Ch5-1 插值法.ppt

第5章 插值法 引言 拉格朗日插值 差商与牛顿插值 差分与等距节点插值* 埃尔米特插值 分段低次插值 样条插值 §1 引 言 §2 拉格朗日插值 思考: 进一步求函数x=1.3处的近似值? §3 差商与牛顿插值多项式 *§4 差分与等距节点插值 上讲内容小结 类似地，为求 f(x) 的近似值，也可选取距 x 最近的三个结点 xk-1, xk, xk+1进行二次插值，即取: 系数矩阵为严格对角占优阵，方程组有唯一解。 注：三次样条与分段 Hermite 插值的根本区别在于S(x)自身光滑，不需要知道 f 的导数值（除了在2个端点可能需要）；而Hermite插值依赖于f 在所有插值点的导数值。 f(x) H(x) S(x) 三次样条插值的算法步骤： ① 计算 ?j , ? j , gj ; ② 计算 Mj (追赶法等) ; ③ 写出样条函数S(x); ④ 找到 x 所在区间 ( 即找到相应的 j ) ; 由该区间上的 S[j](x) 算出 f(x) 的近似值。 三、误差界与收敛性 插值法小结 ? Lagrange : 给出 y0 … yn，选基函数 li(x)，其次数为 节点数 –1。 ? Newton ? Ln(x)，只是形式不同；节点等距或渐增节点时方便处理。 ? Hermite： 给出 yi 及 yi ’，选 hi(x) 及 hi(x) 。 ? Spline：分段低次, 自身光滑, f 的导数只在边界给出。 ? 可估计误差 3 3 0 1 -1 -1/3 -2 -3/2 -1/6 1/24 1 4 7 8 6 1 2 3 4 5 0 1 2 3 4 一阶差商 二阶差商 三阶差商 四阶差商 f(xk) xk k 若增加数据点(6,10), 求五次牛顿插值多项式? 1.1160 1.1860 0.28000 1.2757 0.35893 0.19733 1.3841 0.43348 0.21300 0.03134 1.5153 0.52493 0.22863 0.03126 -0.00012 0.41075 0.57815 0.69675 0.88811 1.02652 1.25382 0.4 0.55 0.65 0.80 0.90 1.05 0 1 2 3 4 5 一阶差商 二阶差商 三阶差商 四阶差商 f(xk) xk k P32例4 上节讨论任意分布节点的插值公式，应用时常碰到等距节点的情形，此时插值公式可简化，为此先介绍差分． 一、差分及其性质 差分的基本性质: 差分表: ?2f0 ?2f1 … ┆ ?2f2 ┆ ┆ ?f0 ?f1 ?f2 ?f3 ┆ f0 f1 f2 f3 f4 ┆ 0 1 2 3 4 ┆ ?2 ?3 … ? fk k 二、等距节点插值公式 P34 §5 Hermite插值 P38 另一类三次Hermite插值多项式见P36. 关 关 关 §6 分段低次插值 一、高次插值的病态性质-----龙格(Runge)现象 例如：对函数 在区间[-5，5]内进行插值，并对比插值结果。 二、分段线性插值 所谓分段线性插值就是用通过插值点的折线段逼近f(x). 解决: 方法一、采用分段低次插值 方法二、在各节点处不仅给出其函数值，还给出其各阶导 数值，即分段Hermite插值法。 方法三、采用分段光滑插值，即样条插值。 方法四、采用有理逼近。 这种