第2章 插值法2
合集下载
2. 第二章_数值插值方法
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
2 第二章 插值法
（7） l k ( x), l k 及x k 1上满足条件：
l k ( x) 1.l k ( x k 1 ) 0, l k 1 ( x k ) 0, l k 1 ( x k 1 ) 1. 我们称函数l k ( x)及l k 1 ( x)为线性插值基函数。见 下图：
设 y f ( x)在区间 [a, b] 上连续，且在n 1 个不同的点
a x0 x1 xn b
上的值分别为y0 , y1 ,, yn .
插值的目的就是要在一个性质优良、便于计算的 函数类 中，求一简单函数 P( x), 使 P( xi ) yi (i 0,1, , n) (I ) 而在其它点 x xi 上，P( x)作为 f ( x) 的近似。
y L1 ( x)的几何意义就是通过两 点（xk , y k )与（xk 1 , y k 1 )的直线， 如上图所示， （x）的表达式可由几何意 L1 义直接给出： y y L ( x)
1
y f (x)
yk
y k 1
0
xk
x k 1
x
y k 1 y k L1 ( x) y k ( x xk ) xk 1 xk xk 1 x x xk L1 ( x) yk y k 1 xk 1 xk xk 1 xk
k 0
n1 ( x) 从而公式（ ）可改写成： n ( x) y k 13 L ( x xk ) n1 ( xk ) k 0
n
(15)
注：n次插值多项式 n ( x)一般应为次数为 的多项式。特殊情况下 L n 次数 可能小于n。如过三个共线点（ 0 , y 0 ), ( x1 , y1 ), ( x 2 , y 2 )的二次插值多项 x 式L（x)就是一条直线而不是抛 物线。 2
第2章1-4节 插 值 法
12
图2-3
13
2.
n次插值多项式
根据插值的定义
Ln ( x j ) y j
Ln (x) 应满足
( j 0,1, , n).
为构造 L
n
( x)，
先定义 n 次插值基函数.
14
定义1 若
n 次多项式 L j ( x) ( j 0,1, , n) 在 n 1 个节点
x0 x1 xn
b, Ln ( x)
( n1)
定理2 设 f
(n)
( x)
( x ) 在 ( a, b) 内
存在，节点 a x0 x1 xn
是满足条件
的插值多项式，则对任何 x [a, b] ，插值余项
Rn ( x) f ( x) Ln ( x) f
( n 1
( )
(n 1)!
11
显然，lk (x) 及 lk 1 ( x) 也是线性插值多项式，在节点 xk 及 上满足条件
lk ( xk ) 1, lk 1 ( xk ) 0, lk ( xk 1 ) 0, lk 1 ( xk 1 ) 1,
xk 1
称
lk (x) 及 lk 1 ( x) 为线性插值基函数， 图形见图2-3.
( xk 1 , yk 1 )
的直线. 如图2-2.
图2-2
10
由
L1 ( x)
的几何意义可得到表达式
yk 1 y k xk 1 xk ( x xk )
L1 ( x ) yk
（点斜式）， （两点式），
L1 ( x )
xk 1 x xk 1 xk
yk
x xk xk 1 xk
第2章_插值法
56
13.214 285 71
175 13.228756555322952...
考虑通过 + 1个节点0 < 1 < ⋯ < 的次插值
多项式 ()，满足条件
= ,
= 0,1, … ,
希望找到 li(x)，i = 0, …, n, 使得
= ; = ,
n次插值多项式, 插值节点为{ xi }in 0 [ a , b],则x [ a , b],有
f ( n 1) ( )
Rn (x )
n 1 ( x)
Lagrange型余项
(n 1)!
n
其中 n 1 ( x ) ( x xi ) , ( a , b) , 且依赖于 x.
满足条件P(xi) = f(xi) (i = 0, … n)。 P(x) 称
为f(x) 的插值函数。
P(x) f(x)
x0
x1
x2
x
x3
x4
定理1：设插值节点 ≠ ( ≠ )，则满足条件
= , = 0,1, … , 的插值多项式
= 0 + 1 + ⋯ +
− , , + 线性无关。
二次插值多项式
= − − + + + + ()
满足 = ( = − , , + )
例1:
已知 f ( x )满足 f (144) 12 , f (169) 13, f ( 225) 15
i 0
一次及二次差值余项
1 ′′
1 = − 0 − 1 ,
13.214 285 71
175 13.228756555322952...
