插值及其误差解说.doc

插值及其误差 x sin x cos x tan x 1.567 0.999 992 8 0.003 796 3 263.411 25 1.568 0.999 996 1 0.002 796 3 357.611 06 1.569 0.999 998 4 0.001 796 3 556.690 98 1.570 0.999 999 7 0.000 796 3 1255.765 59 用表中的数据和任一插值公式求： （1）用tan x表格直接计算tan 1.569 5。 （2）用sin 1.569 5和cos 1.569 5来计算tan 1.569 5。并讨论这两个结果中误差变化的原因。 插值：求过已知有限个数据点的近似函数。 1 插值方法 下面介绍几种基本的、常用的插值：拉格朗日多项式插值、牛顿插值、分段线性插 值、Hermite 插值和三次样条插值。 1.1 拉格朗日多项式插值 1.1.1 插值多项式 用多项式作为研究插值的工具，称为代数插值。其基本问题是：已知函数在区间上个不同点处的函数值，求一个至多次多项式 （1） 使其在给定点处与同值，即满足插值条件 （2） 称为插值多项式，称为插值节点，简称节点，称为插值区间。从几何上看，次多项式插值就是过个点，作一条多项式曲线近似曲线。 次多项式（1）有个待定系数，由插值条件（2）恰好给出个方程 （3） 记此方程组的系数矩阵为，则 是范德蒙特(Vandermonde)行列式。当互不相同时，此行列式值不为零。因此方程组（3）有唯一解。这表明，只要个节点互不相同，满足插值要求（2）的插值多项式（1）是唯一的。 插值多项式与被插函数之间的差 称为截断误差，又称为插值余项。当充分光滑时， 其中。 1.1.2 拉格朗日插值多项式 实际上比较方便的作法不是解方程（3）求待定系数，而是先构造一组基函数 是次多项式，满足 令 （4） 上式称为次 Lagrange 插值多项式，由方程（3）解的唯一性，个节点的次Lagrange 插值多项式存在唯一。 1.1.3 用Matlab作Lagrange插值 Matlab中没有现成的Lagrange插值函数，必须编写一个M文件实现Lagrange插值。 设个节点数据以数组输入，个插值点以数组输入，输出数组为个插值。编写一个名为lagrange.m的M文件： function y=lagrange(x0,y0,x); n=length(x0);m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end sin 1.5695=0.9999991749999999 cos 1.5695=0.001296300000000056 tan 1.5695=819.0342874999274 1.2 分段线性插值 1.2.1 插值多项式的振荡 用Lagrange插值多项式近似，虽然随着节点个数的增加，的次数变大，多数情况下误差会变小。但是增大时，的光滑性变坏，有时会出现很大的振荡。理论上，当，在内并不能保证处处收敛于。Runge给出了一个有名的例子： 对于较大的，随着的增大，振荡越来越大，事实上可以证明，仅当时，才有，而在此区间外，是发散的。 高次插值多项式的这些缺陷，促使人们转而寻求简单的低次多项式插值。 1.2.2 分段线性插值 简单地说，将每两个相邻的节点用直线连起来，如此形成的一条折线就是分段线性插值函数，记作，它满足，且在每个小区间上是线性函数。 可以表示为 有良好的收敛性，即对于， 用计算点的插值时，只用到左右的两个节点，计算量与节点个数无关。但越大，分段越多，插值误差越小。实际上用函数表作插值计算时，分段线性插值就 足够了，如数学、物理中用的特殊函数表，数理统计中用的概率分布表等。 1.2.3 用Matlab实现分段线性插值 用 Matlab 实现分段线性插值不需要编制函数程序，Matlab 中有现成的一维插值函数interp1。 y=interp1(x0,y0,x,method) method指定插值的方法，默认为线性插值。其值可为： nearest 最近项