第四章插值法-徐芳.pptVIP

分段线性插值基函数: 分段线性插值余项估计 同理可得后插公式 解 函数 x3 的差分表如下 当 根据Newton向前插值公式，分别求得 例6 给出 例7 已知f (x)=sinx的数值如下表中前两列，分别用二次Newton向前、向后插值公式求sin0.57891的近似值。 x sinx 0.5 0.47943 0.6 0.56464 0.7 0.64422 0.4 0.38942 解 作差分表，见上表 △ 0.09001 0.08521 0.07958 △2 -0.00480 -0.00563 △3 -0.00083 使用二次Newton向前插值公式，取x0=0.5， x1=0.6， x2=0.7，h=0.1，x=0.57891，则 使用二次Newton向后插值公式，取x0=0.4， x1=0.5， x2=0.6，h=0.1，x=0.57891，则 §4.5.1 Hermite插值 已知数表 求多项式 满足 则 称为Hermite插值多项式 因为数表中有 个已知数，可确定一个 次 多项式。 §4.5 其他插值 当 较大时用待定系数法求 是困难的 令 为 次多项式 且满足 其中 且满足 令 为 次多项式 所以 为Hermite插值多项式。 Kronecker（克罗内克）符号 柏林科学院院士，巴黎科学院通讯院士，伦敦皇家学会外籍会员。 主张分析学应奠基于算术，而算术的基础是整数。克罗内克名言：“上帝创造了整数，其余都是人做的工作” 令 则 其中 又 则 由（1）（2） 得 所以 其中 则 所以 令 则 又 由 得 所以 例8 已知 求三次多项式 满足 解 所以 验证： 练习：求四次多项式 满足 令 解： 在点0，1，2上做Lagrange插值函数 则 因此 所以 考察函数 §4.5.2 分段低次插值 1、Runge现象 取点 做Lagrange插值 function y=lagrange(x0,y0,x); n=length(x0); m=length(x); for i=1:m s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(x(i)-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end end Lagrange函数 x0=-5:1:5; y0=1./(1+x0.^2); x=-5:0.1:5; x00=-5:0.1:5 y00=1./(1+x00.^2); y=lagrange(x0,y0,x); plot(x0,y0,or); hold on; plot(x00,y00,b); hold on; plot(x,y,r); Runge现象 2、分段线性插值 设函数 在节点： 上的函数值为： 记步长 （1） 如果函数 满足 （2） 在区间 上 （3） 则称 为分段线性插值 x0 x1 xn-1 xn ( j= 1,···,n-1) xj-1 xj+1 于是 由此可知 稍好于 （3） 因为 则 § 4.3 Newton插值 拉格朗日插值多项式结构对称，使用方便。但由于是用基函数构成的插值，这样要增加一个节点时，所有的基函数必须全部重新计算，不具备承袭性，还造成计算量的浪费。这就启发我们构造一种具有承袭性的插值多项式来克服这个缺点，也就是说，每增加一个节点时,只需增加相应的一项即可，这就是牛顿插值多项式。 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 （3） 可见，牛顿插值多项式Nn(x)是插值多项式L(x)的另一种表示形式, 与Lagrange多项式相比它不仅克服了“增加一个节点时整个计算工作重新开始”的缺点, 且可以节省乘除法运算次数,同时