数值分析第六章 插值法
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 插值法
图形见图2-3. 称 lk ( x) 及 lk 1 ( x) 为线性插值基函数，
11
图2-3
12
பைடு நூலகம் 2.
n次插值多项式
根据插值的定义 Ln ( x) 应满足
Ln ( x j ) y j ( j 0,1, , n).
为构造 Ln ( x)， 先定义 n 次插值基函数.
13
定义1 若 n 次多项式 L j ( x ) ( j 0,1, , n) 在 n 1 个节点
L1 ( xk 1 ) yk 1.
8
其几何意义就是通过两点( xk , yk ), ( xk 1 , yk 1 ) 的直线. 如图2-2.
图2-2
9
由 L1 ( x) 的几何意义可得到表达式
L1 ( x ) y k y k 1 y k ( x xk ) xk 1 xk
5
因为线性方程组的系数行列式
1 1 . . 1 xn ...
n xn
x0 x1
... ...
n x0 n x1
0
所以线性方程组 的解存在且唯一。
6
定理1
在次数不超过 n 的多项式集合 H n 中，满足条
件的
插值多项式 L ( x) H是存在唯一的. n n
7
2.3
1. 线性插值
拉格朗日插值
y
k 0
n
k
l k ( x ).
Ln ( x j ) yk lk ( x j ) y j
( j 0,1, , n).
称为拉格郎日（Lagrange)插值多项式 而线性插值与抛物线插值是 n=1 和 n=2 的特殊情形
若引入记号
数值分析实验报告--实验2--插值法
1 / 21数值分析实验二：插值法1 多项式插值的震荡现象1.1 问题描述考虑一个固定的区间上用插值逼近一个函数。
显然拉格朗日插值中使用的节点越多，插值多项式的次数就越高。
我们自然关心插值多项式的次数增加时， 是否也更加靠近被逼近的函数。
龙格（Runge ）给出一个例子是极著名并富有启发性的。
设区间[-1,1]上函数21()125f x x=+ (1)考虑区间[-1,1]的一个等距划分，分点为n i nix i ,,2,1,0,21 =+-= 则拉格朗日插值多项式为201()()125nn ii iL x l x x ==+∑(2)其中的(),0,1,2,,i l x i n =是n 次拉格朗日插值基函数。
实验要求：(1) 选择不断增大的分点数目n=2, 3 …. ，画出原函数f(x)及插值多项式函数()n L x 在[-1，1]上的图像，比较并分析实验结果。
(2) 选择其他的函数，例如定义在区间[-5，5]上的函数x x g xxx h arctan )(,1)(4=+=重复上述的实验看其结果如何。
(3) 区间[a,b]上切比雪夫点的定义为 (21)cos ,1,2,,1222(1)k b a b ak x k n n π⎛⎫+--=+=+ ⎪+⎝⎭(3)以121,,n x x x +为插值节点构造上述各函数的拉格朗日插值多项式，比较其结果,试分析2 / 21原因。
1.2 算法设计使用Matlab 函数进行实验, 在理解了插值法的基础上，根据拉格朗日插值多项式编写Matlab 脚本，其中把拉格朗日插值部分单独编写为f_lagrange.m 函数，方便调用。
1.3 实验结果1.3.1 f(x)在[-1,1]上的拉格朗日插值函数依次取n=2、3、4、5、6、7、10、15、20，画出原函数和拉格朗日插值函数的图像，如图1所示。
Matlab 脚本文件为Experiment2_1_1fx.m 。
可以看出，当n 较小时，拉格朗日多项式插值的函数图像随着次数n 的增加而更加接近于f(x)，即插值效果越来越好。
数值分析第六章_数值插值方法
M n1 (n 1)!
