数值计算方法-第5章-插值法-Part-1分析报告.ppt

第5章 插值法 一. 拉格朗日(Lagrange) 插值 多项式插值 (续) Lagrange 插值多项式 n+1个节点的插值多项式 n次Lagrange插值多项式的另一种表示 Lagrange插值的例子 插值多项式的误差估计 定理5.1 证明 (续) 关于插值余项的说明 二. 牛顿 (Newton) 插值 差商 差商的性质 (续-1) 差商的性质 (续-2) 差商的计算过程 Newton插值公式 Newton插值多项式的形式 Newton插值多项式的优点 Newton插值的算例 算法5.2——Newton插值 差分 差分的定义（续） 向后差分表 差分的合并表示 差分的性质 差分的性质 (续) 等距节点插值公式 向后插值公式 Newton向前插值的计算表 Newton向后插值的计算表 Newton向前、向后插值算例 三. 分段线性插值 分段插值的思想 分段线性插值的基函数 分段线性插值的误差估计 第5章 插值法 高阶插值的Runge现象 取11个等距节点, xk=-5+k (k=0,1,…,10), 构造Lagrange插值多项式L10(x), 如图. 可以看出, L10(x)只有在中间区域与f(x)较为吻合, 在两端区域, 只有在插值点上函数值相同, 其它位置差异很大. 这种现象称为Runge现象. 通常, 为了提高插值精度, 可采用增加插值节点的办法, 即提高插值多项式的次数. 但有时也会出现一些问题, 如函数: 因此, 试图通过增加插值节点数来提高逼近精度的做法有时适得其反. 第5章 插值法 用分段线性函数(直线)逼近原函数(曲线), 如下图. 即, 构造插值函数 , 满足: (1) (2) 在区间[xi,xi+1] (i=0,1,…n-1), 是线性函数. 由Lagrange插值,在区间[xi,xi+1]中, 推广到区域[x0,xn], 其中, 是线性基函数, 满足: 第5章 插值法 分段线性插值例子: 已知函数 在[0,5]上各插值点 0.20000 2 0.10000 3 0.03846 0.05882 0.50000 1.00000 5 4 1 0 的函数值(如下表), 用分段线性插值函数求f(4.5)处的近似值. 解. 首先找出x=4.5所在的插值区间(4,5), 然后再用线性插值. C++程序… * 实际问题中, 通过测量或数值计算得到的往往是离散的数据, 譬如为了知道材料的某种参数随温度的变化规律, 可以测量给定的一组温度Ti时的参数值qi. 但如果要知道不在测量温度点上的参数, 该如何处理? 是否可以由这些已知的离散点 (Ti , qi) 获得连续的函数 q=q(T) ? 解决这类问题有两种方法: ① 插值法; ② 曲线(数据)拟合. 插值法的应用背景 数据插值 数据拟合 插值法在计算数学、计算力学、计算机图形学、计算机辅助几何设计、信号与图像处理、气象学、地理信息系统等领域有广泛应用. 多项式插值（代数插值） (xi, yi) 第5章 插值法 插值的基本思想 这种函数可以有很多, 最简单的是多项式, 而且多采用低阶多项式. 一组给定的数据点 (i=0,1,…n) 寻求函数 , 使得 . 运算简单, 只需+, -, *, / ; 连续光滑, 导数仍是多项式; 已知函数f(x)在区间[a,b]中的n+1个不同点处的函数值: 寻找至多n次的多项式: 使得: 插值多项式 插值节点 多项式的系数满足方程: 第5章 插值法 系数矩阵: 范德蒙行列式 (Vandermonde) 即, 满足插值条件的多项式是唯一的. 方程有唯一解 第5章 插值法 线性插值多项式: 节点值 (x0,y0), (x1,y1) 两个节点的情况 插值多项式 可改写成: 线性多项式 满足: 即: 将上面的思想推广到n+1个节点的情况: 同时须满足: 第5章 插值法 其中, 是不超过n次的多项式, 且满足: 这样, 也是不超过n次的多项式, 且满足: 显然, 有n个根xj ( j=0,1,…,i-1,i+1,…,n), 故有如下形式: n次Lagrange插值基函数. 称为n次Lagrange插值多项式 记: 特例: 第5章 插值法 过插值点(x0,y0), (x1,y1), (x2,y2) 的抛物线. n=1: x0,x1两点一次多项式—— 线性插值 n=2: x0,x1,x2三点二次多项式—— 抛物线插值 低碳钢在不同温度下的热膨胀系数α由下表给出: 第5章 插值法 13.9 13.4 13.2 12.1 11.4 10.2 500