mj (追赶法等) ; ③ 找到 x 所在区间 ( 即找到相应的 j ) ; ④ 由该区间上的 S[j](x) 算出 f(x) 的近似值。 插值法小结 ? Lagrange : 给出 y0 … yn，选基函数 li(x)，其次数为 节点数 –1。 ? Newton ? Ln(x)，只是形式不同；节点等距或渐增节点时方便处理。 ? Hermite： 给出 yi 及 yi ’，选 ?i(x) 及 ? i(x) 。 ? Spline：分段低次, 自身光滑, f 的导数只在边界给出。 ? §6 快速傅立叶变换 /* Fast Fourier Transform */ ? 问题的背景 /* background */ 傅立叶变换 —— 函数展开为三角级数 设 f(x) 周期为2?，在 [0, 2? ] 上展开为三角级数 ， 其中Cj 为复系数， ，则实际计算时要取级数的前 N 项，并要求在区间的N 个等分点上与f(x)重合。 即：给定[0, 2? ] 上N 个等分点 上的函数值 ，令 满足插值条件 。 N 个未知数 N 个方程 Discrete Fourier Transform Inverse of DFT 总之要进行形如 的计算，其中 已知， §6 Fast Fourier Transform ? Fast Fourier Transform 快速计算 ( j = 0, 1, …, N?1)，其中 直接计算需复数乘法 次 N 2 ? 降到 N · logN 由于W 的周期性W qN+s = W s , W k j 实际上只有 这 个不同的值。若 N 为偶数，则W k j只有 个不同值。 1 0 ... - N W W N N / 2 先合并同类项，再做乘法。 I’m gonna need some magic here … §6 Fast Fourier Transform 例：N = 23 = 8, 计算 ， j = 0, 1, 2, 3, 4, 5, 6, 7 技巧：将 k , j 先记为二进制数 /* binary numbers */ = ? + ? + ? = = ? + ? + ? = ) ( 2 2 2 ) ( 2 2 2 0 1 2 0 0 1 1 2 2 0 1 2 0 0 1 1 2 2 j j j j j j j k k k k k k k k j W ) 2 2 2 ( ) 2 2 2 ( 0 0 1 1 2 2 0 0 1 1 2 2 ? + ? + ? ? ? + ? + ? = k k k j j j W ) ( ) 2 2 2 ( ) 2 2 2 ( 0 1 2 0 1 0 2 1 3 2 1 2 0 3 1 4 2 2 k k k j k k k j k k k j W + ? + ? + ? + ? + ? + ? = ) ( ) 0 ( ) 0 0 ( 0 1 2 0 0 1 1 0 2 k k k j k k j k j W + + = 2?3次乘法 全部计算需要2?3 ?8次乘法 一般地：取 N = 2p ， 每个Cj 用 2p 次乘法，共用 2N log2N 次乘法。 利用 ，还可以进一步化简到 N(p?1)/2 次乘法。 HW: p.138 #1 §4 Newton’s Interpolation ? 等距节点公式 /* Formulae with Equal Spacing */ 向前差分 /* forward difference */ i i i f f f - = ? + 1 i k i k i k i k f f f f 1 1 1 1 ) ( - + - - ?