《拉格朗日插值法》.ppt

* 例 并作图比较. 解: * 不同次数的Lagrange插值多项式的比较图 Runge现象 拉格朗日插值法 * 第二章 插值法和最小二乘法 2.1 引言 2.2 拉格朗日插值多项式 2.3 差商与牛顿插值公式 2.4 差分与等距节点插值公式 2.5 分段低次插值 2.6 三次样条 插值 * 本章要点 用简单的函数(如多项式函数)作为一个 复杂函数的近似,最简单实用的方法就是 插值 本章主要介绍有关插值法的一些基本概念, 及多项式插值的基础理论和几个常用的插 值方法:Lagrange插值、分段线性插值、 Newton插值、Hermite插值和三次样条插值 * 自然地，希望g(x)通过所有的离散点 x0 x1 x2 x3 x4 x p(x) ? f(x) 实际中，f(x)多样，复杂，通常只能观测到一些离散数据； 或者f(x)过于复杂而难以运算。这时我们要用近似函数g(x)来逼近f(x)。 * 2.1 引言 一、插值问题 * --(1) 这就是插值问题, (1)式为插值条件, * 其插值函数的图象如图 问题 是否存在唯一 如何构造 误差估计 * * 二、代数插值多项式的存在唯一性 整体误差的大小反映了插值函数的好坏 为了使插值函数更方便在计算机上运算,一般插值函 数都使用代数多项式和有理函数 本章讨论的就是代数插值多项式 且满足 --------(2) --------(3) * --------(4) 上述方程组的系数行列式为n+1阶Vandermond行列式 * 定理1. 由Cramer法则,线性方程组(4)有唯一解 --------(2) --------(3) 则满足插值条件 的插值多项式 存在且唯一. 虽然线性方程组(4)推出的插值多项式存在且唯一 但通过解线性方程组(4)求插值多项式却不是好方法 * 根据线性空间的理论 并且形式不是唯一的 且在不同的基底下有不同的形式 2.2 拉格朗日插值多项式 * 所有次数不超过２的多项式的两个不同基底： 1，ｘ，ｘ2 200，ｘ－３，ｘ2－ｘ 即所有次数不超过２的多项式可表示成： 或： * --------(5) -------(6) 且满足(1)式 * -------(7) n+1次多项式 * -------(7') 且 -------(8) (请同学们思考) 从而 * 令 即 由(8)式,可得 -------(9) -------(10) * 其中 -------(7,7') -------(11) * 例 解: * 且 在例1中,如果只给出两个节点169和225,也可以作插值 多项式,即1次Lagrange插值多项式,有两个插值基函数, 这种插值方法称为Lagrange线性插值,也可以在n+1个 节点中取相邻的两个节点作线性插值 * Lagrange线性插值基函数为 Lagrange线性插值多项式为 参见图 * 例 解: Lagrange插值基函数为 Lagrange线性插值多项式为 * 所以 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 * 　 插值多项式中的误差 一、插值余项 满足 不会完全成立 因此,插值多项式存在着截断误差,那么我们怎样估 计这个截断误差呢？ * 令 设 其中 * * 根据Rolle定理, 再由Rolle定理, 依此类推 由于 因此 * 所以 定理1. Lagrange型余项 * 设 则 * 例 解: *