四面体网格上的Lagrange插值

合集下载

研究生数值分析(14)拉格朗日(Lagrange)插值多项式 共22页PPT资料

研究生数值分析(14)拉格朗日(Lagrange)插值多项式 共22页PPT资料
有 s in 5 0 0 L 2 (5 0 ) 1 6 2 3 (1 8 0 )3 2 0 5 1 0 0 .0 0 0 7 6 7
事实上,
s5 i0 n 0 L 1 (5 ) 0 0 .01 ; s 05 i0 1 n 0 L ~ 1 ( 0 5 ) 0 0 .005
因此做线性内插时取 x00.2,x10.3 相应地 y01 .2 2 1 4 ,y11 .3 4 9 9
由线性插值公式,得
L 1 (x ) 0 x .2 0 0 .3 .3 1 .2 2 1 4 0 x .3 0 0 .2 .2 1 .3 4 9 9
所得近似值为
e 0 . 2 8 5 L 1 ( 0 . 2 8 5 ) 0 0 . 2 . 2 8 5 0 0 . 3 . 3 1 . 2 2 1 4 0 0 . 2 . 3 8 5 0 . 0 2 . 2 1 . 3 4 9 9 1 . 3 3 0 6
由线性插值余项公式
所以
s in 5 0 0 L 1 ( 5 0 ) 1 2 2 3 ( 1 8 0 )2 2 0 5 0 .0 1 3 1 9 0
同理,由
s5 i 0 n L ~ 0 1 ( 5 ) 1 2 0 ( s) i1 n ( ) 2 ( 8 5 4 0 0 ) 5 5 ( 6 0 )3 0 0 0 6 0
插值多项式⑤称为拉格朗日插值多项式,记作 L n ( x )
当n=2时,由⑤式可得三点插值公式
L 2 ( x ) y 0 ( ( x x 0 x x 1 1 ) ) ( ( x x 0 x x 2 2 ) ) y 1 ( ( x x 1 x x 0 0 ) ) ( ( x x 1 x x 2 2 ) ) y 2 ( ( x x 2 x x 0 0 ) ) ( ( x x 2 x x 1 ) 1 ) 这是一个二次函数。用二次函数 L 2 ( x ) 近似

lagrange插值

lagrange插值

%拉格朗日插值方法%可以同时对多点插值%t可以为向量function s=lag(x,y,t)%采用符号推导,这样可以给出插值具体公式syms p;%读取x向量维数n=length(x);s=0;for(k=1:n)la=y(k);%构造基函数for(j=1:k-1)la=la*(p-x(j))/(x(k)-x(j));end;for(j=k+1:n)la=la*(p-x(j))/(x(k)-x(j));end;s=s+la;simplify(s);end%对输入参数个数做判断,如果只有两个参数%直接给出插值多项式%如果三个参数则给出插值点的插值结果%第三个参数可以为向量if(nargin==2)s=subs(s,'p','x');%展开多项式s=collect(s);%把系数取到6位精度表达s=vpa(s,4);else%读取t长度m=length(t);%分别对t的每一个分量插值for i=1:mtemp(i)=subs(s,'p',t(i));end%得到的是系列插值点的插值结果%既得到的是向量,赋值给ss=temp;end%lagrange方法主函数%同时计算多点插值%已有点x ,yx=[pi/4,pi/6,pi/3,pi/2];y=[cos(pi/4),cos(pi/6),cos(pi/3),cos(pi/2)];%需要插值点t=[-40*pi/180,47*pi/180,53*pi/180,79*pi/180,174*pi/180]; disp('角度')du=[-40 47 53 79 174]%插值计算结果disp('插值结果')yt=lag(x,y,t)%cos函数值disp('cos函数值')yreal=[cos(-40*pi/180)cos(47*pi/180)cos(53*pi/180)cos(79*pi/180)cos(174*pi/180)]'disp('插值与函数值误差')dy=yt-yreal%给出插值多项式,需要显示的话去掉下行的分号yt=lag(x,y)%画出插值多项式图形ezplot(yt,[-pi/4,pi])hold on%画出cos函数图形ezplot('cos(t)',[-pi/4,pi]);grid onhold off。

计算方法插值法-Lagrange插值

计算方法插值法-Lagrange插值
x0
b
a
x2
用 的值作为f(x)的近似值,不仅希望 能较好地逼近f(x),而且还希望它计算简单 。
评论:
由于代数多项式具有数值计算和理论分析方便的优点。所以本章主要介绍利用代数多项式进行插值,即代数插值。
定义:若存在一个次数不超过n次的多项式
使得满足:
则称P(x)为f(x)的n次插值多项式。
因为 ,所以方程组有解唯一解:
系数矩阵
可用于求2次插值多项式
仿照线性插值,现在试图用基函数的方法确定2次插值多项式
显然 应该有以下的形式
由 确定系数
从而导出
求二次式 ,使满足条件:
01
02
类似地可以构造出插值多项式
于是确定了3个抛物插值的基函数:
x0
x2
x1
x
y
1
y=l0(x)
y=l1(x)
y=l2(x)
3个抛物插值的基函数
取已知数据 作为线性组合系数,将基函数 线性组合可得
容易看出,P(x)满足条件

一般形式的拉格朗日插值多项式
已知: 2个插值点可求出一次插值多项式,而 3个插值点可求出二次插值多项式。


插值点增加到n+1个时,可通过n+1个不同的已知点 来构造一个次数为n的代数多项式P(x)。先构造一个特殊n次多项式 的插值问题,使其在各节点 上满足
对于线性插值,误差公式:
01
对于抛物插值(2次插值),误差公式:
02
例2.8 已知x0 =100, x1 =121,用线性插值近似计算 的时候,估计在x=115时的截断误差.
解: 由插值余项公式知

