第四章插值与拟合新修改第一部分(11.26).pptVIP

L n(x)= = 显然L n(x)满足 L n(x i) =yi 则 L n(X)= 插值余项为 R n(x) = f(x) - L n(X) 例3 已知函数y=f(x)的观测数据为 x 1 2 3 4 y 0 -5 -6 3 试求拉格朗日插值多项式。 L3(x)=l0(x)y0+l1(x)y1+l2(x)y2+l3(x)y3 解: l2 (x)=? l3 (x)=? 例4 已知函数y=f(x)的观测数据为 x 0 1 2 y 1 2 3 试求拉格朗日插值多项式。 解 =x+1 这是二次项系数为0的二次多项式。从几何上看,这三点(0,1)、(1,2)、(2,3)在一条直线上。此例说明Pn(x)的次数可以小于n。 四 、插值余项 定理2 （ P72 ） 其中： = （2）当x∈(a,b)但不等于任一个插值基点时,作辅助函数 证明 ： （1）当x=xi时, 因为Rn(xi)=Ln(xi)-f(xi)=0 显然 Φ(x)= Φ(x0)= Φ(x1)=…. Φ(x n)= 0 所以公式成立 根据 roll 定理知 ： Φ′（t ) 在Φ（t) 的两个零点之间至少有一个零点 ，也即Φ ′（t) 在[ a , b] 内有n+1个零点…….. Φ(n+1)(t)至少有一个零点ξ 使得Φ(n+1)(ξ ) = 0 ，由 所以 若| f (n+1)(x)|≤M,x∈[a,b], 则 注意: (1)插值多项式本身只与插值基点及f(x)在这些基点上的函数值有关,而与函数f(x)无关，但余项Rn(x)却与f(x)联系很紧。 (2)若f(x)为次数不超过n的多项式,那么以n+1个点为基点的插值多项式就一定是其本身,即Pn(x)≡f(x)。 这是因为此时Rn(x)=0。 （3）特别地，取 f(x) = xk, k = 0,1,2,…,n, 则 当k=0时，可得： 例5 : 估计ex1中求 ln(11.75 )的误差 (例1：已知结点（x0,y0) , (x1,y1) y=lnx x 11 12 y 2.3979 2.4849 L1(x)=2.3979（12-x) +2.4849(11-x) 因此：ln11.75 ≈ L1(11.75)=2.4632) 误差： 误差： 补充练习： 1.xi(i=0,1,2,3,4)为互异点，li(x)为对应的4次插值基函数，则 解：对f(x)=x4 以给定的5个节点做4次插值多项式得： 因为对次数不超过n的多项式做插值等于它本身，所以 解：对f(x)=x4+2 以给定的5个节点做 4次插值多项式得： 因为对次数不超过n的多项式做插值等于它本身，所以 2. xj(j=0,1,2,..,n)为互异点，lj(x)为对应的插值基函数，证明： （1） （2） k=0 k=1,2,…..n k=n+1 练习：已知 x 0.32 0.34 0.36 y=sin(x) 0.314567 0.333487 0.352274 (1)用线性插值及二次插值求sin(0.3367)的值， 并分别估计其误差 (2)对任意x ,用表距为0.02的正弦表，采用线性插值求 sin(x)的近似值时的误差？ (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， 第四章 插值与拟合 插值与拟合是函数逼近的两个重要方法，常用于求函数的近似表达式或推导经验 公式，并且在数值积分、求微分方程数值解等方面有着广泛的应用 拉格朗日插值多项式 线性插值与二次插值 代数多项式插值的存在唯一性 代数多项式的余项 牛顿均差插值多项式 牛顿前差和后差插值多项式 三次样条插值 数值微分 曲线拟合法 主要内容 问题背景 实际问题中经常要涉及到函数值的计算问题： （2）如果函数表达式本身比较复杂，且需要多次重