考虑通过 + 1个节点0 < 1 < ⋯ < 的次插值
多项式 ()，满足条件
= ,
= 0,1, … ,
希望找到 li(x)，i = 0, …, n, 使得
= ; = ,
n次插值多项式, 插值节点为{ xi }in 0 [ a , b],则x [ a , b],有
f ( n 1) ( )
Rn (x )
n 1 ( x)
Lagrange型余项
(n 1)!
n
其中 n 1 ( x ) ( x xi ) , ( a , b) , 且依赖于 x.
满足条件P(xi) = f(xi) (i = 0, … n)。 P(x) 称
为f(x) 的插值函数。
P(x) f(x)
x0
x1
x2
x
x3
x4
定理1：设插值节点 ≠ ( ≠ )，则满足条件
= , = 0,1, … , 的插值多项式
= 0 + 1 + ⋯ +
− , , + 线性无关。
二次插值多项式
= − − + + + + ()
满足 = ( = − , , + )
例1:
已知 f ( x )满足 f (144) 12 , f (169) 13, f ( 225) 15
i 0
一次及二次差值余项
1 ′′
1 = − 0 − 1 ,
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章插值法
0.32 0.34
0.34 0.32
0.330365.
截 断 误 差 为 ：R1x
f
1
2！
2
x
M2 2
x
x0 x
x1 ， 其 中 ：
M2
max
x0 x x1
f x，f x sin x，f x
sin x，M2
sin x1
0.3335
R1 0.3367
sin0.3367
L1 0.3367
x a, b,插 值余 项Rn x
f x Ln x
f n1 n 1!
n1
x
,
其
中
a,
b,
与x有 关,n1x
n
x
k0
xk
.
n
性质： lk x 1. k0
5
例1、证明： ( xi x)2 li ( x) 0, 其中li ( x)是关于点x0 , x1 ,, x5的插值 i0
基 函 数.
2.2 拉格朗日插值
2.2.1、线性插值与抛物插值
1、 线 性 插 值 ：
设 yk f xk ， yk1 f xk1 ， xk xk1 求 一 次 多 项 式 L1 x， 满 足 ：L1 xk yk，L1 xk1 yk1
L1 x
yk
yk1 xk1
yk xk
x xk
求n次 插 值 多 项 式Ln x, 满 足 ：Ln xi yi i 0，1，2，，n
Ln
x
n
lk
x
yk
k0
lk
xj
1，k j
kj 0，k j
j 0，1，2，，n
lk x
x
第2章-插值法(Hermite插值,样条插值)
§
2.5 埃尔米特插值法
Newton插值和Lagrange插值虽然构造比较简单，但都存 在插值曲线在节点处有尖点，不光滑，插值多项式在节 点处不可导等缺点
问题的提出： 不少实际问题不但要求在节点上函数值相等，而且还要 求它的导数值也相等（即要求在节点上具有一阶光滑度）， 甚至要求高阶导数也相等，满足这种要求的插值多项式就是 埃尔米特（Hermite）插值多项式。下面只讨论函数值与导数 值个数相等的情况。
由 j ( x j ) 1 ，可得
Cj
1 ( x j x0 ) 2 ( x j x1 ) 2 ( x j x j 1 ) 2 ( x j x j 1 ) 2 ( x j xn ) 2
故
j ( x) ( x x j )
( x x0 ) 2 ( x x1 ) 2 ( x x j 1 ) 2 ( x x j 1 ) 2 ( x xn ) 2 ( x j x0 ) 2 ( x j x1 ) 2 ( x j x j 1 ) 2 ( x j x j 1 ) 2 ( x j xn ) 2
( x x j )l j 2 ( x)
2016/8/14 6
（ii）由条件(1)可知，x0 , x1,, x j 1, x j 1,, xn都是 j ( x)的二重根，令
j ( x) C j (ax b)( x x0 ) 2 ( x x1 ) 2 ( x x j 1 ) 2 ( x x j 1 ) 2 ( x xn ) 2
17
即
x x1 x x0 2 0 ( x) (1 2l1 ( x)) l0 ( x) 1 2 x x x0 x1 1 0
2.5 埃尔米特插值法
Newton插值和Lagrange插值虽然构造比较简单，但都存 在插值曲线在节点处有尖点，不光滑，插值多项式在节 点处不可导等缺点
问题的提出： 不少实际问题不但要求在节点上函数值相等，而且还要 求它的导数值也相等（即要求在节点上具有一阶光滑度）， 甚至要求高阶导数也相等，满足这种要求的插值多项式就是 埃尔米特（Hermite）插值多项式。下面只讨论函数值与导数 值个数相等的情况。
