2. 第二章_数值插值方法
数值分析插值法
数值分析插值法插值法是数值分析中的一种方法，用于通过已知数据点的函数值来估计介于这些数据点之间的未知函数值。
插值法在科学计算、数据处理、图像处理等领域中得到广泛应用。
插值法的基本思想是通过已知数据点构造一个函数，使得该函数逼近未知函数，并在已知数据点处与未知函数值相等。
插值法的关键是选择适当的插值函数，以保证估计值在插值区间内具有良好的近似性质。
常用的插值法有拉格朗日插值法、牛顿插值法和埃尔米特插值法等。
以下将分别介绍这些插值法的原理及步骤：1. 拉格朗日插值法：拉格朗日插值法通过构造一个多项式函数来逼近未知函数。
假设已知n+1个数据点(x0, y0), (x1, y1), ..., (xn, yn)，其中x0, x1, ..., xn为给定的节点，y0, y1, ..., yn为对应的函数值。
拉格朗日插值多项式的一般形式为：L(x) = y0 * l0(x) + y1 * l1(x) + ... + yn * ln(x)其中l0(x), l1(x), ..., ln(x)为拉格朗日基函数，定义为：li(x) = (x - x0)(x - x1)...(x - xi-1)(x - xi+1)...(x - xn) / (xi - x0)(xi - x1)...(xi - xi-1)(xi - xi+1)...(xi - xn)拉格朗日插值法的步骤为：a. 计算基函数li(xi)的值。
b.构造插值多项式L(x)。
c.计算L(x)在需要估计的插值点上的函数值f(x)。
2.牛顿插值法：牛顿插值法通过构造一个差商表来逼近未知函数。
差商表的第一列为已知数据点的函数值，第二列为相邻数据点的差商，第三列为相邻差商的差商，以此类推。
最终，根据差商表中的数值，构造一个差商表与未知函数值相等的多项式函数。
牛顿插值法的步骤为：a.计算差商表的第一列。
b.计算差商表的其他列，直至最后一列。
c.根据差商表构造插值多项式N(x)。
数值分析第二章 插值法
(j,k=0,1,…,n)
( x x0 )( x xk 1 )( x xk 1 )( x xn ) lk ( x ) ( xk x0 )( xk xk 1 )( xk xk 1 )( xk xn )
n1 ( x ) ( x xk ) n1 ' ( xk )
n
• 均差的计算
三、均差与牛顿插值
1.均差与性质
• 均差定义
• 性质 （2）k阶均差可重新写为：
f [ x1 , x2 ,, xk ] f [ x0 , x1 , xk 1 ] f [ x0 , x1 , xk ] xk x0
• 均差的计算
三、均差与牛顿插值
1.均差与性质
• 均差定义
类似地称 2 f k f k 1 f k 为 xk 处的二阶差分. 一般地称 n f k n1 f k 1 n1 f k 为 xk 处的n阶差分.
• 均差与差分关系
• 牛顿前插公式
n f k (1) f nk j , j 0 j
求5、6月份的日照时间的变化规律。 • 多项式插值的存在唯一性
一、引言
2.多项式插值
• 一个例子 日照时间的变化设为 y(x)=a0+ a1x + a2x2, 根据三组数据: (1, 13.53), (31, 14.21),(61, 14.40)， 导出关于a0，a1，a2的线性方程组
a0 a1 a2 13.53 2 a0 31a1 (31) a2 14.21 2 a0 61a1 (61) a2 14.40
三、均差与牛顿插值
3.差分形式的牛顿插值公式
若x0,x1,…,xn 为等距节点，即xk=x0+kh (k=0,1,...,n) 时，可将牛顿插值公式简化
数值分析--第2章插值法
1 x0 1 x1 1 xn
2019/2/6
x0 2 x12 xn 2
x0 n x1n xn n
课件
( x j xi ) 0
ji
由克莱姆法则知方程组 (5-3) 的解存在唯一. 证毕。
上页 下页
7
2.2 拉格朗日插值
2.2.1 基函数
考虑最简单、最基本的插值问题.
求n次插值多项式 l i(x) (i=0,1, …,n), 使其满足插值条件
2019/2/6 课件
(5-2)
则由插值条件式Pn(xi)=yi (i=0,1, ..., n) 可得关于系数
上页
下页
6
n a0 a1 x0 an x0 y0 n a0 a1 x1 an x1 y1 （ 5-3 ） n a a x a x 0 1 n n n yn 此方程组有n+1个方程, n+1个未知数, 其系数行列式是 范德蒙(Vandermonde)行列式：
称为拉格朗日插值多项式,再由插值多项式的唯一性, 得 Pn ( x ) Ln ( x )
特别地, 当 n =1时又叫线性插值,其几何意义为
过两点的直线. 当 n =2时又叫抛物（线）插值, 其几 何意义为过三点的抛物线.
