第四章 插值与多项式逼近.pptVIP

求牛顿多项式的方法 xi f[xi] f[xi,xi+1] f[xi,xi+1,xi+2] f[xi,xi+1,xi+2] x0 f(x0) x1 f(x1) f[x0,x1] x2 f(x2) f[x1,x2] f[x0,x1,x2] x3 f(x3) f[x2,x3] f[x1,x2,x3] f[x0,x1,x2 ,x3] … … … … 例题 设f(x)=x3-4x,构造基于节点x0=1，x1=2，x2=3，x3=4，x4=5，x5=6的差商表。并写出牛顿多项式。 例题 已知 x = 1, 4, 9 的平方根值，求sqrt（7） xi f[xi] f[xi,xi+1] f[xi,xi+1,xi+2] 1 1 4 2 9 3 N2(7)=1+(7-1)*0.33333+ (7-1)*(7-4)*(-0.01667)= 2.69992 例题 已知 f(x) = x7+ x4+ 3x+ 1 求 f [20, 21, … 27 ] 及 f [20, 21, … 27, 28 ] 分析：本题 f(x)是一个多项式, 故应利用差商的性质 习题 P177，第2题 P178，第6题 帕德逼近 本章小结 插值方法 泰勒级数和函数计算 插值介绍 拉格朗日逼近 牛顿多项式 帕德逼近 由lk(xk)=1,可以求得系数Ak为 代入上式可得 称为关于基点xi的n次插值基函数。也叫拉格朗日系数多项式。 以n+1个n次基本插值多项式为基础,就能直接写出满足插值条件的n次代数插值多项式 记做一般形式，N次拉格朗日插值多项式 可以通过N+1个点求得，其多项式的最高次数不超过N，其基函数或者拉格朗日系数多项式为 N次拉格朗日插值多项式 例题1 已知y=f(x)的函数表 求线性插值多项式, 并计算x=1.5 的值 X 1 3 y 1 2 例题2 已知x=1, 4, 9 的平方根值, 用抛物插值公式, 求sqrt（7） (x0–x1)(x0–x2) y0 + (x1–x0)(x1–x2) y1 + (x2–x0)(x2–x1) (x–x0)(x–x1) y2 p2(7) = x0=1, x1=4, x2=9 y0=1, y1=2, y2=3 (1–4)(1–9) (7–4)(7–9) * 1 + (4–1)(4–9) (7–1)(7–9) * 2 + (9–1)(9–4) (7–1)(7–4) * 3 = 2.7 p2(x) = (x–x1)(x–x2) (x–x0)(x–x2) 例题3 求过点(0,1)、(1,2)、(2,3)的三点插值多项式 例题4 已知f(x)的观测数据 求其拉格朗日插值多项式。 x 1 2 3 4 f(x) 0 -5 -6 3 这个例子说明p(x)的项数不超过n+1项，但可以有缺项。 试用前面三个点，求二次插值多项式，并比较结果？ 内、外插值的区别 例题：对于函数f(x)=cos(x) 利用x0=0.0和x1=1.2构造线性插值多项式P1(x) 利用x0=0.2和x1=1.0构造线性插值多项式Q1(x) 参考值： cos(1.2)=0.362358 cos(1.0)=0.540302 误差项和误差界 定理4.3（拉格朗日多项式逼近）设f∈CN+1[a,b]，且x0,x1,…,xn ∈[a,b]为N+1个节点。如果x ∈[a,b]，则 f(x)=PN(x)+EN(x) 其中PN(x)是可以用于逼近f(x) 的多项式： f (x)≈PN(x)= 误差项EN(x)形如： c=c(x)为区间[a,b]内的某个值。 线性插值误差项： 二次插值误差项 例题1 已知 x1=100, x2=121, 用线性插值估计 f(x)=sqrt(x)在x=115时的截断误差。 例题2 已知x0=100, x1=121, x2=144,当用抛物插值求f(x)=sqrt(x)在x=115时的近似值，估计其的截断误差 。 定理4.4(等距节点拉格朗日多项式的误差界) 设f(x)定义在[a,b]上，其中包含等距节点xk=x0+hk，并设f′(x)及其直到N+1阶导数分别在子区间[x0,x1],[x0,x2],和[x0,x3]上连续且有界，即，对N=1,2,3，有 对应于N=1,2和3，误差项E(x)具有如下的界： 例题 ：对于函数f(x)=cos(x) 利用x0=0.0和x1=1.2构造线性插值