由 j ( x j ) 1 ，可得
Cj
1 ( x j x0 ) 2 ( x j x1 ) 2 ( x j x j 1 ) 2 ( x j x j 1 ) 2 ( x j xn ) 2
故
j ( x) ( x x j )
( x x0 ) 2 ( x x1 ) 2 ( x x j 1 ) 2 ( x x j 1 ) 2 ( x xn ) 2 ( x j x0 ) 2 ( x j x1 ) 2 ( x j x j 1 ) 2 ( x j x j 1 ) 2 ( x j xn ) 2
( x x j )l j 2 ( x)
2016/8/14 6
（ii）由条件(1)可知，x0 , x1,, x j 1, x j 1,, xn都是 j ( x)的二重根，令
j ( x) C j (ax b)( x x0 ) 2 ( x x1 ) 2 ( x x j 1 ) 2 ( x x j 1 ) 2 ( x xn ) 2
17
即
x x1 x x0 2 0 ( x) (1 2l1 ( x)) l0 ( x) 1 2 x x x0 x1 1 0
第二章插值法
线性插值的几何意义:用 通过点 A(x0 , f (x0 )) 和 B(x1, f (x1 )) 的直线近似地代替曲线 y=f(x)由解析几何知道, 这条直线用点斜式表示为
y=f(x)
p(x)=ax+b
A(x.0,f(x.0)) B(x.1,f(x.1))
p(x)
y0
y1 x1
y0 x0
(x
x0 )
解: 用待定系数法, 将各节点值依次代入所求多项式, 得
解上述方程, 将求出的a0, a1, a2 代入 p(x) = a0 + a1x + a2x2 即得所求二次多项式
例2.5 求过点(0,1)、(1,2)、(2,3)的三点插值多项式
P(x) an x n an1 x n1 a1x a0
满足
P(x) an x n an1 x n1 a1 x a0 P(xi ) f (xi ) (i 0,1,2, , n)
则称P(x)为f(x)的n次插值多项式。这种插值法通常称
为代数插值法。其几何意义如下图所示
y y=P(x) y=f(x)
lk ( xi ) ki
1 0
(i k ) (i k )
l0 (x) 与 l1(x) 称为线性插值基函数。且有
lk (x)
1 j0
x xj , xk x j
jk
k 0,1
于是线性插值函数可以表示为与基函数的线性组合
p(x) l0 (x) y0 l1 (x) y1
例2.1 已知 100 10 , 121 11 , 求 y 115
为已知 f (x0 ), f (x1), , f (xn ) ,即 yi f (xi ) 若存在一个
f(x)的近似函数 (x),满足
第2章函数逼近的插值法2
(2) (n 1)内节点处连续及光滑性 条件：
s(x s( x
j j
0) 0)
s(x j 0) s(x j 0)
j
1,2,...,
n
1
s( x j 0) s( x j 0)
三次样条插值
对于待定系数aj ,bj ,cj.d j j 1,2,...n,即4n个未知系数， 而插值条件为4n 2个，还缺两个，因此须给出两个 条件称为边界条件，有以下三类： 第一类 已知两端点的一阶导数
令
A1
j1 (u )
(1
2
u
x hj
j 1
)(
u
x hj
j
)2
A2
j (u )
(1
2
u
x hj
j
)(
u
x hj
j 1
)2
B1
j1 (u )
(u
u x j 1 )(
xj hj
)2
B2
j (u )
(u
x
j )(
u
x hj
j
)2
分段三次Hermite插值算法
则vA 1yj1A 2yjB 1fj1B 2fj
算法： 1 .输入 x j , f j , f j （ j 0 ,1 ,..., n ）； 2 .计算插值
(1 ) 输入插值点 u ;
( 2 ) 对于 j 1 , 2 ,..., n 做
如果 u x j 则计算 A 1 , A 2 , B 1 , B 2 ; v A 1 f j 1 A 2 f j B 1 f j 1 B 2 f j; 3 .输出 u , v 。
分段三次Hermite插值
上述分段线性插值曲线是折线，光滑性 差，如果交通工具用这样的外形，则势 必加大摩擦系数，增加阻力，因此用 hermite分段插值更好。
s(x s( x
j j
0) 0)
s(x j 0) s(x j 0)
j
1,2,...,
n
1
s( x j 0) s( x j 0)
三次样条插值
对于待定系数aj ,bj ,cj.d j j 1,2,...n,即4n个未知系数， 而插值条件为4n 2个，还缺两个，因此须给出两个 条件称为边界条件，有以下三类： 第一类 已知两端点的一阶导数