2019/2/6 课件
上页
14
下页
注意 : (1) 对于插值节点,只要求它们互异,与大小次序无关;
其中ai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，本章只讨论插值多项式与分段插值。
本章主要研究如何求出插值多项式，分段插值 函数，样条插值函数；讨论插值多项式P(x)的存在 唯一性、收敛些及误差估计等。
第二章插值法多项式插值的存在性
第二章 插值法⏹ 多项式插值的存在性 ⏹ Lagrange 插值 ⏹ Newton 插值 ⏹ Hermit 插值 ⏹ 分段低次插值 ⏹ 三次样条插值在生产实践和科学研究所遇到的大量函数中，相当一部分是通过测量或实验得到的。
虽然其函数关系)(x f y =在某个区间[]b a ,是客观存在的，但是却不知道具体的解析表达式，只能通过观察、测量或实验得到函数在区间a ，b]上一些离散点上的函数值、导数值等,因此，希望对这样的函数用一个比较简单的函数表达式来近似地给出整体上的描述。
还有些函数，虽然有明确的解析表达式，但却过于复杂而不便于进行理论分析和数值计算，同样希望构造一个既能反映函数的特性又便于计算的简单函数，近似代替原来的函数。
插值法就是寻求近似函数的方法之一.在用插值法寻求近似函数的过程中，根据所讨论问题的特点，对简单函数的类型可有不同的选取，如多项式、有理式、三角函数等，其中多项式结构简单，并有良好的性质，便于数值计算和理论分析，因此被广泛采用。
本章主要介绍多项式插值、分段多项式插值和样条插值. 2.1 插值多项式的存在唯一性 2.1.1 插值问题设函数)(x f y =在区间],[b a 上有定义，且已知函数在区间],[b a 上n+1个互异点n x x x ,,,10 处的函数值)(i i x f y = i=0,1,…,n ，若存在一个简单函数)(x p y =，使其经过)(x f y =上的这n+1个已知点),(,),,(),,(1100n n y x y x y x （图5-1），即n i y x p i i ,,1,0 ,)( == （2.1.1）那么，函数)(x p 称为插值函数，点n x x x ,,,10 称为插值节点，],[b a 称为插值区间,求)(x p 的方法称为插值法,)(x f 称为被插函数。
若)(x p 是次数不超过n 的多项式,记为)(x p n ，即n n n x a x a a x p +++= 10)(则称)(x p n 为n 次插值多项式，相应的插值法称为多项式插值；若)(x p 为分段多项式，称为分段插值，多项式插值和分段插值称为代数插值。
数值分析_第二章_插值法
１ x０
x２ ０
ቤተ መጻሕፍቲ ባይዱ
…
xn－ １ ０
…… ………
V n－ １ （ x０ ，x１ ，… ，xn－ １ ） ＝
１
xn－ ２
x２ n－ ２
…
xn－ １ n－ ２
１
xn－ １
x２ n－ １
…
xn－ １ n－ １
∏ ＝
（ xi － xj ） ．
０ ≤ j ＜ i ≤ n－ １
故 知 V n （ x） ＝ V n－ １ （ x０ ，x１ ，… ，xn－ １ ）（ x － x０ ）（ x － x１ ） … （ x －
＝ R截 ＋ R舍
＝
f″２（！ξ）（ x －
xi ）（ x －
xi＋ １ ） ＋
×
（－
０
．６９３１４７）
＋
（０ ．５４ （０ ．６
－ －
０ ０
．４）（０ ．４）（０
．５４ － ０ ．５） ．６ － ０ ．５）
× （ － ０ ．５１０８２６） ≈ － ０ ．６１５３２０ ．
４畅 解
由题设知 ０° ≤
x≤
９０° ，h ＝
xi＋ １
－
xi
＝
（
１ ６０
）°
．记
xi
处的准确值为 f i ，带有误差的值为 f i ，则
７ ，
x
∈
［１ ，２］ ，
－
１９ ２
x３
＋ ６７ x２
－
２９３ ２
x
＋
１０５ ，
x
∈
（２ ，３］ ．
四 、习题
１畅 根据范德蒙行列式的定义 ，令
V n （ x） ＝ V n （ x０ ，x１ ，… ，xn－ １ ，x）
数值方法第二章 插值法2
当选择代数多项式作为插值函数类时，称为代数多项 式插值问题:
代数多项式插值问题:
设函数y=f(x)在[a,b]有定义, 且已知在n+1个点 a≤x0<x1<……<xn≤b上的函数值y0, y1,……,yn.,要求一 个次数不高于n的多项式
Pn ( x) a0 a1 x a2 x 2 an x n
现设 x x j 由 Rn ( x j ) f ( x j ) Pn ( x j ) 0
故知 Rn (x) 可表示为
(j=0,1,…，n)，
Rn ( x) k ( x)n1 ( x) k ( x)( x x0 )( x xn )
关键是求 k ( x) ?