Lagrange 插值

Lagrange 插值

今天的上机作业1. Lagrange 插值给出()ln f x x 的数值表用Lagrange 插值计算ln 0.54的近似值。

2.Newton 插值用Newton 插值计算x=0.41的近似值。

3.插值法的全部内容把chap_2试验.doc 的全部内容作一边,粘在这个文件里(包括图形)答:grange 插值function f=lagrange_5(x) x0=[0.4,0.5,0.6,0.7,0.8];y0=[-0.916291,-0.693147,-0.510826,-0.356675,-0.223144]; L1=0;m=length(x0);n=length(y0);if m~=n, error('向量x 与y 的长度必须一致');end for i=1:nL=ones(1,length(x)); for j=1:n if j~=iL=L.*(x-x0(j))/(x0(i)-x0(j)); end endL1=L1+L*y0(i); end L1lagrange_5(0.54) L1 =-0.616142715200002.Newton插值function f=newton_li5(x) %x0为入的节点值,y0相应节点的函数值x0=[0.25 0.30 0.39 0.45 0.53];y0=[0.5000 0.5477 0.6245 0.6708 0.7280];n=length(x0)%syms xfor i=1:nf(i,1)=y0(i);endhx=f(1,1);xx=(1.0);for k=2:nfor i=k:nf(i,k)=(f(i,k-1)-f(i-1,k-1))/(x0(i)-x0(i-k+1)); %构造差商表endxx=xx*(x-x0(k-1));hx=hx+f(k,k)*xx; %计算函数的近似值end%f=expand(hx)Hxnewton(0.41)n =5hx =0.64030542443064ans =0.50000000000000 0 0 0 00.54770000000000 0.95400000000000 0 0 00.62450000000000 0.85333333333333 -0.71904761904761 0 00.67080000000000 0.77166666666666 -0.54444444444446 0.87301587301575 00.72800000000000 0.71500000000000 -0.40476190476189 0.60731538992422 -0.948930296755483.插值法的全部内容把chap_2试验.doc的全部内容作一边,粘在这个文件里(包括图形)P28 例22点插值function f=lagrange_2(x)x0=[0.32,0.34];y0=[0.314567,0.333487];L1=0;m=length(x0);n=length(y0);if m~=n, error('向量x与y的长度必须一致');endfor i=1:nL=ones(1,length(x));for j=1:nif j~=iL=L.*(x-x0(j))/(x0(i)-x0(j));endendL1=L1+L*y0(i);endL1lagrange_2(0.3367)L1 =0.330365200000003点插值function f=lagrange_3(x)x0=[0.32,0.34,0.36];y0=[0.314567,0.333487,0.352274];L1=0;m=length(x0);n=length(y0);if m~=n, error('向量x与y的长度必须一致');endfor i=1:nL=ones(1,length(x));for j=1:nif j~=iL=L.*(x-x0(j))/(x0(i)-x0(j));endendL1=L1+L*y0(i);endL1lagrange_3(0.3367)L1 =0.33037436203750Lagrange插值法%eg1_lagr.mclear;clf;xx=linspace(-5,5,50); y=sin(xx); %作被插函数的图象disp('n x=4.5处的插值绝对误差的绝对值')x1=linspace(-5,5,3); y1=sin(x1); yy1=lagr1(x1,y1,xx); %2次插值chazhi_y45_2=lagr1(x1,y1,4.5);gd_wucha_limit_y45_2=abs(chazhi_y45_2-sin(4.5));disp(sprintf('%d %15.4f %15.4f',2,chazhi_y45_2,gd_wucha_limit_y45_2))x2=linspace(-5,5,5); y2=sin(x2); yy2=lagr1(x2,y2,xx); %4次插值chazhi_y45_4=lagr1(x2,y2,4.5);gd_wucha_limit_y45_4=abs(chazhi_y45_4-sin(4.5));disp(sprintf('%d %15.4f %15.4f',4,chazhi_y45_4,gd_wucha_limit_y45_4))x3=linspace(-5,5,9); y3=sin(x3); yy3=lagr1(x3,y3,xx); %8次插值chazhi_y45_8=lagr1(x3,y3,4.5);gd_wucha_limit_y45_8=abs(chazhi_y45_8-sin(4.5));disp(sprintf('%d %15.4f %15.4f',8,chazhi_y45_8,gd_wucha_limit_y45_8))plot(xx,y,'m-');hold on,pause,plot(x1,y1,'rs',xx,yy1,'r-'); hold on,pause,plot(x2,y2,'b*',xx,yy2,'b-'); hold on,pause,plot(x3,y3,'ko',xx,yy3,'k-'); hold on计算函数值function f=newton_li4(x) %x0为入的节点值,y0相应节点的函数值x0=[0.40,0.55,0.65,0.80,0.90,1.05];y0=[0.41075,0.57815,0.69675,0.88811,1.02652,1.25382];n=length(x0)%syms xfor i=1:nf(i,1)=y0(i);endhx=f(1,1);xx=(1.0);for k=2:nfor i=k:nf(i,k)=(f(i,k-1)-f(i-1,k-1))/(x0(i)-x0(i-k+1)); %构造差商表endxx=xx*(x-x0(k-1));hx=hx+f(k,k)*xx; %计算函数的近似值end%f=expand(hx)hxnewton(0.596)n =5hx =0.77193768707246ans =0.50000000000000 0 0 0 00.54770000000000 0.95400000000000 0 0 00.62450000000000 0.85333333333333 -0.71904761904761 0 00.67080000000000 0.77166666666666 -0.54444444444446 0.87301587301575 00.72800000000000 0.71500000000000 -0.40476190476189 0.60731538992422 -0.94893029675548Newton插值法%eg1_newton.mclear;clf;xx=linspace(-5,5,50); y=sin(xx); %作被插函数的图象disp('n x=4.5处的插值绝对误差的绝对值')x1=linspace(-5,5,3); y1=sin(x1); yy1=newton1(x1,y1,xx,2); %2次插值chazhi_y45_2=newton1(x1,y1,4.5,2);gd_wucha_limit_y45_2=abs(chazhi_y45_2-sin(4.5));disp(sprintf('%d %15.4f %15.4f',2,chazhi_y45_2,gd_wucha_limit_y45_2))x2=linspace(-5,5,5); y2=sin(x2); yy2=newton1(x2,y2,xx,4); %4次插值chazhi_y45_4=newton1(x2,y2,4.5,4);gd_wucha_limit_y45_4=abs(chazhi_y45_4-sin(4.5));disp(sprintf('%d %15.4f %15.4f',4,chazhi_y45_4,gd_wucha_limit_y45_4))x3=linspace(-5,5,9); y3=sin(x3); yy3=newton1(x3,y3,xx,8); %8次插值chazhi_y45_8=newton1(x3,y3,4.5,8);gd_wucha_limit_y45_8=abs(chazhi_y45_8-sin(4.5));disp(sprintf('%d %15.4f %15.4f',8,chazhi_y45_8,gd_wucha_limit_y45_8))plot(xx,y,'m-');hold on,pause,plot(x1,y1,'rs',xx,yy1,'r-'); hold on,pause,plot(x2,y2,'b*',xx,yy2,'b-'); hold on,pause,plot(x3,y3,'ko',xx,yy3,'k-'); hold on。