令
A1
j1 (u )
(1
2
u
x hj
j 1
)(
u
x hj
j
)2
A2
j (u )
(1
2
u
x hj
j
)(
u
x hj
j 1
)2
B1
j1 (u )
(u
u x j 1 )(
xj hj
)2
B2
j (u )
(u
x
j )(
u
x hj
j
)2
分段三次Hermite插值算法
则vA 1yj1A 2yjB 1fj1B 2fj
算法： 1 .输入 x j , f j , f j （ j 0 ,1 ,..., n ）； 2 .计算插值
(1 ) 输入插值点 u ;
( 2 ) 对于 j 1 , 2 ,..., n 做
如果 u x j 则计算 A 1 , A 2 , B 1 , B 2 ; v A 1 f j 1 A 2 f j B 1 f j 1 B 2 f j; 3 .输出 u , v 。
分段三次Hermite插值
上述分段线性插值曲线是折线，光滑性 差，如果交通工具用这样的外形，则势 必加大摩擦系数，增加阻力，因此用 hermite分段插值更好。
《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)
第2章 拉格朗日插值
i0
n
li(x) 每个 li 有 n 个根 x0 … xi … xn f 无关, 与 有关，而与 节点 l ( x) C ( x x )...(x x )...(x - x ) C
i i 0 i n
i
称为n次插值基函数。 1 li ( xi ) 1 Ci j i ( xi xj )
注：若不将多项式次数限制为 n ，则插值多项式不唯一。 例如 P ( x ) Ln ( x ) p( x ) ( x - xi ) 也是一个插值
i 0 n
多项式，其中 p( x )可以是任意多项式。
2.2 插值余项及误差估计
插值余项 /* Remainder */
设节点 a x0 x1 xn b ，且 f 满足条件 f C [a, b] , f ( n1)在[a , b]内存在, 考察截断误差 R ( x) f ( x) - L ( x) n n
插值法
§2.拉格朗日插值
2.1 拉格朗日插值
2.2 插值余项及误差估计
2.1 拉格朗日插值
n 求 n 次多项式 Ln ( x) a0 a1x an x 使得 Ln ( x i ) y i , i 0 , ... , n xi x j 条件：无重合节点，即 i j
n=1
f ( n 1) ( x ) M n 1, x(a,b)
当 f(x) 为任一个次数 n 的多项式时， f
( n1)
( x) 0 ,
可知 Rn ( x ) 0 ，即插值多项式对于次数 n 的多项 式是精确的。
Quiz: 给定 xi = i +1, i = 0, 1, 2, 3, 4, 5. 下面哪个是 l2(x)的图像？
n
li(x) 每个 li 有 n 个根 x0 … xi … xn f 无关, 与 有关，而与 节点 l ( x) C ( x x )...(x x )...(x - x ) C
i i 0 i n
i
称为n次插值基函数。 1 li ( xi ) 1 Ci j i ( xi xj )
注：若不将多项式次数限制为 n ，则插值多项式不唯一。 例如 P ( x ) Ln ( x ) p( x ) ( x - xi ) 也是一个插值
i 0 n
多项式，其中 p( x )可以是任意多项式。
2.2 插值余项及误差估计
插值余项 /* Remainder */
设节点 a x0 x1 xn b ，且 f 满足条件 f C [a, b] , f ( n1)在[a , b]内存在, 考察截断误差 R ( x) f ( x) - L ( x) n n
插值法
§2.拉格朗日插值
2.1 拉格朗日插值
2.2 插值余项及误差估计
2.1 拉格朗日插值
n 求 n 次多项式 Ln ( x) a0 a1x an x 使得 Ln ( x i ) y i , i 0 , ... , n xi x j 条件：无重合节点，即 i j
n=1
f ( n 1) ( x ) M n 1, x(a,b)
当 f(x) 为任一个次数 n 的多项式时， f
( n1)
( x) 0 ,
可知 Rn ( x ) 0 ，即插值多项式对于次数 n 的多项 式是精确的。
Quiz: 给定 xi = i +1, i = 0, 1, 2, 3, 4, 5. 下面哪个是 l2(x)的图像？
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
（2.1）
满足(2.1)式的 l i(x) 是否存在?若存在，具有什么形式呢?