(2.2.10)
grange插值多项式
现在考虑一般的插值问题：
满足插值条件 Ln ( xk )
y
பைடு நூலகம்
k
(k 0,1,2,,n) (2.2.1)
的次数不超过n的多项式显然为 : Ln ( x) l0 ( x) y0 l1 ( x) y1 ln ( x) yn
这是因为 (1) Ln ( xk ) lk ( xk ) yk yk (k 0,1,2,,n) (2)次数不超过n
3
1 f ( ) ( x) 2
3
1 2 R1 ( x) ( x x0 )(x x1 ) 8 3 1 2 R1 (115) (115 100)(115 121 ) 8 3 1 (115 100)(115 121 max 2 ) 100 ,121 8
其中，Ak为待定系数，由条件 lk ( xk ) 1 可得
1 Ak ( xk x0 ) ( xk xk 1 )( xk xk 1 ) ( xk xn )
数值分析 第2章 插值PPT课件
第一部分
整体概述
THE FIRST PART OF THE OVERALL OVERVIEW, PLEASE SUMMARIZE THE CONTENT
2
§1 引 言
一、引例
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
定理
对于给定的互异节点 x0 … xn, 满足 插值条件 P n(xi)yi,i0 ,...,n的 n 阶插值 多项式Pn(x)存在且唯一。
插值多项式的构造：
插值多项式的存在唯一性说明，满足插值条件的 多项式存在，并且插值多项式与构造方法无关。
如何构造插值函数才能达到预期的效果呢？
15
一般插值多项式的构造方法
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.
这就是本章要讨论的“插值问题”
3
问题驱动：汽车的刹车距离
司机驾驶汽车时需要根据车速估计汽车的刹 车距离以确保行车安全。
图2.1.1 某车型干燥路况刹车距离示意图
4
美国的某司机培训课程的有如下驾驶规则：正常的驾 驶条件下对车与车之间的距离的要求是每小时10英里的速 率可以允许一辆车的跟随距离。实现这一规则的简便方法 就是 “2秒法则”：这种方法不管车速为多少，后车司机 从前车经过某一标志开始默数“一千零一，一千零二”， 这样用英文读完就是两秒。如果你在默数完这句话前就到 了同一标志处，那么你的车和前面的车靠得太近了。
x0nan x1nan
y0 y1
（2.2.2）
1 a0 xna1 xnnan yn
13
《数值分析》第二讲插值法PPT课件
1 xn xn2 xnn Vandermonde行列式
即方程组（2）有唯一解 (a0, a1, , an)
所以插值多项式
P (x ) a 0 a 1 x a 2 x 2 a n x n
存在且唯一
第二章：插值
§2.2 Lagrange插值
y
数值分析
1、线性插值
P 即(x)ykx yk k 1 1 x yk k(xxk)
l k ( x k 1 ) 0 ,l k ( x k ) 1 ,l k ( x k 1 ) 0 l k 1 ( x k 1 ) 0 ,l k 1 ( x k ) 0 ,l k 1 ( x k 1 ) 1
lk1(x)(x(k x 1 x xk k))x x ((k 1x k x 1k )1) lk(x)((xx k x xk k 1 1))((x xkxx k k1)1)
第二章：插值
数值分析
3、Lagrange插值多项式
令 L n ( x ) y 0 l 0 ( x ) y 1 l 1 ( x ) y n l n ( x )
其中，基函数
lk (x ) (x ( k x x x 0 ) 0 ) (( x x k x x k k 1 1 ) )x x k ( ( x x k k 1 ) 1 ) (( x x k x n x )n )
因此 P (x ) lk (x )y k lk 1 (x )y k 1
且
P (x k ) y k P (x k 1 ) y k 1
lk(x), lk1(x) 称为一次插值基函数
数值分析
第二章：插值
2、抛物线插值 令
y (xk , yk )
f (x)
lk1(x)(x(k x 1 x xk k))x x ((k 1x k x 1k )1) p( x) (xk1,yk1)
数值分析--第2章 插值法
数值分析--第2章插值法第2章 插值法在科学研究与工程技术中，常常遇到这样的问题：由实验或测量得到一批离散样点，要求作出一条通过这些点的光滑曲线，以便满足设计要求或进行加工。
反映在数学上，即已知函数在一些点上的值，寻求它的分析表达式。
此外，一些函数虽有表达式，但因式子复杂，不易计算其值和进行理论分析，也需要构造一个简单函数来近似它。
解决这种问题的方法有两类：一类是给出函数)(x f 的一些样点，选定一个便于计算的函数)(x ϕ形式，如多项式、分式线性函数及三角多项式等，要求它通过已知样点，由此确定函数)(x ϕ作为)(x f 的近似，这就是插值法；另一类方法在选定近似函数的形式后，不要求近似函数过已知样点，只要求在某种意义下在这些样点上的总偏差最小。
这类方法称为曲线（数据）拟合法。
设已知函数f 在区间],[b a 上的1+n 个相异点ix 处的函数值(),0,,iif f x i n ==，要求构造一个简单函数()x ϕ作为函数()f x 的近似表达式()()f x x ϕ≈，使得()(),0,1,,iiix f x f i n ϕ=== (2-1) 这类问题称为插值问题。
称f 为被插值函数；()x ϕ为插值函数；nx x ,,0 为插值节点；(2-1)为插值条件。
若插值函数类{()}x ϕ是代数多项式，则相应的插值问题为代数插值。
若{()}x ϕ是三角多项式，则相应的插值问题称为三角插值。
