插值法(一)概要.ppt

误差分析 估计误差： 应用 该法不仅要求提供个插值节点的函数值yi，而且也要给出其导数值yi’，由于所需要的数据常常不易获得，因此不能作为一种插值技术经常应用。 作为其数值方法（特别是Gauss积分法）的基础显得十分重要。 分段三次Hermite插值 为了更好地提高拟合曲线的光滑度，可使分段插值函数的导数也连续，构造分段三次Hermite插值函数： 样条（Splines）插值法 为了克服Lagrange和Hermite插值法的高次计算缺点。 克服分段插值导致各区间节点处导数不连续的问题。 提高曲线的光滑度。 插值法 插值法 插值法是对一系列有限数据拟合出一条平滑曲线的过程。 按照所提供数据的类型及期望得到结果的型式，将插值法分为两类： 标准插值法 最小二乘插值法 插值法基本问题的描述 给出一组数据点(xi,yi), i=1,2,…,n,要求构造出一平滑曲线f(x)，使其通过这些数据点。 对插值曲线的要求 由问题的陈述，必须满足 函数必须容易定值。 应该容易进行微分和积分。 应具有线性可调参数。 Lagrange插值法 Hermite插值法 样条（Splines）插值法 拉力样条（Tension Spline）插值法 参量插值法和多维插值法 Lagrange插值法 通过给定数据点，可构造线性多项式函数： 得到 典型线性方程组求解的问题 当n4或n5时求解要借助于计算机； 当n5，时方程可能为病态； 不能具有紧凑格式的表达式。 Lagrange插值函数 用每一个yi和一个含x的（n-1）次多项式乘积的线性组合。 Lagrange插值多项式 且满足： 误差分析 实际误差 估计误差 例1 选定函数ex，0x1,给定x=0,x=0.5,x=1，求x=0.25处的插值。 二次插值公式为： 精确值为： 实际误差为：0.0123 估计误差约等于实际误差的两倍，结果不算太坏。 内插与外插（外推） 在给定的点x，计算出插值公式的值作为f(x)的近似值，此过程称为插值，点x称为插值点；若插值点x位于插值区间之内，此种插值过程称为内插，否则称为外插（或外推）。 在例1中，若插值区间相同，在x=-0.25处插值，可求得f(x)=0.83345，与精确值0.77880相比，误差等于0.055。 该误差值为x=0.25处插值实际误差的四倍多 可以看出，Lagrange插值法用于外推较内插结果相差很大。 对函数ex用五点插值比用三点插值要好 五点插值时，误差均较小，仍发出波动分布，误差最大值出现在插值区间两端点附近。 最大误差相对于所用插值节点数的变化曲线。 n较大时，估计误差小于实际误差。 方法本身问题。 例2 选用正弦函数sin2πx，在0x1区间的插值问题。 给出四点插值和七点插值结果。 最大误差远大于指数函数的最大误差值。 多项式插值函数拟合波动函数比拟合平滑函数要困难。 相对于插值节点数的最大误差曲线。 是非一条平滑曲线，原因是在正弦曲线上节点位置的选择非常重要。 例3 选用具有密集曲率的函数，典型的超椭圆方程，其用于圆形截面与正方形截面间的整形。 当m取较大时，曲线几乎表示一个正方形 m=2时，方程为圆方程。 其误差值远大于指数函数的误差值，且集中是x=1附近。 随节点数增加最大误差下降很慢。 m=4时，结果于2时规律类似。 其误差更加增大，且更集中在曲率大的局域内。 随节点数增加最大误差下降愈加缓慢。 多项式插值法的重要特性 插值曲线必在精确值附近上下波动 逼近平滑函数较逼近波动函数或具有集中曲率函数能获得更高的精度 大于三点或四点的Lagrange插值法很少应用 Lagrange插值法是其它许多方法的基础，很少作为独立方法应用 Lagrange插值法能够提供所构造的插值函数滑顺程度有限。 改进的方法 分段插值 Hermite插值法 分段插值 高次插值的Runge现象。函数在进行高次Lagrange插值时，表现为区间两端点处误差很大的现象。 大范围内使用高次插值，逼近的效果往往不理想，故应采用分段低次插值 分段插值函数 将插值区间多个子区间，在每个子区间上均为线性函数，表示为： 分段多项式 整个区间使用Lagrange插值函数 Hermite插值法 给出n个互异节点x1,x2,…xn处的函数值yi和导数值yi’，寻求一个与所有节点数据协调的（2n-1）次多项式。 Hermite插值函数 其中Uk(x)和Vk(x)分别是（2n-1）次多项式，具有如下特性： 利用Lagrange多项式： 得出：