先考虑 l0(x)。因 l0(x)是以 x1, x2 为零点的二次多项式,
所以它可写成 l0(x)＝ 0(x －x1)(x －x2), 其中0 是待定系 数。 又因为 l0( x0)=1，所以0(x0－x1)(x0－x2)＝1，则可有
n
| x - xi |
i=0
作为误差估计上限。
当 f(x) 为任一个次数 n 的多项式时， f (n1)( x) 0,
可知 Rn ( x) 0 ，即插值多项式对于次数 n 的多项式 是精确的。
例1 求经过A(0,1)，B(1,2)，C(2,3)三个插值点的插值多项式. 解：三个插值节点及对应的函数值为
-
3
);
1 2
cos x
3 2
0.00044
R2
5
18
0.00077
sin 50 = 0.7660444…
2次插值的实际误差 0.00061
高次插值通常优于 低次插值
但绝对不是次数越 高就越好，嘿 嘿……
例3 考虑下述的插值法问题：求二次多项式P(x)，满足 P(x0) = y0, P(x1) = y1，P(x2 ) = y2， 其中 x0 x2，y0、y1、y2 是已给的数据并给出使这一问题的解存在且唯一的条件.
x0 )(x -
x1 )，
[ x0 , x1 ]
当n = 2时 ， 抛 物 插 值 的 余 项 为
R2 ( x) =
1 6
f ( )( x -
x0 )(x -
x1 )(x -
x2 )，
[x0 , x2 ]
注： 通常不能确定 x , 而是估计 f (n1)( x) Mn1 , x(a,b)
满足(2.1)式的 l i(x) 是否存在?若存在，具有什么形式呢?
先考虑 l0(x)。因 l0(x)是以 x1, x2 为零点的二次多项式,
所以它可写成 l0(x)＝ 0(x －x1)(x －x2), 其中0 是待定系 数。 又因为 l0( x0)=1，所以0(x0－x1)(x0－x2)＝1，则可有
n
| x - xi |
i=0
作为误差估计上限。
当 f(x) 为任一个次数 n 的多项式时， f (n1)( x) 0,
可知 Rn ( x) 0 ，即插值多项式对于次数 n 的多项式 是精确的。
例1 求经过A(0,1)，B(1,2)，C(2,3)三个插值点的插值多项式. 解：三个插值节点及对应的函数值为
-
3
);
1 2
cos x
3 2
0.00044
R2
5
18
0.00077
sin 50 = 0.7660444…
2次插值的实际误差 0.00061
高次插值通常优于 低次插值
但绝对不是次数越 高就越好，嘿 嘿……
例3 考虑下述的插值法问题：求二次多项式P(x)，满足 P(x0) = y0, P(x1) = y1，P(x2 ) = y2， 其中 x0 x2，y0、y1、y2 是已给的数据并给出使这一问题的解存在且唯一的条件.
x0 )(x -
x1 )，
[ x0 , x1 ]
当n = 2时 ， 抛 物 插 值 的 余 项 为
R2 ( x) =
1 6
f ( )( x -
x0 )(x -
x1 )(x -
x2 )，
[x0 , x2 ]
注： 通常不能确定 x , 而是估计 f (n1)( x) Mn1 , x(a,b)
数值分析课件-第02章插值法
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。
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。
数值分析第5版插值法
第2章 插值法
第一节 引言
n 一、 插值问题 设 y= f(x) 是区间[a , b] 上的一个实函数, xi ( i=0,
1, ... ,n)是[a,b]上n+1个互异实数,已知 y=f(x) 在 xi 的
值 yi=f(xi) (i=0,1,...,n), 求次数不超过n的多项式Pn(x)
使其满足
从几何意义来看,上述 问题就是要求一条多项 式曲线 y=Pn(x), 使它通
过已知的n+1个点(xi,yi)
(i=0,1, … ,n),并用Pn(x) 近似表示f(x).
