计算方法 第2章 1插值法拉格朗日插值.pptVIP

2020/3/23 21 2020/3/23 22 2020/3/23 23 拉格朗日插值多项式的缺点： （ 1 ）插值基函数计算复杂 （ 2 ）高次插值的精度不一定高 2020/3/23 24 § 2.2.3 插值余项与误差估计 一、插值余项 从上节可知 , y ? f ( x ) 的 Lagrange 插值 L n ( x ) ? ? y j l j ( x ) j ? 0 n 满足 但 L n ( x i ) ? f ( x i ) i ? 0 , 1 , ? , n L n ( x ) ? f ( x ) 不会完全成立 ? x ? [ a , b ] 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？ 2020/3/23 25 L n ( x ) f ( ? ) ? n ? 1 ( x ) R n ( x ) ? ( n ? 1 )! 其中 ? n ? 1 ( x ) ? ? ( x ? x i ) , ? ? ( a , b ) , 且依赖于 x . i ? 0 n ( n ? 1 ) 2020/3/23 26 第二章 插值法 2020/3/23 1 第二章 插值法 2.1 引言 Ax ? b ? a 11 ? a 21 ? A ? ? ? ? ? a n 1 2020/3/23 § 2.2 拉格朗日插值 a 12 ? a 1 n ? i ? 1 ? § a 22 2.4 ? 埃尔米特插值 a 2 n ? b i ? ? l ij x j j ? 1 ? ? ? ? x i ? ? § a 2.5 分段低次插值 l ii ? a n 2 nn ? 2 § 2.3 均差与牛顿插值公式 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：拉格朗日插值 、 分段线性插值、 牛顿插值、埃尔米特插值。 2020/3/23 3 § 2.1 引言 一、插值问题 对函数 f ( x ), 其函数形式可能很复杂 , 且不利于在计算机上 运算 , 假如可以通过实验或测 量 , 可以获得 f ( x ) 在区间 [ a , b ] 上的一组 n ? 1 个不同的点 a ? x 0 ? x 1 ? x 2 ? ? ? x n ? b 上的函数值 y i ? f ( x i ), i ? 0 , 1 , 2 , ? , n 能否存在一个性能优良、便于计算的函数 比如多项式函数 P ( x ), 满足 2020/3/23 4 P ( x i ) ? y i i ? 0 , 1 , 2 , ? , n 并且用 P ( x ) 近似代替 f ( x ) 这就是插值问题，上式为插值条件 称函数 P ( x ) 为函数 f ( x ) 的插值函数 如果 P ( x ) 为多项式函数 , 则称之为插值多项式 点 x i , i ? 0 , 1 , 2 , ? , n , 称为插值节点 区间 [ a , b ] 称为插值区间 如函数 y ? sin x , 若给定 [ 0 , ? ] 上 5 个等分点 其插值函数的图象如下图 2020/3/23 5 sinx的的的 1 y y 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.5 1 1.5 1.5 2 2 2.5 2.5 3 3 3.5 3.5 x x x 对于被插函数 f ( x ) 和插值函数 P ( x ) 在节点 x i 处的函数值必然相等 但在节点外 P ( x ) 的值可能就会偏离 f ( x ) 因此 P ( x ) 近似代替 f ( x ) 必然存在着误差 2020/3/23 6 二、插值法的类型 设函数 y ? f ( x ) 在区间 [ a , b ] 上的代数插值多项式为 P n ( x ) ? a 0 ? a 1 x ? a 2 x ? ? ? a n x 2 n 且满足 P n ( x i ) ? y i i ? 0 , 1 , 2 , ? , n 其中 a i 为实数，就称 P(x) 为插值多项式，相应的插值法 称为多项式插值；若 P(x) 为分段的多项式，就称为分段 插值；若 P(x) 为三角多项式，就称为三角插值。 本章只讨论多项式插值与分段插值 2020/3/23 7 § 2.2 拉格朗日插值 ? 此插值问题可表述为如下： ? 问题 求作次数 ? n 多项式 L n ( x ) ，使满足条件 L n ? x ? ? y i , ( i ? 0 , 1 , ? , n ) ? 这就是所谓的 拉格朗日（ Lagrange ）插值 。 2020