n1 ( x)
说明：
n=1时，
R1 ( x)
1 2
f
( )2 (x)
1 2
f
( )(x
x0 )(x
x1)
n=2时，
( [x0 , x1])
R2 (x)
1 6
f
( )(x
x0 )(x
x1)(x
x2 )
( [x0 , x2 ])
,
x1,
Hale Waihona Puke xn)1
x1
x12
x1n
n
( xi
ni j1
xj)
1 xn xn2 xnn
因 xi x j (i j) 故上式不为0。
据Cramer法则，方程组解存在且唯一。 故Pn (x)存在且唯一。虽然直接求解上述方程组 可求得插值多项式，但繁琐复杂，一般不用。
得关于a0,a1,…,an的n+1阶线性方程组
a0 a1x0 a0 a1x1
an x0n an x1n
y0 y1
a0 a1xn an xnn yn
其系数行列式是Vandermonde行列式
1 x0 x02 x0n
V
( x0
jk jk
(j,k=0,1)
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
第六章 插值法
的近似值． 7 的近似值．
解 插值条件为 y (4) = 2, y (9) = 3, y (16) = 4
(7 − 9)(7 −16) (7 − 4)(7 −16) (7 − 4)(7 − 9) 7 ≈ y2 (7) = ×2+ ×3 + ×4 (4 − 9)(4 −16) (9 − 4)(9 −16) (16 − 4)(16 − 9) 3 81 2 = + − = 2.6285714 5 35 7
定义6.1 设f(x)在[a,b]上有定义 相异的点 i, i=0,1,2,…,n, 都在 上有定义,相异的点 都在[a,b] 定义 在 上有定义 相异的点x 上，不妨设
a ≤ x0 < x1 < L< xn ≤ b
又设f(x 为 在这些点上的准确值， 又设 i)为f(x)在这些点上的准确值，若存在一个多项式 在这些点上的准确值 若存在一个多项式y(x)，使 ，
第六章 插值法
插值法在数值分析这门课程中是最基础，且应用最广泛的知识． 插值法在数值分析这门课程中是最基础，且应用最广泛的知识． 在工程应用中对于函数 y =f (x)常常不能得到一个具体的解析表达 常常不能得到一个具体的解析表达 它可能是通过实验、 式，它可能是通过实验、测量或者中间计算而得到的一组数据 (xi,f(xi)) i=0,1,2,…,n，或者虽然有函数 =f (x)的解析表达式，但其 的解析表达式， ，或者虽然有函数y 的解析表达式 关系式相当复杂，不便于计算和使用． 关系式相当复杂，不便于计算和使用．因此我们需要用一个比较 简单的函数 y = y(x) 来近似代替数据, ,或近似代替函数 =f (x) ,使 来近似代替数据 或近似代替函数y 使 或近似代替函数
y2(xi ) = f (xi )
数值分析中的插值算法及其应用
数值分析中的插值算法及其应用数值分析是研究解决数学问题的数值方法的一门学科。
其中，插值算法是数值分析中重要的方法之一。
插值是指在给定一些数据点的情况下，用一些方法建立一个函数，该函数可以在给定区间内的任何一点上计算出函数值。
插值方法有很多种，其中比较常用的有拉格朗日插值法、牛顿插值法和埃尔米特插值法。
1. 拉格朗日插值法拉格朗日插值法是一种将一个多项式函数p(x)与一系列已知数据点相联系的方法。
假设给定n个数据点(x1, y1), (x2, y2), ..., (xn, yn)，其中x1 < x2 < ... < xn，那么可以构造一个次数小于等于n-1的多项式函数p(x)满足p(xi) = yi，i=1,2,...,n。
设p(x)的表达式为：p(x) = Σyi li(x)其中，li(x)为拉格朗日基函数。
每个基函数都满足：li(xi) = 1, li(xj) = 0, j≠i基函数的表达式为：li(x) = Π[j≠i] (x - xj) / (xi - xj)利用拉格朗日插值法，可以在给定数据点的情况下，快速计算函数在其他点上的值。
2. 牛顿插值法牛顿插值法是一种利用差商的方法建立插值多项式的方法。
相比于拉格朗日插值法，牛顿插值法更注重于递推计算。
给定n个数据点(x1, y1), (x2, y2), ..., (xn, yn)，牛顿插值法可以建立一个关于x的n次多项式。
首先，定义一个差商：f[xi] = yif[xi, xi+1, ..., xj] = (f[xi+1, ..., xj] - f[xi, ..., xj-1]) / (xj - xi)差商f[xi, xi+1, ..., xj]是由区间(xi, xj)内的函数值f(xi), f(xi+1), ..., f(xj)所计算得到的。
定义一个新的多项式qk(x)，其中：qk(x) = f[x0, x1, ..., xk] + (x - xk) qk-1(x)其中q0(x) = f[x0]。
第六章数值分析——插值法
0, 所以(6.3)成立
当xxi时，作辅助函数
(t ) Rn (t )
Rn ( x )
n 1 ( x )
n 1 (t )
显然(t)在[a,b]上n+1阶可导,且
数学与统计学院
(x)= (xi) =0 i=0,1,2,…n.即(x)有n+2个零点.根据Roll定理, 在每两个零点之间至少有一个 ’(t)的零点.即’(t)至少有 n+1个零点.类似地反复利用Roll定理,得: ’’(t)至少有n个零 点…. (n+1)(t)至少有1个零点.即至少存在一点 (a, b) 使
……
n 阶差商
f [x0, x1 , x2] …… …… f [xn2, xn1, xn] f [xn1, xn, xn+1]
f [x0, …, xn] f [x1, …, xn+1] f [x0, …, xn+1]
由差商定义可知：高阶差商是两个低一阶差商的差商。
数学与统计学院
6.2.2 牛顿插值公式
f ( n1) ( ) n1 ( x). 进而 Rn ( x) (n 1)!
