第四章 插值法要点.ppt

4.1.5 Hermite插值多项式;问题１：基于未知函数或复杂函数的某些已知信息，如何构造这些函数的近似表达式?;解: 设;y=f(x);情形２在区间［a,b］上考虑函数f(x)的近似．;　　利用函数f(x)在区间[a, b]上一系列点的值 yi= f(xi)（可通过观察、测量、试验等方法得到）; 根据 f (x)在n+1个已知点的值，求一个足够光滑又比较简单的函数p(x)，作为 f (x)的近似表达式，;从代数上看，看p(x)满足以下代数条件; 插值函数p(x)在n+1个互异插值节点xi (i=0,1,…,n ) 处与f(xi)相等,在其它点 x 就用p(x)的值作为f(x) 的近似值。这一过程称为插值，点xi称为插值点。 换句话说, 插值就是根据被插函数给出的函数表“插出”所要点的函数值。用p(x)的值作为 f(x)的近似值,不仅希望 p(x)能较好地逼近f(x),而且还希望它计算简单 。;;最常用的插值函数是 …? ; 本章先讨论插值问题，然后再讨论数据拟合的有关问题。;问题2－插值多项式的构造;问题１－插值多项式的存在唯一性;　　为求得便于使用的简单插值多项式 p(x)，我们先讨论n=1的情形。 ;y 0 x ;或; y 1 0 x0 x1 x;例4.1 已知 , ,;lk , lk+1称为节点上线性插值基函数.;　　(4.6)式　　　　　　　　　　也称为拉格朗日型插值多项式，其中基函数lk , lk+1与yk , yk+1无关，而由插值节点xk , xk+1决定． 　　 　　因此，一次拉格朗日插值多项式是插值基函数lk , lk+1的线性组合，相应的组合系数是该点的函数值 yk , yk+1．; 先求 插值基函数 l k-1(x), l k (x), l k+1(x) ,　它们满足 (1) 都是二次函数； (2) 在节点满足;y 1 0 x;L2( x j ) = y j , j = k-1, k, k+1 .;例4.1* 已知 , ,;;;;;例4.2 ;练习 给定数据表;称为lagrange插值基函数。;容易求得;x0x1 xi xi+1 xn-1 xn;定理4.3 设f(x)在?a, b?有n+1阶导数， x0, x1,…, xn 为 ?a, b?上n+1个互异的节点, Ln(x)为满足 Ln(xi) = f(xi) (i=1,2, …, n) 的n 次插值多项式，那么对??任何x ? ?a, b? , ???(a,b), 有插值余项; 分析：;证;;由(1)、(2)知定理结论成立。　　 (证毕);注意：;y 0 x;y 0 x;解;内插式; 说明:已知节点为: 0.40,0.50,0.70,0.80，两节点可取为0.40与0.50或0.70与0.80，此时称为外插法,但不如以上的内插法精确.另外节点还可取为0.40与0.70或0.40与0.80等.;例4.4 要制作三角函数sin x的值表，已知表值有四位小数，要求用线性插值引起的截断误差不超过表值的舍入误差，试确定其最大允许的步长。; 　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;拉格朗日插值算法实现 ;给出函数为f(x)=1/(1+x2) ，它在区间[-5，5]上各导数存在，但是在此区间上取n个节点构造的Lagrange插值多项式在全区间内并非都收敛的，而且分散得很厉害 。看如下例子：;5 插值误差的事后估计法;由上式可见，可以通过两个结果的偏差;4.1.3 逐次线性插值法;