计算方法的第二章课件.pptVIP

第2章 插 值 概念 1 插值问题与插值多项式 问题: 2 Lagrange插值多项式2.1 插值基函数 2.2 L型插值多项式 线性插值 二次插值 事后误差估计 3、差商的计算 3.2 Newton型插值多项式 Newton基本插值多项式的构造 例子 一些性质 差商性质总结 3.3 差分 3.4 牛顿向前插值多项式 作业：3，4 1.4 Hermite插值 误差分析 二重密切Hermite插值误差 分段低阶插值 Runge现象 分段线性插值 三次样条插值 m关系式 有时候，构造插值函数除了函数值的条件以外，还需要一定的 连续性条件，如一阶导数值等，这种插值称为Hermite插值。 称为二重密切Hermite插值 §3 Hermite Interpolation 例：设 x0 ? x1 ? x2, 已知 f(x0)、 f(x1)、 f(x2) 和 f ’(x1), 求多项式 P(x) 满足 P(xi) = f (xi)，i = 0, 1, 2，且 P’(x1) = f ’(x1), 并估计误差。 模仿 Lagrange 多项式的思想，设 解：首先，P 的阶数 = 3 ? + = 2 1 3 ) ( ) ( ) ( ) ( ) ( = 0 i i i x h x1 f ’ x h x f x P ? h0(x) 有根 x1, x2，且 h0’(x1) = 0 ? x1 是重根。 ) ( ) ( ) ( 2 2 1 0 0 x x x x C x h - - = 又: h0(x0) = 1 ? C0 h2(x) h1(x) 有根 x0, x2 ? ) )( )( ( ) ( 2 0 1 x x x x B Ax x h - - + = 由余下条件 h1(x1) = 1 和 h1’(x1) = 0 可解。 与h0(x) 完全类似。 (x) ? h1 有根 x0, x1, x2 ? ? h1 ) )( )( ( ) ( 2 1 0 1 x x x x x x C x - - - = ? h1 又: ’(x1) = 1 ? C1 可解。 其中 hi(xj) = ?ij , hi’(x1) = 0, (xi) = 0, ’(x1) = 1 ? h1 ? h1 与 Lagrange 分析完全类似 仿照Lagrange插值的做法，首先确定多项式插值空间的维数， 注意到，我们的条件共有2(n+1)个条件，所以，最高次数为2n+1 整个构造步骤如下： 1、确定多项式的最高项次数，就是函数空间的维数 2、假设一组基函数，列出插值多项式 3、列出基函数满足的公式（画表），求基函数 称为 构造基函数方法 类似Lagrange插值的分析方法 例：在[?5, 5]上考察 的Ln(x)。取 - 5 - 4 - 3 - 2 - 1 0 1 2 3 4 5 - 0.5 0 0.5 1 1.5 2 2.5 n 越大， 端点附近抖动 越大，称为 Runge 现象 Ln(x) ? f (x) ? 是否次数越高越好呢？ 例： 等距节点构造10次Lagrange插值多项式 -0.90 0.04706 1.57872 -0.70 0.07547 -0.22620 -0.50 0.13793 0.25376 -0.30 0.30769 0.23535 1901年，Runge 等距高次插值，数值稳定性差，本身是病态的。 每个小区间上，作线性插值 (1) (2) 在每个小区间上为一个不高于1次的多项式 分段低次插值 特性 误差 可以看出 收敛，可惜只一阶精度，不够光滑。 类似，可以作二重密切Hermite插值 关键： 分段、低阶插值 分段低阶插值，收敛性好，但光滑性不够理想。在工业设计中， 对曲线光滑性要求高，如：流线型 设想这样一曲线：插值，次数不高于3次，整个曲线2阶连续导 数，称为三次样条函数插值。 每个小区间不高于3次， 有4n个未知数，我们的已知条件如下： 共3n-3+n+1=4n-2个条件 * 实际中，f(x)多样，复杂，通常只能观测到一些离散数据； 或者f(x)过于复杂而难以运算。这时我们要用近似函数P(x)来逼近f(x)。 自然地，希望P(x)通过所有的离散点 x0 x1 x2 x3 x4 x P(x) ? f(x) 是否存在唯一 如何构造 误差估计 1. 插值问题与插值多项式 1.2 插值多项式 的存在性问题 Vandermonde行列式 1.2 插值多项式