数学与统计学院 注意: 由于是未知的,f(x)是未知的或是复杂的,所以,公式(6.5) 不能直接使用.但是若有
f ( n 1) ( x) M , x [a, b]
则有
M Rn ( x) ( x x0 )( x x1 ) ( x xn ) , x [a, b] (n 1)!
数学与统计学院
6.1.2
插值多项式的余项
定义6.1 在插值区间[a,b]上 Rn(x)=f(x)-Pn(x) 称Rn(x)为插值多项式的余项或差值误差. 记 n+1(x)=(x-x0)(x-x1)…(x-xn) 则有下面插值余项的估计定理. 定理6.2 设f(x)在[a,b]上有n+1阶导数,则
数值分析 插值法
1 1 1
x0 x1 xn
2 x0 2 x1
n x0 n x1
0 i j n
2 xn n xn
( x j xi ) 0
, an .
由克莱默法则知，方程组有唯一解 a0 , a1 ,
§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。
f (x)
(x0 ,y0)
(x1 ,y1)
P1(x)
x0
x1
可见 P1(x) 是过 ( x0 , y0 ) 和 ( x1, y1 ) 两点的直线。
§2 Lagrange Polynomial
y1 y0 直线方程为: y y0 x x ( x x0 ) 1 0
记 P 1 ( x) L 1 ( x) ，上式等价变形为:
化简得到
L2 ( x ) l0 ( x ) y0 l1 ( x ) y1 l2 ( x ) y2 l i ( x ) yi .
i 3
成立:
l 0 ( x0 ) 1 l ( x ) 0 0 1 l 0 ( x 2 ) 0
l1 ( x 0 ) 0 l ( x ) 1 1 1 l1 ( x 2 ) 0
l 2 ( x0 ) 0 l ( x ) 0 2 1 l 2 ( x 2 ) 1
将以上思路推广到n+1个节点情形，即可得到类似的 插值基函数和插值多项式表示形式。
§2 Lagrange Polynomial
2-3 Lagrange插值多项式
数值分析中的(插值法)
插值法可以与其他数值分析方法结合使用，以获得更准确和可靠的估计结果。例如，可以 考虑将插值法与回归分析、时间序列分析等方法结合，以提高数据分析的效率和精度。
THANKS
感谢观看
多项式的阶数
根据数据点的数量和分布情况，选择适当的多项式阶数，以确保多 项式能够更好地逼近真实数据。
计算多项式的系数
通过已知的数据点和多项式阶数，计算出多项式的系数，从而得到 完整的插值多项式。
计算插值多项式的导数
导数的计算
在某些应用中，需要计算插值多项式的导数，例如在 曲线拟合、数值微分等场景中。
总结词
牛顿插值法是一种基于差商的插值方法，通过构造差商表来逼近未知点的数值。
详细描述
牛顿插值法的基本思想是通过构造差商表来逼近未知点的数值，差商表中的每一 项都是根据前一项和后一项的差来计算的。该方法在数值分析中广泛应用于数据 拟合、函数逼近等领域。
样条插值法
总结词