插值法与Lagrange插值课件 共28页PPT资料

插值法与Lagrange插值课件 共28页PPT资料

n ( x xi ) i0 ( x j xi )
j0,1,2, ,n -------(7)
i j
n+1次多项式
令n1(x)(x x 0 )x ( x 1 ) (x x n )
则n1(xj)
( x j x 0 ) x j ( x 1 ) ( x j x j 1 ) x j ( x j 1 ) ( x j x n )
上述方程组的系数行列式为n+1阶Vandermond行列式
1
x0
x
2 0

x0n
V 1
x1
x12
x1n
n1 n
xi x j

(xj xi ) 0
i0 jபைடு நூலகம்1
1
xn
xn2

x
n n
由Cramer法则,线性方程组(4)有唯一解
定理1. 若插值xi节 xj点 (ij),则满足插值条件 P n (x i) y i i 0 ,1 ,2 , ,n--------(3)
比 如 多 项 式 函 数 P (x )使
P (x i) y i i 0 ,1 ,2 , ,n------(1) 并且P用 (x)近似代 f(x替 ) 这就是插值问题, (1)式为插值条件,
称函P(数 x)为函f(数 x)的插值函数
如果 P(x)为多项式,函 则数 称之为插值多 称点 xi ,i0,1,2,,n为插值节点 称区间 [a,b]为插值区间
其中 xi ,i0,1,2, ,n为插值节
y if(x i) i 0 ,1 ,2 , ,n
如 果 a x 0 x 1 x 2 x n b 为 区 间 [a ,b ]上 的 一 组 节 点

拉格朗日(Lagrange)插值

拉格朗日(Lagrange)插值
x0
18
x1 x2 利用 x0 = π , x1 = π L1 ( x ) = x π / 4 × 1 + x π / 6 × 1 6 4 π / 6 π / 4 2 π / 4 π / 6 2 π sin 50 0 ≈ L1 ( 5 ) ≈ 0.77614 这里 f ( x) = sin x , f (2) (ξ x ) = sinξ x , ξ x ∈(π , π ) 内插通常优于外插。 ) 18 内插通常优于外插。2选择 6 3 ( f (ξ x ) 而 1要计算的3x 所在的区间的x π )( x π ) , R1 ( x) = ( < sinξ x < 2 2 2! 6 4 端点,插值效果较好。 端点,插值效果较好。 sin 50° = 0.7660444… 0.01319 < R1 ( 5π ) < 0.00762 18
+1)
( n + 1) ! Nhomakorabeax
Rn ( x) =
(n + 1) !
∏( x x )
i i =0
注:
M n +1 n 作为误差估计上限。 将 ( n + 1)! ∏ | x x i | 作为误差估计上限。 i =0
通常不能确定 ξx , 而是估计
f ( n + 1 ) ( x ) ≤ M n + 1, x∈(a,b) ∈
这样求Lagrange插值多项式计算量大,不便于实际应用。 Lagrange插值多项式计算量大 注: 这样求Lagrange插值多项式计算量大,不便于实际应用。 过两点直线。 一次多项式插值 --- 过两点直线。 过三点抛物线。 二次多项式插值 --- 过三点抛物线。 则插值多项式不唯一 不唯一。 若不将多项式次数限制为 n ,则插值多项式不唯一。

《Lagrange插值》课件

《Lagrange插值》课件

更高效的插值算法介绍
简要介绍一些比Lagrange插 值更高效、更精确的插值算 法,并对其特点进行分析。
总结与展望
总结Lagrange插值的优点和应用前景,探讨该方法的未来发展方向和可能的扩展领域。
参考文献
相关文献推荐
介绍与Lagrange插值相关的优秀文献,供进一步学习和研究之用。
研究领域的进展
分享Lagrange插值在相关研究领域中的最新进展和重要成果。
相关专家学者的成果分享
介绍在Lagrange插值领域取得杰出成就的专家学者及其成果。
《Lagrange插值》PPT课 件
本PPT课件介绍Lagrange插值的概述、数学表达式、实例分析、算法优劣比 较、总结与展望。将深入剖析LaHale Waihona Puke range插值的基本思想和应用前景。
概述
什么是Lagrange插值?为什么使用Lagrange插值?Lagrange插值的基本思想 是什么?这一部分将首先解答这些问题。
数学表达式
Lagrange插值公式的推导、值多项式的计算、以及Lagrange插值多项式的刻 画在这一部分将一一介绍。
实例分析
一元实例
通过一个一元Lagrange插 值实例来深入理解这种方 法的应用和原理。
多元实例
探索多元Lagrange插值的 实例,揭示其在实际问题 中的应用和效果。
应用案例分析
通过具体案例分析,揭示 Lagrange插值方法解决实 际问题的能力和局限性。
算法优劣比较
与牛顿插值的比较
对比Lagrange插值与牛顿插 值方法的优劣,以及它们在 不同情景下的适用性。
Lagrange插值算法的优 缺点
评估Lagrange插值方法的优 点与缺点,探讨其在不同场 景下的性能和限制。