若{()}x ϕ是有理分式，则相应的插值问题称为有理插值。
§1 Lagrange 插值1.1 Lagrange 插值多项式设函数f 在1+n 个相异点01,,,nx x x 上的值n i x f f ii ,,1,0),( ==是已知的，在次数不超过n 的多项式集合n P 中，求()nL x 使得(),0,1,,n i iL x f n n == (2-2) 定理2.1 存在惟一的多项式nn P L ∈满足插值条件(2-2)。
第二章 插值法-数值分析
1 1
x0 x1
2 n x0 x0 2 n x1 x1
2 n 1 xn xn xn Nhomakorabea
0 i j n
( x j - xi ) 0
由克莱默法则知，方程组有唯一解 a0 , a1 , , an .
§2 Lagrange Polynomial
唯一性的另一证明 满足 P( xi ) yi , i 0, ... , n 的 n 阶插 值多项式是唯一存在的。
分别利用x0, x1 以及 x1, x2 计算
x0
利用 x1 , x2
4
3
~ 5 0 . 00538 R 0.00660 sin 50 0.76008, 1 18
内插 /* interpolation */ 的实际误差 0.00596
§1 Lagrange Polynomial
i 0 n
多项式，其中 p( x )可以是任意多项式。
Interpolation polynomial
2-2 线性插值与抛物插值 1. 线性插值
f (x)
(x0 ,y0) (x1 ,y1)
P1(x)
x0
x1
y1 - y 0 ( x - x0 ) 直线方程为: y - y 0 x1 - x0 x - x0 x - x1 等价变形为: y x - x y 0 x - x y1 0 1 1 0
可见 P1(x) 是过 ( x0 , y0 ) 和 ( x1, y1 ) 两点的直线。
记为: L1 ( x)
引入记号:
x - x1 l 0 ( x) , l1 ( x) x - x0 x0 - x1 x1 - x0
第2讲：插值法
n
为满足条件 Ln ( xk ) yk , (k 0, 1, , n) 的 n 次Lagrange插值多项式，则对任意 x [a , b]
第二章：插值
数值分析
有
f ( n1) ( ) Rn ( x ) f ( x ) Ln ( x ) n1 ( x ) (n 1)!
p( x )
sin x
3 2
y
x
2
o
2
第二章：插值
数值分析
1、插值的基本概念
设函数 y f ( x) 在区间 a, b 有定义，且在已知点：
y0 , y1 , , yn a x0 x1 xn b 上的函数值为：
如果存在一个简单函数 y p( x) 使 yi p( xi )
0.330365
解：
第二章：插值
数值分析
f ( n1) ( ) 由 Rn ( x ) f ( x ) Ln ( x ) n1 ( x ) (n 1)! sin 得 R1 ( x ) ( x 0.32)( x 0.34) 2
| sin | | 0.3367 0.32 || 0.3367 0.34 | 于是 | R1 (0.3367) | 2 sin0.34 0.0167 0.0033 0.0000091892 34 2
0.330387
f ( n1) ( ) 由 Rn ( x ) f ( x ) Ln ( x ) n1 ( x ) (n 1)! sin ~ 得 R1 ( x ) ( x 0.34)( x 0.36) 2
第二章：插值
数值分析
于是
| sin | ~ | R1 (0.3367) | | 0.3367 0.34 || 0.3367 0.36 | 2 sin0.36 0.0033 0.0233 0.0000135431 7 2
(完整版)数值分析插值法
第二章插值法2.在区间[-1,1]上分别取n=10,20用两组等距节点对龙哥函数f(x)=1/(1+25*x^2)做多项式插值及三次样条插值，对每个n值，分别画出插值函数及f（x）的图形。
（1）多项式插值①先建立一个多项式插值的M-file；输入如下的命令（如牛顿插值公式）：function [C,D]=newpoly(X,Y)n=length(X);D=zeros(n,n)D(:,1)=Y'for j=2:nfor k=j:nD(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1));endendC=D(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)))m=length(C);C(m)= C(m)+D(k,k);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.2:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.2:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：③当n=20时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.1:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.1:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：（2）三次样条插值①先建立一个多项式插值的M-file；输入如下的命令:function S=csfit(X,Y,dx0,dxn)N=length(X)-1;H=diff(X);D=diff(Y)./H;A=H(2:N-1);B=2*(H(1:N-1)+H(2:N));C=H(2:N);U=6*diff(D);B(1)=B(1)-H(1)/2;U(1)=U(1)-3*(D(1));B(N-1)=B(N-1)-H(N)/2;U(N-1)=U(N-1)-3*(-D(N));for