拉格朗日插值和逐次线性插值解析.pptVIP

y 0 x xk xk+1 ① 线性插值： 特别地，n = 1, 2 时的插值余项 ： y 0 x ② 抛物线插值： xk-1 xk xk+1 注意： ①余项表达式仅当 存在时才能应用，且是唯一的。 ②? 在( a , b ) 内的具体位置通常不能给出，因此R(x)不能准确地计算出来，只能估计它的值． 若有 ,则截断误差界是 ③ n次插值多项式对次数不高于n次的多项式完全精确。 （因为，若f(x)为次数不高于n次的多项式, 从而Rn(x)=0.） 则f(n+1)(ξ) =0, ④由截断误差式（2.10）可见，当n→∞时，Rn(x)未必趋于0.因此，依靠增多插值节点不一定能减少误差。 ⑤插值多项式一般仅用来估计插值区间内点的函数值（即内插），用它计算插值区间外点的函数值（即外插）时，误差可能会很大。 解 -0.916291 -0.693147 -0.356675 -0.223144 ln x 0. 40 0. 50 0. 70 0.80 x 内插式 较准确 例2.4 f (0. 6) = ln 0.6 的真值为：-0. 510826 内插式 f (0. 6) = ln 0.6 的真值为：-0. 510826 更准确 Ｌ１(0. 6) ：有一位有效数字，Ｌ２(0. 6) ：有二位有效数字，增加节点数，精度提高了． 多项式L3(x)，得 利用余项估计式R3(x)，得 由于 该估计式给出了一个较好地估计。再增加一个节点数，精度又提高了．但是，原来的计算不能再此应用，需重新计算估计式。 Lagrange插值算法实现 function y=lagrange(x0,y0,x) ii=1:length(x0); y=zeros(size(x)); for i=ii ij=find(ii~=i); y1=1; for j=1:length(ij), y1=y1.*(x-x0(ij(j))); end y=y+y1*y0(i)/prod(x0(i)-x0(ij)); end 算例1：给出f(x)=ln(x)的数值表，用Lagrange计算ln(0.54)的近似值。 x=[0.4，0.5,0.7，0.8]; y=[-0.916291,-0.693147,-0.356675,-0.223144]; lagrange(x,y,0.6) ans = -0.509 975 （精确解-0.510 826) 算例2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 。 x=[-5:1:5]; y=1./(1+x.^2); x0=[-5:0.1:5]; y0=lagrange(x,y,x0); y1=1./(1+x0.^2); ％绘制图形 plot(x0,y0,--r) ％插值曲线 hold on plot(x0,y1, -b) ％原曲线 为解决Rung问题，引入分段插值。 　Lagrange插值——采用插值基函数的线性组合来构造插值多项式 含义直观 形式对称 优点： 缺点： 计算量大 求二次插值多项式。 解 按Lagrange方法，有： 练习1 练习2 给定数据表 0 1 5 14 yi 0 1 2 3 xi 求三次Lagrange插值多项式L3(x). 练习3 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。 解 f(x)=sin x, 设xi－１, xi为任意两个插值节点，最大允许步长记为 h = hi = xi －xi－１， 2. 5 Hermite插值多项