拉格朗日(Lagrange)插值

拉格朗日(Lagrange)插值
n
( n 1) !
i0
( ( 1 0 (x Rolle’s f ( x ) Ln (若)至少个有 n+1根 ( x 0 ) Rnx)x )K ( x),则 xi ) R n ( x ) Theorem: x ( x ) 充分光滑, i 0 n 存在 ( x 0 , x 1 ) 使得 ( ) 0 。 任意固定 x xi (i = 0, 求导 考察 ( t ) Rn ( t ) K ( x ) ( t x i ) 注意这里是对 t …, n), 0 ( x 0 , x 1 ), 1 i ( 0 1 , x 2 ) x 推广:若 ( x 0 ) ( x 1 ) ( x 2 ) 0 (x)有 n+2 个不同的根x0) …0xn x ( , ( n) 1 ) ( x ) 0(, ) ( a , b ) x 0 使得 ( 0 ) ( 1 0 1 使得
于是 : L 2 ( x )
再利用 l 0 ( x 0 ) 1 C
1 ( x 0 x 1 )( x 0 x 2 )
( x x0 )( x x1 ) l2 ( x ) ( x2 x0 )( x2 x1 )
l ( x) y
i i0
2
i
l 0 ( x ) y 0 l1 ( x ) y1 l 2 ( x ) y 2
i0 n
[证明]上式的左端为插值基函数的线性组合,其组合 系数均为1。显然,函数f(x) 1在这n +1个节点取值 为1,即yi=f (xi) 1 (i=0,1,…,n), 它的n次Lagrange插值多项式为:
Ln ( x ) l i ( x ) y i l i ( x )

第4章 Lagrange插值

第4章 Lagrange插值
n
x xi i 0 x j xi
i j

l j (x j ) 1 l j ( xi ) 0 i j
显然 l j ( x ) 满足{
Lagrange插值函数Ln(x)
定理 4.2 在[a、b]上有
2 n
span 1, x, x , , x span l0 ( x), l1 ( x), l2 ( x), , ln ( x)
这只是一张函数表;有的函数虽然有解析表达式,但由于计 算复杂,使用不方便,通常也构造一个函数表。如三角函数表、 对数表、平方根表、立方根表等等。
引言
科学实验得到数据: i , yi ) (x yi f ( xi ) (i 0,1,2,..., n), 它反映客观存在的函数y f ( x)在这些点的情况: (i 0,1,..., n) (i 0,1,2,..., n)。 但f ( x)时未知的。因此就想寻找函数 ( x ) f ( x ) 且保持 ( xi ) f ( xi ) yi 的插值函数。 称xi为节点, ( x)为f ( x)关于节点xi (i 0,1,2,..., n)
o i 0 i j n
2o v v l j y j ; 4) 输出 : u, v。
4.3 误差估计
定理 4.3 设函数 f ( x) C n [a, b] , f ( n1) ( x) 在开区间 (a,b)内存在,则 Lagrange 插值多项式 Ln( x) 的余式有如下估 计式
第4章 函数逼近的插值法 与曲线拟和法
引言
许多实际问题都用函数y f (x)来表示某种内在规律的数量
关系,其中相当一部分函数是通过实验或观测得到的.虽然 f (x)
在某个区间[a,b]上是存在的,有的还是连续的,但却只能 给出[a,b]上一系列点 xi的函数值yi f ( xi )

Lagrange插值

Lagrange插值

二、插值余项 /* Remainder */
定理1 若 f (n1) ( x) 在[a , b]内存在, 则在[a , b]上
的n+1个互异的点,对 f(x)所作的n次Lagrange插
值多项式Ln (x) 有误差估计
Rn (x)
f (x) Ln (x)
f (n1) ( )
(n 1) !

cos x
3!
(x


6
)( x


4
)( x


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
关于Langrange插值的几点说明
(1) Ln (x) 仅与已知数据 (xi , yi ) (i 0,1,,n) 有关, 与 f (x) 的原来形式无关,但余式与 f (x)密切
L1
(
x)


x /
/ 6
4 /
4

1 2


x /
/ 4
6 /6

1 2

sin 500

5
L1( 18
)

0.77614
R1(x)
f
(2) (x )
2!
(x


6
)( x


4
),
1 2

sin x

3 2
0.01319

数学基础课里的lagrange插值公式

数学基础课里的lagrange插值公式

数学基础课里的lagrange插值公式lagrange插值公式:
1. Lagrange插值法是一种经典的插值方法,在数学和工程领域里都是一种常用的数值算法,也可以用来求解一元函数的极值点。

它实际上是对有n个数据点(比如:xi,yi)的函数f ( x) 进行拟合,形成n-1阶有理曲线,使得拟合曲线经过这些数据点。

2. Lagrange插值公式的可求性:在n个点的插值中,已知n个数据点(xi,yi),求使拟合曲线恰
好经过n个点的系数 ak 的问题。

3. Lagrange 插值公式:向量f (x) 和向量自变量x 可定义如下:f (x) = (f1 (x),f2 (x),…,fn-1 (x),fn (x));xi = (x1,x2,…,xn),那么有f (x) = Σ
j=1 n Lj(x).fj (*j = 1, 2,…, n*)
(其中Lj (x) 为Lagrangebasis 的基函数,可定义为:Lj (x) =Π(x/xj, i !=j))
4. Lagrange 插值公式的优点:
(1) Lagrange插值法简单易懂,实现简单;
(2) Lagrange插值法的拟合精度高;
(3) Lagrange插值法的拟合速度也是很快的,适用
性强。

