计算方法—数据分析与智能计算初探（第2版）教学课件 第4章 插值计算.pptVIP

* 最大值 * * 高次插值的 Runge 现象 x y 0 1 2 3 4 5 -1 -2 -3 -4 -5 0.5 1.0 1.5 2.0 当插值节点数达到一定程度后，随着节点个数的增加，逼近精度越来越差 * 分段插值 y x0 x x1 x2 xn …… 将插值区间 [a, b] 作一划分?: a = x0 x1 x2… xn = b 在每个小区间 [xi, xi+1] 上构造次数较低的插值多项式 pi(x) 将每个小区间上的插值多项式拼接在一起作为 f (x) 在区间 [a, b] 上的插值函数 g(x) = pi(x), x? [xi, xi+1] * 分段线性插值 已知划分 ? 的每个节点 xi 处对应的 yi，求作具有划分 ? 的分段一次代数多项式 S1(x)，满足： S1(x) 在每个小区间 [xi, xi+1] 上是一个一次插值多项式，则插值基函数 ?0(x), ?1(x) 均为一次式，且： * 分段线性插值（续） * 分段线性插值（续） 分段线性插值的插值余项： 上式表明插值余项与 h 相关 h 越小，则分段线性插值的插值余项越小，因此用分段线性插值法是一个较好的提高逼近精度的方法 * 分段三次（Hermite）插值 已知划分 ? 的每个节点 xi 处对应的 yi 和 ，求作具有划分 ? 的分段三次代数多项式 S3(x)，满足： S3(x) 在每个小区间 [xi, xi+1] 上是一个三次 Hermite 插值多项式，且： * 分段三次（Hermite）插值（续） * 分段三次（Hermite）插值（续） 分段三次 Hermite 插值的插值余项： h 足够小（例如小于 1）时，分段三次 Hermite 插值的插值余项远小于分段线性插值的插值余项，因此前者的插值精度更高 分段三次 Hermite 插值的插值曲线比分段线性插值的插值曲线更光滑 * 作业 课本 P52： 2 3 8(1) 10 11 15 16 18 19 * * * 16，18，19 * 牛顿（Newton）插值（续） 求作 n 次代数多项式： ?1 牛顿插值基函数 满足：Nn (xi) = f (xi) i = 0,1, 2, …, n 承袭性 * 牛顿（Newton）插值（续） 将 分别代入 利用 即可确定系数 方法复杂 不便编程 * 给定区间 [a, b] 中两两互不相同的点 及在这些点处相应的函数值 差商 f (x) 在 xi 处的零阶差商 一 阶差商 二 阶差商 k 阶差商 记： * 差商（续） 例： xi 5 7 11 13 21 f (xi) 150 392 1452 2366 9702 差商表为： xi 零阶差商 一阶差商 二阶差商 三阶差商 四阶差商 5 150 7 392 121 11 1452 265 24 13 2366 457 32 1 21 9702 917 46 1 0 * 差商的性质 差商与函数值的关系为　 k 阶差商是其各节点处函数值的线性组合 证明：k = 1 时： * 假设 k = n - 1 时也成立，即： 考查 k = n 时： * * 可见 k = n 时也成立。由数学归纳法可知： * 差商的性质（续） 差商的值与节点的排列顺序无关 若 是 x 的 n 次多项式，则 是 x 的 n - 1 次多项式 时 n 次代数多项式含有因子 所以： 是 x 的 n - 1 次多项式 * 差商的性质（续） 若 是 x 的 m 次代数多项式，且 ，则： 是 x 的 m 次代数多项式 是 x 的 m - 1 次代数多项式 是 x 的 m - 2 次代数多项式 是 x 的 0 次代数多项式 从 起所有的高阶差商均为0，故： * * 牛顿（Newton）插值公式 一般的： * 牛顿插值公式（续） 由插值多项式的唯一性可知：Nn(x) = Ln(x)，因此二者的余项也应相等。 * 牛顿插值公式（续） 例1：给定数据表 f (x) = lnx 构造差商表 用二次 Newton 插值多项式，近似计算 f (2.718) 的值 写出四次 Newton 插值多项式 N4(x) xi 2.20 2.40 2.60 2.80 3.00 f (xi) 0.7884574 0.8754687 0.9555114 1.0296194 1.0986123 *