k=2:N-1temp=A(k-1)/B(k-1);B(k)=B(k)-temp*C(k-1);U(k)=U(k)-temp*U(k-1);endM(N)=U(N-1)/B(N-1);for k=N-2:-1:1M(k+1)=(U(k)-C(k)*M(k+2))/B(k);endM(1)=3*(D(1)-dx0)/H(1)-M(2)/2;M(N+1)=3*(dxn-D(N))/H(N)-M(N)/2;for k=0:N-1S(k+1,1)=(M(k+2)-M(k+1))/(6*H(k+1));S(k+1,2)=M(k+1)/2;S(k+1,3)=D(k+1)-H(k+1)*(2*M(k+1)+M(k+2))/6;S(k+1,4)=Y(k+1);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.2:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：②当n=20时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.1:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：第三章函数逼近与快速傅里叶变换2. 由实验给出数据表x 0.0 0.1 0.2 0.3 0.5 0.8 1.0y 1.0 0.41 0.50 0.61 0.91 2.02 2.46试求3次、4次多项式的曲线拟合，再根据数据曲线形状，求一个另外函数的拟合曲线，用图示数据曲线及相应的三种拟合曲线。
数值计算方法教案插值方法
复习：1.数值计算方法的含义 2．误差及误差限 3.误差与有效数字4.数值计算中应注意的问题第二章 插值方法一．插值的含义 问题提出：已知函数()y f x =在n+1个点01,,,n x x x 上的函数值01,,,n y y y ，求任意一点x '的函数值()f x '。
说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。
解决方法：构造一个简单函数()P x 来替代未知（或复杂）函数()y f x =，则用()P x '作为函数值()f x '的近似值。
二、泰勒（Taylor ）插值 1.问题提出：已知复杂函数()y f x =在0x 点的函数值()0f x ，求0x 附近另一点0x h +的函数值()0f x h +。
2.解决方法：构造一个代数多项式函数()n P x ，使得()n P x 与()f x 在0x x =点充分逼近。
泰勒多项式为：()()()()()()()()()200000002!!n n n f x f x P x f x f x x x x x x x n '''=+-+-++-显然，()n P x 与()f x 在0x x =点，具有相同的i 阶导数值（i=0,1,…,n ）。
3.几何意义为：()n P x 与()f x 都过点()()00,x f x ；()n P x 与()f x 在点()()00,x f x 处的切线重合； ()n P x 与()f x 在点()()00,x f x 处具有相同的凹凸性；其几何意义可以由下图描述，显然函数()3f x 能相对较好地在0x 点逼近()f x 。
4.误差分析（泰勒余项定理）：()()()()()()1101!n n n f P x f x x x n ξ++-=-+，其中ξ在0x 与x 之间。
5.举例：已知函数()f x ()115f 。
数值分析--清华李庆杨五版第二章_插值法
xi
(i=0,1,…,n )
处与 f ( xi ) 相等,在其它点x就用 (x) 的值作为f(x) 的近似值。这一过程称为插值，点x称为插值点。换 句话说, 插值就是根据被插函数给出的函数表“插出” 所要点的函数值。用 (x) 的值作为f(x)的近似值,不仅希
望 (x) 能较好地逼近f(x),而且还希望它计算简单 。由
l0 ( x) c( x x1 )( x x2 )
类似地可以构造出满足条件： l1 ( x1 ) 1, l1 ( x0 ) 0 , l1 ( x2 ) 0 的插值多项式
( x x0 )( x x 2 ) l1 ( x) ( x1 x0 )( x1 x 2 )
a n x0 n a n 1 x 0 n 1 a1 x0 a 0 f ( x0 ) n n 1 a n x1 a n 1 x1 a1 x1 a 0 f ( x1 ) a x n a x n 1 a x a f ( x ) n 1 n 1 n 0 n n n
j 0 j k n
于是
Ak
1
(x
j 0 j k
n
k
xj)
代入上式,得
(x x
l k ( x)
j 0 jk n
n
j
)
j 0 jk n
x xj xk x j
(x
j 0 jk
k
xj)
称
l k (x) 为关于基点
x i 的n次插值基函数(i=0,1,…,n)
l k ( xi ) ki
1 0
(i k ) (i k )
l 0 ( x) 与 l1 ( x) 称为线性插值基函数。且有
数值分析第二章PPT
§4 差分与等距节点插值
上节讨论任意分布节点的插值公式，应用时常碰到等距 节点的情形，此时插值公式可简化，为此先介绍差分． 一、差分及其性质
差分的基本性质:
差分表:
k fk ∆
∆2
0 f0
∆f0
1 f1
∆2f0
∆f1
2 f2
∆2f1
∆f2
3 f3
∆2f2
∆f3
┆
4 f4 ┆
┆┆
• 解 x0 = − 1, x1 = 1,
f(0.5)≈H3(0.5) = 3.5625.