5. Lagrange 插值公式的缺点:
(1) Lagrange插值法拟合数据点多时,计算量大;
(2) Lagrange插值法只适用于有n个数据点的插值,不能求解多元插值。

《拉格朗日插值》课件

《拉格朗日插值》课件

计算结果即为待插值点的 预测值。
根据需要,可以对插值结 果进行优化和调整,以提 高精度和适应性。
04
拉格朗日插值法的优缺点
Chaptபைடு நூலகம்r
优点
精确度高
拉格朗日插值法能够提供非常精 确的插值结果,尤其是在数据点 较多的情况下。
易于理解
拉格朗日插值法的原理相对简单 ,容易理解,方便教师和学生进 行教学和交流。
在数据点较少或数据变化较大的情况下, 拉格朗日插值法的插值结果可能会不稳定 ,甚至出现较大的误差。
对异常值敏感
对初值敏感
如果数据集中存在异常值,拉格朗日插值 法的插值结果可能会受到较大影响,导致 误差增大。
该方法对初值的选择较为敏感,如果初值 选择不当,可能会导致迭代不收敛或得到 不正确的插值结果。
VS
高精度计算
通过拉格朗日插值法,可以构造高精度的 数值积分公式,提高计算结果的精度。
在微分方程数值解中的应用
初值问题
在求解微分方程的初值问题时,可以使用拉格朗日插值法对解进行近似,得到数值解。
边值问题
在求解微分方程的边值问题时,可以利用拉格朗日插值法构造数值逼近方案,得到近似 解。
06
总结与展望
《拉格朗日插值》PPT课件
目录
• 引言 • 拉格朗日插值法的基本原理 • 拉格朗日插值法的实现步骤 • 拉格朗日插值法的优缺点 • 拉格朗日插值法的应用实例 • 总结与展望
01
引言
Chapter
拉格朗日插值法的背景
拉格朗日插值法是一种数学方法,用于通过已知的离散 数据点来构造一个多项式,该多项式可以用来估计未知 的数据点。 该方法由意大利数学家约瑟夫·拉格朗日于18世纪提出, 是数值分析中的重要工具之一。

《Lagrange插值》课件

《Lagrange插值》课件

( j k 1, k 1);
( j k 1, k).
Lagrange插值多项式的构造
例如 : 求lk1( x),
因它

两个零
点xk
及xk
,故可表
1


lk1 ( x) A( x xk )( x xk1 ), 其中A为待定系数,可由条件lk1( xk1 ) 1
定出
A
( xk1
xk
若在 a,b上用Ln( x)近似 f ( x),则其截断误差 R(n x) f(x)Ln x,
被称为插值多项式的余项 关于插值余项估计有以下定理。
Lagrange插值余项与误差估计
定理2 设f (n)( x)在a, b上连续,f (n1)( x)在(a, b)内存在,
Ln( x)是满足条件Ln( x j )
从而 (t) 在[a,b]区间上有n 2个零点,由罗尔定理知:
'(t) 在(a,b)内至少有n 1个零点
''(t) 在(a,b)内至少有n个零点
(n1)(t) 在(a, b)内至少有1个零点
记 该零点为 (a,b),则有 (n1) ( ) f (n1) ( ) (n 1)! K( x) 0
L1( xk ) yk , L1( xk1) yk1.
yk
xk
y f (x)
y L1 ( x)
yk1
xk1
Lagrange插值多项式的构造
L1( x)
yk
yk 1 xk 1
yk xk
(x
xk )
( 点斜式),
L1( x)
x xk1 xk xk1
yk
x xk xk1 xk
yk1