2
二、插值多项式的存在性和唯一性
定理1 设节点xi (i=0,1, … ,n)互异, 则满足插值条件 Pn(xi)=yi 的次数不超过n的多项式存在且唯一. 证 设所求的插值多项式为
f [ x0 , x1]
f ( x0 ) f ( x1 ) x0 x1
为 f (x)在x0、x1点的一阶差商.一阶差商的差商
f [ x0 , x1, x2 ]
f [ x0 , x1] f [ x1, x2 ] x0 x2
称为函数f (x)在x0、x1 、x2 点的二阶差商.
25
一般地，n-1阶差商的差商
还应注意,对于插值节点,只要求它们互异,与大小次序无 关。
14
例1 已知 y x , x0 用4,线x1性插9,值求 近
7
似值。
解 y0 2, y1 3, 基函数分别为:
l0 ( x)
x9 49
1(x 5
9), l1( x)
x4 94
1(x 5
4)
插值多项式为
1
1
L1 ( x)
y0l0 ( x) y1l1 ( x) 2
第一节 引言
n 一、 插值问题 设 y= f(x) 是区间[a , b] 上的一个实函数, xi ( i=0,
1, ... ,n)是[a,b]上n+1个互异实数,已知 y=f(x) 在 xi 的
值 yi=f(xi) (i=0,1,...,n), 求次数不超过n的多项式Pn(x)
使其满足
从几何意义来看,上述 问题就是要求一条多项 式曲线 y=Pn(x), 使它通
过已知的n+1个点(xi,yi)
(i=0,1, … ,n),并用Pn(x) 近似表示f(x).
2
二、插值多项式的存在性和唯一性
定理1 设节点xi (i=0,1, … ,n)互异, 则满足插值条件 Pn(xi)=yi 的次数不超过n的多项式存在且唯一. 证 设所求的插值多项式为
f [ x0 , x1]
f ( x0 ) f ( x1 ) x0 x1
为 f (x)在x0、x1点的一阶差商.一阶差商的差商
f [ x0 , x1, x2 ]
f [ x0 , x1] f [ x1, x2 ] x0 x2
称为函数f (x)在x0、x1 、x2 点的二阶差商.
25
一般地，n-1阶差商的差商
还应注意,对于插值节点,只要求它们互异,与大小次序无 关。
14
例1 已知 y x , x0 用4,线x1性插9,值求 近
7
似值。
解 y0 2, y1 3, 基函数分别为:
l0 ( x)
x9 49
1(x 5
9), l1( x)
x4 94
1(x 5
4)
插值多项式为
1
1
L1 ( x)
y0l0 ( x) y1l1 ( x) 2
2插值法
18
Ex：已知特殊角300，450，600 的正弦值，分别用一 次插值，二次插值函数近似sin500 的值。
19
3 代数多项式插值的存在唯一性 §2. 2.3
线性插值和二次插值都属于代数多项式插值。 对于一般的代数插值问题,就是寻求一个不高于n次 的代数多项式 Pn(x)=a0+a1x+a2x2+ … +anxn 使其在 给定的n+1个互异的插值基点上满足插值原则 …,n Pn(xi)=yi, i=0,1, i=0,1,…
� �
23
我们称Rn(x)为插值多项式Pn(x)的余项。 显然有 …,n Rn(xi)=0, i=0,1,2, i=0,1,2,… 下面给出插值多项式Pn(x)余项的表达式。 定理：设函数 f(x) 在区间［ a,b ］上具有 n+1 阶导 数， Pn(x)为次数不高于n的多项式,且 Pn(x0)=y0 Pn(x1)=y1 … Pn(xn)=yn
28
利用公式可以给出用多项式 Pn(x) 近似代替 f(x)的误差估计。这里还得说明几点: (1) 插值多项式本身只与插值基点及 f(x)在这些基 点上的函数值有关,而与函数f(x)本身并没有关系。 但余项Rn(x)却与f(x)联系很紧。
�
29
�
(2)若f(x)为次数不超过 n 的多项式 , 那么以 n+1个点为 ≡f(x)。这 基点的插值多项式就一定是其本身, 即Pn(x) (x)≡ 是因为此时 Rn(x)=0。 (3) 从余项 Rn(x) 中的 ω (n+1)(x) 知 , 当点 x 位于 x0,x1, … ,xn ω n+1(x)|比较小 , 精度要高一些, 而位于两端 的中部时 ,| ,|ω 时,精度要差一些;若x位于x0,x1,…,xn的外部,一般称外 插(或外推),此时精度一般不理想,使用时须注意。