例2 给定 f(0) = 1, f(1) = 2, f '(0) = 2, 构造二次插值函数。
• 解 公式法
•
设 f '(1) = m1，有三次Hermite插值公式得，
令 m1 = 0，得到二次Hermite插值函数 H2(x) = −x2 + 2x + 1.
利用
sin 50内0 插L1(通51p8常) 优0于.77外614推。这选里择
而 要计算的 x 所在的区间的
端点，插值效果较好。
sin 50 = 0.7660444…
外推 /* extrapolation */ 的实际误差 0.01001
利用
sin 50 0.76008,
内插 /* interpolation */ 的实际误差 0.00596
二、拉格朗日插值多项式
需要指出…
练习 给定数据表
xi
ห้องสมุดไป่ตู้
01 2
3
yi
0 1 5 14
求三次拉格朗日插值多项式L3(x).
三、插值余项与误差估计
数值分析课件-第02章插值法
目录
• 插值法基本概念与原理 • 拉格朗日插值法 • 牛顿插值法 • 分段插值法 • 样条插值法 • 多元函数插值法简介
01 插值法基本概念与原理
插值法定义及作用
插值法定义
插值法是一种数学方法，用于通过已知的一系列数据点，构造一个新的函数， 使得该函数在已知点上取值与给定数据点相符，并可以用来估计未知点的函数 值。
06 多元函数插值法简介
二元函数插值基本概念和方法
插值定义
通过已知离散数据点构造一个连 续函数，使得该函数在已知点处
取值与给定数据相符。
插值方法分类
根据构造插值函数的方式不同， 可分为多项式插值、分段插值、
样条插值等。
二元函数插值
针对二元函数，在平面上给定一 组离散点，构造一个二元函数通 过这些点，并满足一定的光滑性
差商性质分析
分析差商的性质，如差商 的对称性、差商的差分表 示等，以便更好地理解和 应用差商。
差商与导数关系
探讨差商与原函数导数之 间的关系，以及如何利用 差商近似计算导数。
牛顿插值法优缺点比较
构造简单
牛顿插值多项式构造过程相对简 单，易于理解和实现。
差商可重用
对于新增的插值节点，只需计算 新增节点处的差商，原有差商可 重用，节省了计算量。
要求。
多元函数插值方法举例
多项式插值
分段插值
样条插值
利用多项式作为插值函数，通 过已知点构造多项式，使得多 项式在已知点处取值与给定数 据相符。该方法简单直观，但 高阶多项式可能导致Runge现 象。
将整个定义域划分为若干个子 区间，在每个子区间上分别构 造插值函数。该方法可以避免 高阶多项式插值的Runge现象 ，但可能导致分段点处的不连 续性。
数值分析第2章插值法
数值分析第2章插值法插值法是数值分析中常用的一种数值逼近方法，用于在给定一组有限数据点的情况下，通过构造合适的数学模型来估计这些数据点之间的未知数值。
插值法的应用广泛，包括图像处理、计算机辅助设计、数值计算等领域。
常见的插值方法有拉格朗日插值、牛顿插值、埃尔米特插值以及样条插值等。
这些方法都是基于多项式的插值形式，通过构造一个多项式函数来逼近数据点，并据此对未知点进行估计。
拉格朗日插值是一种基于拉格朗日多项式的插值方法。
对于给定的n+1个不同的数据点 (x0, y0), (x1, y1), ..., (xn, yn)，拉格朗日插值构造了一个n次多项式Ln(x)，满足：Ln(x) = y0L0(x) + y1L1(x) + ... + ynLn(x)其中，L0(x),L1(x),...,Ln(x)是拉格朗日基函数，定义为：Lk(x) = ∏(i≠k)(x - xi)/(xk - xi) (k = 0, 1, ..., n)拉格朗日插值方法的优点是简单易用，但随着数据点数量的增加，拉格朗日多项式的计算复杂度也会大大增加。
牛顿插值是另一种基于多项式的插值方法，它使用差商的概念来构造插值多项式。
对于给定的n+1个不同的数据点 (x0, y0), (x1, y1), ..., (xn, yn)，牛顿插值构造了一个n次多项式Nn(x)，满足：Nn(x) = y0 + c0(x - x0) + c1(x - x0)(x - x1) + ... + cn(x -x0)(x - x1)...(x - xn-1)其中，c0 = Δy0/(x0 - x1)，ci = Δyi/(xi - xi+1) (i = 0, 1, ..., n-1)，Δyi = yi+1 - yi。
牛顿插值方法相比于拉格朗日插值方法，在计算多项式时具有更高的效率，尤其是在需要更新数据点时。
