[2018年最新整理]Ch2插值法1.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * Confidential, for review onlyBorland * Confidential, for review onlyBorland * Confidential, for review onlyBorland * * * * * * * * * * * * * * * * * * Confidential, for review onlyBorland * Confidential, for review onlyBorland * * * (3) 唯一性验证. 通过比较牛顿插值多项式和拉格朗日插值多项式,知: Nn(x) = Ln(x) 牛顿插值多项式为: xk f (xk) 一阶均差 二阶均差 三阶均差 0 1 1 9 8 2 23 14 3 4 3 -10 -8 ? 等距节点插值公式 向前差分 i i i f f f - = ? + 1 i k i k i k i k f f f f 1 1 1 1 ) ( - + - - ? - ? = ? ? = ? 向后差分 1 1 1 - - - ? - ? = ? i k i k i k f f f i?1 i i f f f - = ? 当节点等距分布时: 四、差分形式的牛顿插值公式 当插值节点等距分布时, 被插值函数的变化率就可用差分来表示, 这时牛顿插值公式的形式更简单, 计算量更小 xi处以h为步长的一阶向前差分 xi处以h为步长的一阶向后差分 可以证明 如 差分表 ? 差分的重要性质： ? 差分值可由函数值算出： ? = - + - = D n j j k n j k n f j n f 0 ) 1 ( ? = - + - - = ? n j n j k j n k n f j n f 0 ) 1 ( 其中 ? 函数值可由差分值算出： k j n j k n f j n f D ? = + = 0 在等距节点的前提下, 差商与差分有如下关系 ? 依此类推 n n n h f f k ) ( ) ( D = x 由表达式 牛顿公式 ? 牛顿前差公式 设 ，则 则插值公式 化为 其余项 化为 例 给出正弦函数sinx由x=0.4到0.7的值(h=0.1),试用牛顿前差公式计算sin0.57891的近似值。 解： 作差分表 为使用牛顿插值公式，先构造差分表. 例 解 根据题意，插值条件为 由于 接近 ，所以应用牛顿向前插值公式计算 的近似值. 取 得 误差估计 其中 （4.11） * * * * * * * * * * * * * * * * * * 希望找到li(x)，i = 0, …, n 使得 li(xj)=?ij ；然后令 ? = = n i i i n y x l x P 0 ) ( ) ( ，则显然有Pn(xi) = yi 。 li(x) 每个 li 有 n 个根 x0 … xi … xn ? = - = - - - = n j j ? i j i n i i i x x C x x x x x x C x l 0 0 ) ( ) )...( )...( ( ) ( ? - = = j ? i j i i i i x x C x l ) ( 1 1 ) ( 拉格朗日 多项式 与 有关，而与 无关 节点 f n次插值基函数为 于是 例 解: 且 此例中,利用两个节点169和225,也可以作插值多项式, 这种插值方法称为Lagrange线性插值,求近似值时可在 n+1个节点中取相邻的两个节点作线性插值 例 解: Lagrange插值基函数为 Lagrange线性插值多项式为 所以 请编写出Lagrange插值的 Matlab 程序 Lagrange插值多项式的缺点： 插值基函数计算复杂 高次插值的精度不一定高 拉格朗日插值算法实现 x0 x1 xi xi+1 xn-1 xn y=f(x) y=Ln(x) a b 在插值区间?a, b?上用插值多项式Ln(x)近似代替f(x), 除了在插值节点xi上没有误差外，在其它点上一般是存在误差的。 其截断误差为 Rn(x) = f(x) - Ln(x) 三、插值余项与误差估计 其中 如果 那么插值多项式 逼近 的截断误差限是