拉格朗日插值法.pptVIP

1计算方法第二章插值法

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01用简单的函数(如多项式函数)作为一个02复杂函数的近似,最简单实用的方法就是03插值04本章主要介绍有关插值法的一些基本概念,05及多项式插值的基础理论和几个常用的插06值方法:Lagrange插值、分段线性插值、07Newton插值、Hermite插值和三次样条插值08

自然地，希望g(x)通过所有的离散点x0x1x2x3x4xp(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5一、插值问题

-(1)这就是插值问题,(1)式为插值条件,

问题7是否存在唯一01如何构造01误差估计其插值函数的图象如图01

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

2.2拉格朗日插值多项式12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

所有次数不超过２的多项式的两个不同基底：1，ｘ，ｘ2200，ｘ－３，ｘ2－ｘ即所有次数不超过２的多项式可表示成：或：

01-------(5)03且满足(1)式02------(6)

1------(7)2n+1次多项式

------(7)01且02------(8)03(请同学们思考)04从而05

令即由(8)式,可得------(9)------(10)0103020405

其中------(7,7)------(11)010203

例01解:02

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12

Lagrange线性插值基函数为21Lagrange线性插值多项式为01参见图02

例解:Lagrange插值基函数为Lagrange线性插值多项式为

所以23Lagrange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24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？满足一、插值余项不会完全成立

其中设令010203

根据Rolle定理,27因此依此类推再由Rolle定理,由于

所以Lagrange型余项定理1.010203

21设则

例解:壹贰

并作图比较.3201例02解:

不同次数的Lagrange插值多项式的比较图Runge现象

34结果表明,并不是插值多项式的次数越高,插值效果越好,精度也不一定是随次数的提高而升高,这种现象在上个世纪初由Runge发现,故称为Runge现象.