此外，牛顿插值方法还可以通过迭代的方式得到更高次数的插值多项式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
显然 L(x)=l0(x)y0+l1(x)y1+l2(x)y2 满足条件 L2(xj)=yj (j=0,1,2) 将l0(x), l1(x), l2(x)代入得
( x x0 )( x x 2 ) ( x x1 )( x x 2 ) L2 ( x ) y0 y1 ( x0 x1 )( x0 x 2 ) ( x1 x0 )( x1 x 2 ) ( x x0 )( x x1 ) y2 ( x 2 x0 )( x 2 x1 )
( 7 2.6458 )
二、Lagrange插值多项式
设有n+1个互异节点x0 <x1<…<xn，且 yi=f(xi) (i=0,1,2…,n) 构造Ln (x)，使 Ln (xj)= yj (j = 0,1,2,…,n)
定义 若n次多项式lj(x) (j = 0,1,…,n)在n+1个节 点x0 <x1<…<xn上满足条件
求出a0,a1,a2，即可得到5、6月份的日照时 间的变化规律。
定义 已知函数y=f(x)在[a,b]有定义，且已知它在 n+1个互异节点 a ≤ x0 <x1<…<xn≤b
上的函数值
y0=f(x0)，y1=f(x1) ,…,yn=f(xn)，
若存在一个次数不超过n次的多项式
Pn (x)=a0 + a1x + a2x2 + ……+ anxn Pn (xk)= yk (k = 0,1,…,n) 满足条件 则称Pn (x)为f(x)的n次插值多项式。
三、插值余项与误差估计
定义 若在[a,b]上用Ln (x)近似f(x)，则其截断误 差 Rn (x)＝f(x)- Ln (x) 称插值多项式的余项。 定理 设 f(x)在[a,b]上具有n阶连续导数, 且 f (n+1)(x) 存在,节点a ≤ x0 <x1<…<xn≤b， Ln (x)是满足条件Ln (xj)= yj (j = 0,1,2,…,n)的插 值多项式，则对任何x[a,b]，插值余项
1 1 2 4 1 . 71 10 M N 1 . 14 10 300 |R1 ( x)| 2 2 2! 2 1 1 |R2 ( x)| M 3 N 3 1.51 10 6 9300 2.35 103 3! 6
从以上分析可知 , 在求 175 时 用Lagrange 二次插值比线性插值的 误差更小
M 2 max | f ( x)| | f (169)| 1.14 104 M 3 max | f ( x)| | f (144)| 1.51 106
144 x 225
N2 | 2 ( x)| |(175 169)(175 225)| 300 N3 | 3 ( x)| |(175 144)(175 169)(175 225)| 9300
例 已知
4 2, 9 3, 16 4
求
7
解 取x0=4,y0=2，x1=9, y1=3 ，x2=16, y2=4. （1）线性插值： 取x0=4, x1=9
9 x x4 L1 ( x) 2 3 94 94 2 3 13 7 L1 (7) (9 7) (7 4) 2.6 5 5 5
满足下述条件：
x [ x0 , x1 ] x [ x1 , x2 ] x [ xn 1 , xn ]
(1)S(x)在每一个子区间[xj-1 , xj ] ( j= 0,1,2,· · · ,n)上 是一个三次多项式； (2) S(x)在每一个内接点xj ( j= 0,1,2,· · · ,n)上具有直 到二阶的连续导数；
3.3 三次样条插值
因分段线性插值导数不连续，埃尔米特插值导 数连续但需要已知，故引入样条插值概念。 样条：是 指飞机或轮船等的制造过程中为描绘 出光滑的外形曲线(放样)所用的工具。 样条本质上是一段一段的三次多项式拼合而成 的曲线，在拼接处，不仅函数是连续的，且一 阶和二阶导数也是连续的。 1946年，Schoenberg将样条引入数学，即所谓 的样条函数。
点x0,x1,…,xn称插值节点， f(x)为被插值函数。[a,b]称插 值区间，点 x称插值点。插值点在插值区间内的叫内插， 否则叫外插。
定理 n次插值问题的解是存在而且唯一的。
证明：
设 Pn (x)=a0 + a1x + a2x2 + ……+ anxn 是y=f(x)在[a,b]上的n+1个互异节点x0,x1,…,xn的插值多项 式，则求Pn (x)问题归结为求系数a0,a1,…,an。 由插值条件： Pn (xk)= yk (k = 0,1,…,n) 得关于a0,a1,…,an的n+1阶线性方程组