- 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)。
, xk 2, x0 ]
再将各差商中的节点按原来次序排列。
6
• 性质3:若f ( x) 是x 的n次多项式,则一阶差商 f [x , x0] 是x 的n-1次多项式,二阶差商f [x , x0, x1]
是x 的n-2次多项式;
一般地,函数f (x) 的k阶差商f [x , x0,L , xk1]
是x 的n-k次多项式(k n) ,而k n 时,k阶
, xk1]
k阶差商定义:
f [x0, x1,L
, xk ]
f [x0,L
, xk2, xk ] f [x0, x1,L xk xk1
, xk1]
依对称性，对调定义公式左端k阶差商中 x与0 xk 1
的位置，
f [xk1, x1,L
, xk2, x0, xk ]
f [xk1, x1,L
, xk 2, xk ] f [xk 1, x1,L xk x0
N3(x) N2 (x) f [x0, x1, x2, x3](x x0 )(x x1)(x x2 )
N3(0.596) 0.632010 0.1970 0.196 0.046 (0.054) 0.6319145
欲求 N 4 ( x),只需在 N 3 ( x)之后再加一项: f [x0, x1, x2, x3, x4 ](x x0 )(x x1)(x x2 )(x x3)
f [x0, x1]
f (x1) f (x0 ) x1 x0
f0 x0 x1
f1 x1 x0
f [x0, x1, x2 ]
f [x0, x2 ] f [x0, x1] x2 x1
f0
f1
f2
(x0 x1)(x0 x2) (x1 x0)(x1 x2) (x2 x0)(x2 x15)
最后一项中, 差商部分含有 x ,为余项部分,记作
Rn (x) f [x, x0, x1,L , xn ](x x0 )(x x1)L (x xn )
而前面n+1项中, 差商部分都不含有 x ,因而前面n+1项 是关于 x 的n次多项式,记作
Nn (x) f (x0 ) f [x0, x1](x x0 ) f [x0, x1, x2](x x0)(x x1) L f [x0, x1,L , xn ](x x0)(x x1)L (x x ) 1n2 1
这就是牛顿插值公式。于是,上式记为
f ( x) N n ( x) Rn ( x)
由牛顿插值公式与
Pn (x) a0 a1(x x0 ) a2 (x x0 )(x x1)
L an (x x0 )L (x xn1) 比较知：
ak f [x0, x1,L , xk ] (k 0,1,L , n).
13
• 例如:当n=1时，
f (x) f (x0 ) f [x0, x1](x x0 ) f [x, x0, x1](x x0 )(x x1)
其中,
N1 ( x)
f (x0 )
f [x0, x1](x x0 )
f0
f0 x0
f1 x1
(
x
x0
)
这就是牛顿一次插值多项式，也就是点斜
┇
f x0, x1, x2
f x1, x2, x3 ┇
f x0, x1, x2, x3
┇
如要计算四阶差商,再增加一个节点,表中
还要增加一行。
9
• 例:已知如下,计算三阶差商 f [1,3, 4,7] 。
xi 1 3 4 7
0
f (xi )
2 15 12
解：列表计算
xi f (xi) 一阶差商 二阶差商 三阶差商 10
算法：
1.输入数据x, xi , yi (i 0,1,, n) 2.置fk yk (k 0,1,, n) 3. 计算各阶差商。对i 0,1,, n
f k i xk i
fk xk
fk (k
n, n 1,,i)
n
k 1
4.p f0 fk[ x xj ]
N2 (x2 )
f (x0 )
f
(
x0 ) x0
f( x1
x1)
(
x2
x0 )
x0
1
x2
f (x0) f (x1) x0 x1
f
(
x1) x1
f( x2
x2
)
(
x2
x0 )(x2
x1)
f (x2 )
即 N2 (x)满足二次插值条件。
16
• 若f (x) 是[a,b] 上n次连续可微函数， 并且x0, x1,L , xn 是[a,b] 中不同的点，则在 (a,b) 中存在一点 ，使得
这就是牛顿二次插值多项式。