四面体框架上的Lagrange插值

四面体框架上的Lagrange插值

四面体框架上的Lagrange插值崔利宏;张丰利;铁旭【摘要】在以往研究二元函数Lagrange插值的基础上,对四面体框架上的三元Lagrange插值结点组可解性问题进行了研究.给出了构造四面体框架上三元Lagrange插值可解结点组的迭加构造方法以及利用可解结点构造三元多项式空间上的插值多项式的方法,搞清了四面体框架上的Lagrange插值可解结点组的某些基本理论和拓扑结构.所得构造方法都是以迭加方式来实现的,这对于编译计算机算法程序,进而在计算机上自动完成插值可解结点组的构造并得到插值格式创造了十分便利的条件.最后给出了实例验证算法的有效性.【期刊名称】《辽宁师范大学学报(自然科学版)》【年(卷),期】2016(039)001【总页数】6页(P1-6)【关键词】四面体框架;多元Lagrange插值;空间平面插值;空间直线插值;可解结点组【作者】崔利宏;张丰利;铁旭【作者单位】辽宁师范大学数学学院,辽宁大连116029;辽宁师范大学数学学院,辽宁大连116029;辽宁师范大学数学学院,辽宁大连116029【正文语种】中文【中图分类】O174.41函数插值是计算数学以及计算机辅助设计几何设计的重要工具,当前,随着电子计算机技术的不断进步,函数插值尤其是多元函数插值的理论以及应用研究得到迅速的发展和广泛的应用.例如:多元函数插值在CT成像技术,计算机图像处理等研究领域有着十分重要的作用,同时在曲面外形设计,多元函数列表和有限元法等领域的应用就更加广泛[1].1953年,I.Schoenberg等人得到了判断一元样条函数插值结点组是否为可解结点组的准则,即著名的Schoenberg-Whitney定理.有了完整的函数插值与逼近理论之后,函数插值与逼近无论在理论研究还是在应用问题讨论方面都更加方便.此后,关于函数插值的理论以及应用的研究不断取得进展.特别是随着计算机技术的飞速发展,人们进一步认识到多项式函数(包括样条函数)所具有的计算方便性以及局部可调的灵活性,易存储性等诸多性质的重要意义,并把它应用到与科学计算相关的许多领域,比如数值逼近,微分方程数值解,计算辅助几何设计,小波及有限元等[2-4].同时,多元函数插值和逼近理论在各个方面的推广也成为数学工作者密切关注并深入研究的重要课题.在以往有关多元函数插值基本理论和方法基础上,对四面体框架上的三元函数Lagrange插值结点组的可解性问题进行了研究和探讨.因为在进行三元函数Lagrange插值时,一个首先必须解决的问题就是插值函数的唯一存在性问题,而这一问题的决定因素就是插值结点组的几何拓扑结构.首先给出三元Lagrange插值问题提法和定义.设n为非负整数并且代表所有全次数不超过n的三元实系数多项式空间,即定义1.1[6]设是中的dn个相异点.对于一个任意给定的实数组,寻找一个多项式使之满足如下插值条件如果对于每一个任意给定的实数组,方程组(1)总存在唯一一组解,则称该插值问题是关于多项式空间的唯一可解插值问题,并称相应的插值结点组为关于多项式空间的插值唯一可解结点组.定理1.1[7]中的dn个相异点能够做成中的一个n次插值唯一可解结点组的充要条件是不落在中任何一个n次代数曲面上.由定理1.1知,在瓗3中关于多项式空间进行插值时,插值结点组一定不能位于同一个代数曲面上,否则将会导致插值问题不适定.但在实际问题中,如调和分析,曲面上的散乱数据插值与拟合等,常常需要考虑插值结点位于同一代数曲面上(更广泛地讲,乃至同一代数流形上)的情况.本文只涉及空间平面上的情形.定义1.2 设q(X)=0为一个空间平面.定义dn'如下:寻找一个多项式g()设为q(X)=0上的dn'个相异点,对于一个任意给定的实数组X∈Ρ()为空间平面q(X)=0上的n次插值可解结点组.空间平面上的插值可解结点组的拓扑结构与空间直线上的插值可解结点组密切相关.下面给出空间直线上Lagrange插值概念.定义1.3 设空间两平面p(X)=0与q(X)=0相交于空间直线C=s(p,)3如果对于每一个任意给定的实数组n,使之满足如下插值条件,方程组(3)总存在一组解,则称结点组q.定义en(空间直线上的en个相异点所构成的点组,对于一个任意给定的实数组上的n次插值多项式空间维数)如下设为空间直线,寻找一个多项式上的n次插值可解结点组.主要结果如下:定理1.2(构造三元多项式空间插值唯一可解结点组的四面体迭代法).在三维空间上做4个平面πi(i=1,2,3,4)使其交成一个四面体,如图1.在四面体的6个边上分别取异于顶点的n-1个互异点,再在每个平面πi(i=1,2,3,4)上(但不在6条边上)取沿该平面的n-3次插值可解结点组记为Αi,则有:(i)Αi加上平面πi所在3条边中任意1条边上的n-1个互异点一起必定构成沿平面πi的n-2次插值可解结点组;(ii)Αi加上平面πi所在3条边中任意2条边上的n-1个互异点再加上所在三角形任意2个顶点,,使之满足如下插值条件为空间直线如果对于每一个任意给定的实数组,方程组(4)总存在一组解,则称结点组则这些点必定构成沿平面πi的n-1次插值可解结点组;(iii)Αi加上平面πi所在3条边上全部n-1个互异点再加上所在三角形的3个顶点,则这些点必定构成沿平面πi的n次插值可解结点组.如果用μi表示平面πi上所取的沿该平面的n-3次插值可解结点组加上其所在三角形3个边上所取的n-1个点以及三角形的3个顶点共同组成的点集,则有:定理1.3若表示在四面体之外关于的一个n-4次插值唯一可解结点组,则必定构成的插值唯一可解结点组,而点组也都是的插值唯一可解结点组.能够做成q(X)=0的n次插值可解结点组的充要条件是,对于任何一个满足零插值条件:g(Qi)=0,i=1,…,dn'的多项式引理1[8]设dn'为式(2)所定义,则位于空间平面q(X)=0上的点组,均存在如下分解:g(X)=q(X)r(X).其中,当n≥k时,而当n<k时,r(X)=0.引理2[9]设en为式(4)所定义,空间两平面p(X)=0与q(X)=0相交于空间直线C=s(p,) q.则位于的n次插值可解结点组的充要条件是,对任何满足零插值条件g(Qi)=0,i=1,…,en的多项式,均存在如下形式的分解:上的点组能够做成引理3[5]设的一个插值适定结点组,做一个k次无重复分量代收曲面q(X) =0,使其不通过Α中任何点.任取沿曲面q(X)=0上的一个n+k次插值适定节点组B,则Α∪Β必定构成空间的插值适定结点组.引理4[5]假设k次代数曲面q(X)=0与平面h(X)=0相交于一个平面代数曲线C=s(q, h)(这里s(q,h)表示多项式q(X)与h(X)的公共零点集).如果为沿曲面q(X)=0的一个n次插值适定结点组,Α不位于曲线C=s(q,h)上.在曲线C=s(q,h)上任取一个沿该曲线的n +1次插值适定结点组,则Α∪Β必定构成沿曲面q(X)=0的一个n+1次插值适定结点组,即是沿平面π1的n-3次插值适定结点组.对于且.因为Α构成沿交线上的n- 2次插值适定结点组,且,则由引理2可知又因为,则所以有由于Α1是沿平面π1的n-3次插值适定结点组,β为n-3次多项式,则由引理1知,将式(6)代入式(5)有定理1.2证完.定理1.3的证明由于是的插值可解结点组,而Αi为平面πi上的n-3次插值可解结则Α构成沿交线上的n-2次插值适定结点组.设定理1.2的证明先证(i)其余类似.不妨取i=1,在AD边上取n-1个点为点组,由引理3知必定构成的插值唯一可解结点组,接下来使用定理1.2中(i)的方法,可以得到平面上的一个n-2次插值可解结点组记为Αj,则有必定构成的插值唯一可解结点组,重复上述过程,并继续使用定理1.2中(ii),(iii)中方法有必定构成的插值唯一可解结点组,而且容易验证所含点恰好与所含点相同,均为个点等于的维数.定理1.3证完.注记1.1 由定理1.1和定理1.2有:设f(x,y,z)为被插值函数分别是函数f(x,y, z)在中关于结点组βi(i=1,2,3,4)的插值多项式.其中,(xi,yi,zi)(i=1,2,3,4)为平面li(i=1,2,3,4)所对应的四面体的顶点坐标,则是f(x,y,z)在中关于结点组的插值多项式.并且有如下构造算法:设四面体ABCD4个面ABC,BCD,ABD和ACD的方程分别为:用4簇平行平面:将四面体作等距剖分,用Qijk表示ai(x,y,z)=0,bj(x,y,z)=0与ck(x,y,z)=0的交点,则瓘n={Qijk|k=0,1,…,n-i-j;j=0,1,…,n-i;i=0,1,…,n}构成Ρn的插值唯一可解结点组.令:则对应点Qijk的Lagrange插值基本多项式为:从而得到上面的Lagrange插值公式如下:下面给出定理的算例.例求函数f(x,y,z)=ex+y+z在如图2所示四面体上的插值多项式.解图2四面体各顶点坐标为:函数f(x,y,z)=ex+y+z在以上各点的函数值分别为:令则构成空间的插值唯一可解结点组.构成的插值唯一可解结点组.使用Matlab计算求得:且,分别带入得插值多项式:用Matlab做出被插值函数f(x,y,z)和所求多项式Ρ2(x,y,z)在z=1平面上的投影为图3所示.经Matlab计算求得,而,插值误差小于0.3.【相关文献】[1]MARIANO Gasca,THOMASSauer.On the history ofmultivariate polynomial interpolation[J].Journal of Computional and Applied Mathematics,2000,122:23-35.[2]AHLIN A C.A bivariate generalization of Hermites interpolation formula [J].Math Compute,1964,18:264-273.[3]周蕴时,苏志勋,奚涌江,等.CAGD中的曲线和曲面[M].长春:吉林大学出版社,1993:21-151.[4]CHUNG K C,YAO T H.On lattices admitting unique Lagrange interpolation [J].SIAM JNumer Anal,1977,14:735-741.[5]梁学章,李强.多元逼近[M].北京:国防工业出版社,2005:21-37.[6]LIANG X Z.Lagrange representation ofmultivariate interpolation[J].Science inChina,1989,32(4):385-396.[7]崔利宏,李笑笑,高小凇,等.二元四次切触插值格式的构造方法[J].辽宁师范大学学报(自然科学版),2014,37(2):145-148.[8]WARRE J.Blending algebraic surfaces[J].ACM Transaction on Graphics,1989,8(4):263-278.[9]梁学章,朱功勤.构造二元切触插值公式的方法[J].数学研究与评论,1981(1):91-100.[10]梁学章,二元插值的适定结点组与迭加插值法[J].吉林大学学报(自然科学版),1979(1):27-32[11]徐利治,王仁宏,周蕴时.边界型求积公式的构造方法及应用[J],计算数学,1978(3):54-76.。

