第二讲：插值法题材.pptVIP

第二章 插值法 /* Chapter 2 Interpolation */;当精确函数 y = f(x) 非常复杂或未知时，在一系列节点 x0 … xn 处测得函数值 y0 = f(x0), … yn = f(xn)，由此构造一个简单易算的近似函数 g(x) ? f(x)，满足条件g(xi) = f(xi) (i = 0, … n)。这里的 g(x) 称为f(x) 的插值函数。最常用的插值函数是 …?;§2.2 拉格朗日多项式 /* Lagrange Polynomial */;n = 2;§2.2 Lagrange Polynomial;定理;? 插值余项 /* Remainder */;Rn(x) 至少有 个根;注：? 通常不能确定 ?x , 而是估计 , ?x?(a,b) 将 作为误差估计上限。;例：已知;n = 2;;§2.3 牛顿插值 /* Newton’s Interpolation */;§2.3 Newton’s Interpolation;? 牛顿插值 /* Newton’s Interpolation */;注：? 由唯一性可知 Nn(x) ? Ln(x)， 只是算法不同，故其余项也相同，即;§2.3 Newton’s Interpolation;Lagrange插值与Newton插值的本质？;? 差分形式—等距节点公式 /* Formulae with Equal Spacing */;? 差分的重要性质：; 牛顿公式 ;§2.4 埃尔米特插值 /* Hermite Interpolation */;§2.4 Hermite Interpolation;一般地，已知 x0 , …, xn 处有 y0 , …, yn 和 y0’ , …, yn’ ，求 H2n+1(x) 满足 H2n+1(xi) = yi ， H’2n+1(xi) = yi’。;Quiz: 给定 xi = i +1, i = 0, 1, 2, 3, 4, 5. 下面哪个是 h2(x)的图像？;§2.5 分段低次插值 /* piecewise polynomial approximation */;§2.5 Piecewise Polynomial Approximation;§2.6 三次样条插值 /* Cubic Spline */;§2.6 Cubic Spline;;? 第1类边条件 /* clamped boundary */： S’(a) = y0’， S’(b) = yn’;注：?另有三转角法得到样条函数，即设 S[j]’(xj) = mj，则易知[xj?1, xj ]上的S[j](x) 就是Hermite函数。再利用S”的连续性，可导出关于mj 的方程组，加上边界条件即可解。; Sketch of the Algorithm: Cubic Spline ① 计算 ?j , ? j , gj ; ② 计算 Mj (追赶法等) ; ③ 找到 x 所在区间 ( 即找到相应的 j ) ; ④ 由该区间上的 S[j](x) 算出 f(x) 的近似值。