样条插值法是一种通过已知的离散数据点来构造一个样条函 数，用于估计未知点的数值的方法。
常见的插值法
拉格朗日插值法
总结词
拉格朗日插值法是一种通过已知的离散数据点来构造一个多项式，用于估计未 知点的数值的方法。
详细描述
拉格朗日插值法的基本思想是通过构造一个多项式来逼近已知数据点，使得该 多项式在每个数据点的取值与实际值相等。该方法在数值分析中广泛应用于数 据拟合、函数逼近等领域。
牛顿插值法
增加采样点的数量可以减小离散化误差，提高插值结果的稳定
性。
选择合适的插值方法
02
根据具体情况选择适合的插值方法，如多项式插值、样条插值
等，以获得更好的逼近效果和稳定性。
引入阻尼项
数值分析之插值型数值积分
x1=b x
25
数值分析
梯形公式的余项和精度
梯形公式的余项为
R1
=
(b
− a)3 2
1 f ''( )t(t −1)dt, = (a + th) (a,b)
0
由第二积分中值定理得到 R1
= − (b − a)3 12
f
''(), (a,b)
注意到，此时的余项与代数精度保持一致。
26
数值分析
a j=0 xk − x j
n n t− j
(
h)dt
0 j=0 k − j
jk
jk
n
= h(
1
)
n
[
n
(t − j)]dt =
(−1)n−k h
nn
[ (t − j)]dt
j=0 k − j 0 j=0
k !(n − k )! 0 j=0
jk
jk
jk
= (b − a)ck(n) k = 0,1, , n
出定积分的近似值，即
b
b
a f ( x)dx a ( x)dx
6
数值分析
求积公式与代数精度
7
数值分析
6.1 求积公式及代数精度
数值求积公式的一般形式为
b
f (x)dx
a
n
k f (xk )
k =0
式 中 的 xk ( k= 0 , 1 , n称, 为) 求 积 节 点 并 且 有
a x0 x1 xn b，k (k = 0,1, , n) 称为求积系数，
28350 28350 28350 28350 28350 28350 28350 28350 28350
数值分析-插值法的讲解
称P(x)为f(x)的插值函数，x为插值节 点，[a,b]为插值区间，求插值函数P(x)的 方法为插值法。
若P(x)=a0+a1x+▪▪▪+anxn，称 P(x)为插值多项式。 若P(x)为分段多项式，就称 之为分段插值。
若P(x)为三角多项式，就 称之为三角插值。
枪管膛线－－－－→
1.插值多项式的存在唯一性 P(x)=a0+a1x+▪▪▪+anxn, P(x) ∈Hn a0+a1x0+…+anx0n=y0 a0+a1x1+…+anx1n=y1
. . .
a0+a1xn+…+anxnn=yn
1 x x ... x Vn(x0,x1,…,xn)= 1 x x ... x ... 1 x x ... x
k 1 k 1 k 1 k 1
y
( x xk 1)( x xk 1)
k
( xk xk 1)( xk xk 1)
T H A N K Y O U !