  1. 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. 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. 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)。
Abstract
On the basis of Lagrange interpolation on triangular mesh, this paper further studies Lagrange interpolation on tetrahedral mesh, gives the suitably fixed node group theorem in space composed of ternary polynomial, constructs the Lagrange interpolation formula on tetrahedral mesh, and verifies the given formula.
OAC,ABC,且四面体的方程分别为:
α0 ( x, y, z ) = A1x + B1 y + C1z + D1 = 0 , β0 ( x, y, z ) = A2 x + B2 y + C2 z + D2 = 0 ,
γ 0 ( x, y, z ) = A3x + B3 y + C3z + D3 = 0 ,
摘要
本文在三角形网点上的Lagrange插值的基础上,进一步的研究了四面体网格上的Lagrange插值,给出了 三元多项式构成的空间中的适定结点组定理,构造出了四面体网格上的Lagrange插值公式,并对所给公 式进行了验证。
关键词
四面体,多元Lagrange插值,适定结点组
文章引用: 姜文芳, 牟朝会, 崔利宏. 四面体网格上的 Lagrange 插值[J]. 应用数学进展, 2018, 7(12): 1486-1489. DOI: 10.12677/aam.2018.712172
多项式。 解:
Q000 (0, 0, 0) Q001 (0,1, 0) Q002 (0, 2, 0) Q010 (1, 0, 0) Q011 (1,1, 0) Q020 (2, 0, 0) 10 (1, 0,1) Q200 (0, 0, 2)
Copyright © 2018 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
和 k 的三元实系数多项式。
定理
2:若
{ } Qi
k i =1

