数值分析 第一章 插值方法.ppt

1.1 问题的提出 1.2 拉格朗日插值公式 1.3 插值余项 1.4* 埃特金插值方法 1.5 牛顿插值公式 1.6 埃尔米特插值 1.7 分段插值法 1.8* 样条函数 1.9 曲线拟合的最小二乘法 实际问题中遇到的函数, 其表达式可能很复杂，有些甚至都给不出解析表达形式，仅仅提供一些离散数据, 譬如某些点的函数值和导数值, (xi , yi , y’i , i=0,1,2,…), 直接研究该函数非常困难. 因此, 一个很自然的想法就是：能否构造某个简单的函数作为原函数的近似 ——插值问题. 插值：在一定条件下，在某一范围内，用一简单函数 p(x) 近似代替另一个较为复杂或无法用解析式表达的函数 f (x)，以便于计算和研究其性质. 例题讲解——Lagrange 插值 例1 设 ,试用Lagrange 插值公式给出以-1，0，1，2为节点的三次插值多项式. 例题讲解——Lagrange 插值 例2 证明：由下列插值条件所确定的Lagrange 插值多项式是一个2次多项式. 例题讲解——Lagrange 插值 例3 设 是以 为节点的Lagrange 插值基函数，证明： （1） （2） （3） （4） 例题讲解——Lagrange 插值余项 例4 设 充分光滑， ， 证明： §1.5 牛顿插值 （Newton’s Interpolation ） Lagrange 插值虽然易算，但若要增加一个节点时，全部基函数 li (x) 都需要重新计算. 4、差分形式的插值公式 2. 误差的事后估计 利用(11)式，在f (x)未知的情况下，去估计误差是困难的。下面介绍另外一种误差分析方法。 三个插值节点x0, x1, x2: 根据余项定理： 1)利用x0, x1进行线性插值, 求出 f(x)的一个近似，记为 y1; ~ 2)利用x0, x2进行线性插值, 求出 f(x)的另一个近似,记为 y2. ~ y=f (x), f (x)≈p01(x)=y1, f (x)≈p02(x)=y2, ~ ~ ~ ~ 假设f ”(x)在[a,b]内变化不大，将两式相除: ~ ~ ~ ~ ~ ~ 可见：利用(x1, y1)、(x2, y2)作线性插值,得 (15) ~ ~ ~ ~ y1的误差可通过 y2- y1来估计——事后估计. ~ ~ 所以： x y 0 x0 x1 x2 p01(x) p02(x) x ~ y1 ~ y2 例4(P21例4). 已知 x0=100, x1=121, x2=144, x=115 y0=10, y1=11, y2=12, y=? 根据(15)式: ~ ~ ~ ~ 解：由例2，用x0,x1作线性插值，求得 y1=10.71428 用x0, x2作线性插值，求得 y2=10.68182 ~ ~ 变题：上述原函数改为 ，结果又如何？ 你从中感悟到什么结论？ 若f (x)本身就是k次多项式函数，并且对它进行n次 插值的Lagrange插值函数Pn(x)，则有当 n=k 时, Pn(x) ≡f (x); 否则, Pn(x) ≠ f (x). Pn(x) =x^2-1 对f (x)进行n次插值的Lagrange插值函数Pn(x) ， 则有Pn(x) 并非一定是n次多项式，而是次数≤n. 5.25 2 1.25 0 0.75 -1 f (x) 2.5 2 1.5 1 0.5 0 x 你从中感悟到什么结论？ 能否重新在Pn中寻找新的基函数 ？ 希望每加一个节点时，只附加一项上去即可。 ------不具“承袭性” 1. 利用承袭性构造插值公式 线性插值： 记： 则： 启发：过三点的插值多项式p2(x)是否可以由p1(x)得到? 即p1(x)可以由p0(x)得到. 【看作是零次插值多项式】 ∵ 是函数f (x)节点，所以有 整理后： 令 (0) 关键是能否求出c2？ 只能利用 显然，这两式与求c2无关，所以, 求 c2。 由(0)式 2. 差商及其性质 1) 关于x0，x1的一阶差商定义： (23) 2) 关于x0，x1 ， x2的二阶差商定义： 3) 关于x0, x1 ，……, xn的n阶差商定义： 差商可用离散的节点的函数值表示: 对①变形： ---