n a0 a1 x0 a n x0 y0 n a0 a1 x1 a n x1 y1 a a x a x n y n n n 0 1 n
其系数行列式是Vandermonde行列式
1 x0 x x n 1 x1 x x V ( x0 , x1 , xn ) ( xi x j ) ni j 1 1
y1 y0 L1 ( x ) y0 ( x x0 ) x1 x0
x x0 x1 x L1 ( x ) y1 y0 x1 x0 x1 x0
由两点式可以看出， L1 (x)是由两个线性函数 x x0 x1 x l0 ( x ) , l1 ( x ) x1 x0 x1 x0 的线性组合得到，其系数分别为y0， y1。即
n=2时，
1 R2 ( x) f ( )( x x0 )( x x1 )( x x2 ) 6
( [ x0 , x2 ])
当 f(x) 是n次的多项式时, Ln(x)= f(x)。即n次多 项式的n次插值函数即为该n次多项式本身。
例:
若f ( x) x , 三个节点为 144,169,225
试估计用Lagrange 线性和二次插值做 f (175)近似值的 截断误差 .
解:
设R1 ( x)为Lagrange 线性插值的余项 R2 ( x)为二次Lagrange 插值的余项
f ( x )
1 2 x
169 x 225
3 1 2 f ( x ) x 4
5 3 2 f ( x ) x 8
一、三次样条插值函数的定义 定义： 给定区间[a,b]上的一个划分：a = x0 <x1<…<xn=b，已知函数f(x)在点xj上的 函数值为 f (xj) = yj, ( j= 0,1,2,· · · ,n)如果 存在分段函数
S1 ( x) S ( x) 2 S ( x) S n ( x)
故
( x x1 )(x x2 ) l0 ( x) ( x0 x1 )(x0 x2 )
同理
( x x0 )(x x2 ) l1 ( x) ( x1 x0 )(x1 x2 ) ( x x0 )(x x1 ) l2 ( x ) ( x2 x0 )(x2 x1 )
即
1 lk ( x j ) 0
jk jk
(j,k=0,1,2)
满足上式的插值基函数很容易求出。如求l0(x), 因x1, x2 为其零点，故可表为
l0 ( x) A( x x1 )(x x2 )
1 A ( x0 x1 )(x0 x2 )
其中A为待定系数，由l0(x0)=1 , 得
1 lk ( x j ) 0
jk jk
(j,k=0,1,…,n)
则称这n+1个n次多项式l0(x), l1(x),…, ln(x)为 节点x0 ,x1,…,xn上的n次插值基函数。
由n=1,2时的讨论可得
( x x0 ) ( x xk 1 )( x xk 1 ) ( x xn ) lk ( x ) ( xk x0 ) ( xk xk 1 )( xk xk 1 ) ( xk xn )
称l0 (x)及l1 (x)为线性插值基函数。
2. 抛物插值：n=2情形 假定插值节点为x0, x1, x2 ，求二次插值多项式 L2 (x)，使 L2(xj)=yj (j=0,1,2) y= L2 (x)的几何意义就是过 (x0, y0)，(x1, y1) ， (x2, y2)三点的抛物线。 采用基函数方法，设 L2 (x)=l0(x)y0+l1(x)y1+l2(x)y2 此时基函数l0(x), l1(x), l2(x)是二次函数，且在节点 上满足： l0(x0)=1 , l0(x1)=0 , l0(x2)=0. l1(x0)=0 , l1(x1)=1 , l1(x2)=0. l2(x0)=0 , l2(x1)=0 , l2(x2)=1.
因
2 0 2 1
n 0 n 1
xn
2 n xn xn
xi x j (i j)
故上式不为0。
Hale Waihona Puke 据Cramer法则，方程组解存在且唯一。
故Pn (x)存在且唯一。
2.2 Lagrange插值
一、线性插值与抛物插值 1. 线性插值：n=1情形 给定插值节点 x0,x1， y0=f(x0)，y1=f(x1). 求线性插值多项式L1 (x)=a0+ a1x，使满足: L1(x0)=y0 , L1(x1)=y1. y= L1 (x)的几何意义就是过点(x0, y0)，(x1, y1)的 直线。 L1 (x)的表达式： 点斜式: 两点式:
或记为
(k = 0,1,2,…,n)
( x xi ) lk ( x ) i 0 ( xk xi )
n ik
(k=0,1,2,…n)