显然, N2 (x0 ) f (x0 )
15
N2 (x) f (x0 ) f [x0, x1](x x0 ) f [x0, x1, x2 ](x x0 )(x x1)
N2 (x1)
f (x0 )
f
(x0 ) x0
f (x1) x1
(
x1
x0
)
f (x1)
差商为零。
7
若 f ( x)是 x 的n次多项式，则 P(x) f (x) f (xi )
也是n次多项式，且 P(xi ) 0。于是 P(x)可分
解为
P(x) (x xi )Pn1(x)
其中 Pn1(x) 为n-1次多项式。所以
f [x, xi ]
f (x) f (xi ) x xi
的一般表达式，现引入差商（均差）定义。
定义：称
f [x0, xk ]
f (xk ) f (x0 ) xk x0
为函数
f (x)
关于节点 x0 , xk 的一阶差商，记为 f [x0, xk ] 。
一阶差商 f [x0, x1]、f [x0, xk ] 的差商
f [x0, x1, xk ]
f [x0, xk ] f [x0, x1] xk x1
(x xi )Pn1(x) x xi
Pn1(x)
为n-1次多项式
8
三.利用差商表计算差商
利用差商的递推定义,可以用递推来计算差商。如下表：
xi
f (xi) 一阶差商
二阶差商
三阶差商
x0 f (x0 )
x1
f (x1)
x2 f (x2)
x3 f (x3)
┇┇
f x0, x1
f x1, x2 f x2, x3
§3.牛顿(Newton)插值
3.1差商及其性质 一.差商（均差）定义
拉格朗日插值公式可看作直线方程两点式的 )
f0
f1 x1
f0 x0
(x
x0 )
( fi f (xi ) yi )
出发，将它推广到具有n+1个插值点的情况，可
把插值多项式表示为
Pn (x) a0 a1(x x0 ) a2 (x x0 )(x x1) L an (x x0 )L (x xn1) 1
• 例:已知
xi
1
0
f (xi )
347 2 15 12
求满足以上插值条件的牛顿型插值多项式。 解:在上例中,我们已计算出
f (x0 ) 0, f [x 0 , x1] 1, f [x 0 , x1, x2 ] 4,
f [x 0 , x1, x2, x3] 1.25;
则牛顿三次插值多项式为
f [x0, x1,L
, xn ]
1 n!
f
(n) ( )
设p 是函数f 在节点x0, x1,L , xn1 至多为n-1次的插值多项式，则
上次数
f
(xn )
p(xn )
1 n!
f
(n) ( )(xn
x0 )L
( xn
xn 1 )
f (xn ) p(xn ) f [x0, x1,L , xn ](xn x0 )L (xn xn1) 17
┅
f [x, x0,L , xn1] f [x0, x1,L , xn ] f [x, x0,L , xn ](x xn )
只要把后一式代入前一式，得:
11
f (x) f (x0 ) f [x0, x1](x x0 ) f [x0, x1, x2](x x0)(x x1) L f [x0, x1,L , xn ](x x0 )(x x1)L (x xn1) f [x, x0, x1,L , xn ](x x0 )(x x1)L (x xn )
1.1160
1.1860
0.80 0.88811 1.2757 0.90 1.02652 1.3841
1.05 1.25386 1.5156
二阶 三阶
0.2800
0.3588
0.4336
0.5260
0.1970
0.2137
0.2310
四阶
0.0344
0.0346
五阶 x xk
0.196 0.046
3
称为 f (x)关于节点 x0 , x1, xk的二阶差商，记
为 f [x0, x1, xk ]。
递归地用k-1阶差商来定义k阶差商，
f [x0, x1,L
, xk ]
f [x0,L
, xk 2, xk ] f [x0, x1,L xk xk 1
, xk 1]
称为 f (x)关于k+1个节点 x0 , x1,K , xk 的k阶
0.0344 0.196 0.046 (0.054) (0.204) 3.4 106
故 N4(x) 0.6319145 0.0000034 0.6319179 。
R4 (x) f [x, x0,L , x4 ]5 (0.596)