12数值分析511代数插值.ppt

已经测得在某处海洋不同深度处的水温如下： 深度(M) 466 741 950 1422 1634 水温(oC) 7.04 4.28 3.40 2.54 2.13 根据这些数据，希望合理地估计出其它深度（如500米，600米，1000米…）处的水温. 5.1.1 一元函数插值 ?定义 设有m ?1个互异的实数 x0, x1, …, xm 和 n ?1个实值函数 ?0?x?,?1?x?, ?, ?n?x?,其中,n? m. 若向量组 ?k= ??k?x0?,?k?x1?, ?, ?k?xm??T , k = 0,1, ?, n. 线性无关,则称函数组??k?x??在点集?xi?上线性无关; 否则叫??k?x??线性相关. ?插值问题的一般性描述 当精确函数 y ? f (x) 非常复杂或未知时，在区间[a,b]上一系列节点 x0,x1, …, xn 处测得函数值 y0 ? f (x0), y1 ? f (x1), … , yn ? f (xn)， 由此构造一个简单易算的近似函数 g(x) ? f (x)，满足条件 g(xi) ? f (xi) ( i ? 0, …, n) (*) 这个问题称为“插值问题”. 这里的 g(x) 称为 f (x) 的插值函数， 节点 x0,x1, …, xm 称为插值节点, 条件 g(xi) ? f (xi) 称为插值条件， 区间 [a,b] 称为插值区间。 最常用的插值函数是 …? 一、插值问题解的存在、唯一性？ 二、插值多项式的常用构造方法？ 三、插值函数的误差如何估计？ ? 代数插值 给定区间 [a, b] 上互异的 n ? 1 个点 x0,x1, ?, xn 处的一组函数值 f (xi)，i = 0,1, ?, n，在次数不高于 n 的多项式集合 Pn = Span{?0?x?,?1?x?, ?, ?n?x?} 中寻找多项式 使其满足条件 此问题叫做一元函数的代数插值问题. 通过解上述方程组 (3), 求得插值多项式 pn(x) 的方法并不可取. 这是因为, 当 n 较大时, 解方程组的计算量较大，而且方程组系数矩阵的条件数一般较大. (可能是病态方程组, 当阶数 n 越高时, 病态越重. ) ? Lagrange 插值 构造基函数 练习：已知 f(0)=1，f(1)=2，f(2)=4，求 f(x)的二次插值多项式并求f(1.5). 例：已知 分别利用 sin x 的1次、2次 Lagrange 插值计算 sin 50?， 并估计误差。 解： n = 1 分别利用x0, x1 以及 x1, x2 计算 ?利用 ? sin 50? = 0.7660444… 利用 x0, x1 作为插值节点的实际误差 ? ? 0.01001 ?利用 , 计算得：sin 50? ? 0.76008, 利用 x1, x2 作为插值节点的实际误差 ? 0.00596 n = 2 ? sin 50? = 0.7660444… 2次插值的实际误差 ? 0.00061. 拉格朗日插值多项式的振荡现象 例 采用拉格朗日多项式插值：选取不同插值节点个数n+1，其中n为插值多项式的次数，当n分别取2,4,6,8,10时，绘出插值结果图形. 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) ? 拉格朗日多项式插值的 这种振荡现象叫 Runge现象. 答案： * * 第5章 插值与逼近( Interpolation And Approximating ) 我们知道，许多实际问题都可用函数 y=f(x) 来表示某种内在规律的数量关系，但在很多应用领域，往往只能通过实验或观测等手段得到 y=f(x) 在某 [a,b] 区间上的有限个互异点 xi 处对应的函数值 yi=f(xi)，(i=1,2,…,n)，也即已知一个函数表。为了研究函数的变化规律，必须将其公式化，因此，我们希望根据给定的数据表作一个既能反映函数 f(x) 的特性、又便于计算的简单函数 p(x) 来近似 f(x)，如果要求 p(xi)=f(xi) (i=1,2,…,n)，这就是最基本的插值问题。p(x) 称为插值函数，插值函数