R3
上关于插值空间℘m,n,l
的适定结点组。若它的每个点都不在水平面
x
+
y
=a 上,
则在该水平面上任取
n
+
1
个互不相同的点与
{Qi
}k i =1
一起必定构成℘m+1,n,l
的适定结点组。同样
α0 ( x, y, z) =
A1x + B1 y + C1z + D1 =
经验证: P ( x, y, z) = f ( x, y, z)
例 2:利用四面体网格上的 Lagrange 插值公式,构造如下多项式:四面体 O-ABC 为 OAB,OAC,
OBC 三个面分别是直角三角形的四面体,被插值函数为 f ( x, y, z ) = x2 + y2 + z2 +1 ,构造出三元二次插值
f1= ( x, y, z) q ( x, y, z) ⋅ r1 ( x, y, z) , f2= ( x, y, z) q ( x, y, z) ⋅ r2 ( x, y, z) ,
f3= ( x, y, z) q ( x, y, z) ⋅ r3 ( x, y, z) ,式中, r1 ( x, y, z) , r2 ( x, y, z) 和 r3 ( x, y, z) 分别是次数不小于 m,n
L000 ( x, y, z ) =−x − y − z +1 L001 ( x, y, z ) = y L010 ( x, y, z ) = x L100 ( x, y, z ) = z f (Q000 ) = 1 f (Q001 ) = 4 f (Q010 ) = 3 f (Q100 ) = 2
将该四面体作等距剖分。我们用 Qijk 表 αi ( x, y, z ) = 0 示, β j ( x, y, z) = 0 与 γ k ( x, y, z ) = 0 的交点则有
{ } = ℑn Q= ijk | i 0,1, = , n, j 0,1, 2, , n −= i, k 0,1, , n − i − j 构成℘n 的适定结点组。
Open Access
姜文芳 等
1. 引言
多元函数插值是一元函数插值理论的进一步发展,是在插值工具和被插值对象的多元推广,多元函数 插值是计算数学研究领域的一个重要方面。(见文献[1])近年来,人们发现二元插值(见文献[2])已经远远不 能满足科学发展的需要。在解决某些科学计算问题时,常常涉及到多元函数插值问题。(见文献[3])经过很 多学者在多元插值和逼近的研究,(见文献[4] [5] [6] [7] [8])我发现在许多实际问题中,常常会遇到与四面体 网格有关的插值,而怎样将四面体网格划分和插值就成了难题。本文就将介绍如何在四面体上进行网格划 分,如何选取适定结点组和如何在四面体上进行 Lagrange 插值进行研究,并给出了相应的研究成果。四面 体是生活中最常见的立体图形之一,在很多机械模型中都会出现。例如:对机械零件进行四面体网格划分 确定精度,对不规则的零部件进行四面体网格划分和插值计算,所得结果比其他算法更精准。
A0 ≡ 1 A=1 α=0 z A2 =α1 ⋅α0 = z2 − z B0 ≡ 1 B=1 β=0 x B2 = β1 ⋅ β0 = x2 − x C0 ≡ 1 C=1 γ=0 y C2 = γ1 ⋅γ 0 = y2 − y
DOI: 10.12677/aam.2018.712172
1488
应用数学进展
i, j,k =1
Lagrange 基本多项式。
定理 1:若 m 次代数曲面 f1 ( x, y, z) ,n 次代数曲面 f2 ( x, y, z) 和 k 次代数曲面 f3 ( x, y, z) 交点个数多 于 mnk ,则一定有次数不超过 m 也不超过 n 和 k 的非零多项式 q ( x, y, z) 存在,使得

i −1
j −1
= Ai ( x, y, z) ∏αl ( x, y, z), A0 (= x, y, z) ≡ 1, Bj ( x, y, z) ∏ βl ( x, y, z), B0 ( x, y, z) ≡ 1 ,
l=0
l=0
k −1
h −1
= Ck ( x, y, z) ∏γ l ( x, y, z),C0 ( x= , y, z) ≡ 1 , Dh ( x, y, z) ∏τl ( x, y, z), D0 ( x, y, z) ≡ 1
D Q n−i− j −k ijk
( ) 从而得到 ℑn 上的 Lagrange 插值公式如下: P ( x, y, z ) = ∑ f Qijk Lijk ( x, y, z ) 。
0≤i+ j+k≤n
例 1:利用四面体网格上的 Lagrange 插值公式,构造如下多项式:四面体 O-ABC 为 OAB,OAC,OBC
0
地,若
{ } Q k i i=1
的每个点都不在
x
+
z
=b (
y
+
z
=c )上,则在该平面上任
{ } 取 m +1( l +1 )个互不相同的点与
Qi
k i =1
一起必定构成℘m,n+1,l
(℘m,n,l +1
)的适定结点组。
特殊的 Lagrange 插值:四面体网格上的 Lagrange 插值,设四面体 O-ABC 的四面体分别为 OAB,OBC,
Lj
( x,
y,
z) ∈℘ ,
j
= 1, 2,
,l
( ) Lk ( x, y, z ) ∈℘ , k = 1, 2, ,l 使得满足 Lijk (Qi ) = ∂ijk ,i = j = k = 1, 2, ,l ,则对 f ( x, y, z ) ∈ D R3 可求得它
( ) l
的插值多项式如下: p ( x, y, z ) = ∑ f Qijk Lijk ( x, y, z ) ,这种方法称为 Lagrange 方法, Lijk ( x, y, z ) 称为
三个面分别是直角三角形的四面体,被插值函数为 f ( x, y, z) = 2x + 3y + z +1 构造出三元一次插值多项式。
解:
Q000 (0, 0, 0) Q001 (0,1, 0) Q010 (1, 0, 0) Q100 (0, 0,1)
A0 ≡ 1 A=1 α=0 z B0 ≡ 1 B=1 β=0 x C0 ≡ 1 C=1 γ=0 y D0 ≡ 1 D1 = τ 0 = x + y + z −1
2. 基本定义和基本定理
本文主要研究在四面体网格上进行多元 Lagrange 插值的问题.
首先引入若干基本概念:
基本引理:
{Qi
}l i
=1
是℘
的适定结点组的充分必要条件是
{Qi
}l i
=1
不落在℘
中的任何一个曲面上。
{ } Lagrange 方法:设
Qijk
l i, j,k =1
是多项式空间℘ 的适定结点组。设法求得
λ0 ( x, y, z ) = A4 x + B4 y + C4 z + D4 = 0 ,
相关文档
最新文档