( x xk 1)( x xk ) ( xk 1 xk 1)( xk 1 xk )
k k k 1
l
l
2
k
k 1
( x xk )( x xk 1) ( x x )( x x ) y ( )( ) L ( x) yk 1 x x x x ( xk 1 xk )( xk 1 xk 1)
k 1
x
x xk
k 1
k ห้องสมุดไป่ตู้1
k
xk
L1(x)=
x x y x x y x x x x
数值分析模型§插值法
由实验或测量得到的某一函数在一系列点处的值要构造一个简单函数作为函数的近似表达式：，使得(6-1> 插值问题。
称为被插值函数，称为插值函数，称为插值条件取次多项式作为插值函数其系数行列式为的解存在而且是唯一的。
<6-4次多项式点以外，其他所有的节点都是次多项式为待定常数。
由就是满足插值条件，特别地，当时称为线性插值，其插值多项式为：从几何上看，为过两点的直线。
当时，称为抛物线插值，其插值多项式为：从几何上看为过点和插值的误差估计见书中138上，要求插值多项式）式给出了个条件，因此可以唯一确定一个次数不超过，其形式为。
）式来确定仿照拉格朗日插值多项式的基函数方法，可先求插值基函数个，每一个基函数都是次多项式，且满足条件）的插值多项式可写成利用拉格朗日插值基函数，令整理得：两边取对数求导可得同理仿照拉格朗日插值余项的证明方法，若内的余项为，三次样条函数记作，①在每个小区间②在每个内节点上具有二次连续导数。
由三次样条函数中的条件①知，有个待定系数。
由条件②知，在内节点上具有二阶连续导数，即满足条件：个条件。
由条件③，知，共有定一个三次样条，还需要外加个条件，最常用的三次样条函数第一类边界条件：第二类边界条件：特别地，，称为自然边界条件。
第三类边界条件：称为周期边界条件。
三次样条插值不仅光滑性好，而且稳定性和收敛性都有保证，具有良好的逼近性质。
构造满足条件的三次样条插值函数的表达式可以有多种方法。
下面我们利用表达，由于在区间上是三次多项式，故在其中积分两次并利用数，于是得三次样条表达式<6-12上式中是未知的，为确定，对求导得由此可得在区间上的表达式，从而得可得<6-14）对第一类边界条件如果令。
对于第二类边界条件，直接得端点方程如果令）的形式。
，求解上述矩阵可得通过实验等方法观测到反映某个函数的数据，要求利用这些数据构造出，上面介绍的插值法就是寻求近似函数的方法之一。
但由于实验观测数据不可避免地带有误差，甚至是较大的误差，所以使用插值法满足，而只要求偏差按某种标准最小，以反映所给数据的总体趋势，消除局部波动的影响，这就是曲线拟合问题。
数值分析插值法
数值分析插值法数值分析是数学的一个分支，用于研究如何使用数值方法来近似和解决数学问题。
插值是数值分析的一个重要概念，它涉及到如何通过已知数据点的信息来估计未知数据点的值。
在本文中，我们将着重讨论插值法。
插值法是一种基于已知数据点的函数值，通过建立适当的插值函数来估计未知数据点的函数值的方法。
插值问题的目标是找到一个函数f(x)，使得f(x_i)=y_i(i=0,1,2,...,n)，其中x_i是已知的数据点，y_i是相应的函数值，n是已知数据点的数量。
然后，通过插值函数可以近似估计任意一个未知数据点的函数值。
常见的插值方法包括拉格朗日插值、牛顿插值和埃尔米特插值等。
下面我们将逐一介绍这些插值方法。
拉格朗日插值是一种利用拉格朗日多项式进行插值的方法。
拉格朗日多项式是一个多项式函数，满足通过已知数据点的函数值。
具体地说，设给定的已知数据点为(x_i,y_i)，我们需要找到一个多项式P(x)=y，使得P(x_i)=y_i。
拉格朗日插值多项式的形式如下：P(x)=Σ(y_i*l_i(x))其中l_i(x)是拉格朗日基函数，它定义为：l_i(x)=Π((x-x_j)/(x_i-x_j))(j≠i)牛顿插值是另一种常用的插值方法。
它通过使用差商来递归地计算插值多项式。
差商是一个递归定义的函数，用于计算多项式的系数。
设给定的已知数据点为(x_i,y_i)，我们需要找到一个多项式P(x)=y，使得P(x_i)=y_i。
牛顿插值多项式的形式如下：P(x)=y_0+(x-x_0)*f[x_0,x_1]+(x-x_0)*(x-x_1)*f[x_0,x_1,x_2]+...其中，f[x_i,x_j,...,x_k]是差商的定义，它可以通过递归公式计算得到：f[x_i,x_j,...,x_k]=(f[x_j,...,x_k]-f[x_i,...,x_{k-1}])/(x_k-x_i)埃尔米特插值是一种利用已知数据点及其导数信息进行插值的方法。
数值分析中的插值方法
数值分析中的插值方法在数值分析中，插值是一种通过在已知数据点之间估计未知数据点的方法。
它是一种常见的数据处理技术，用于填补数据间的空白，揭示数据间的关联性，或者建立数据模型。
在本文中，我们将讨论数值分析中的几种常见的插值方法。
一、拉格朗日插值拉格朗日插值是一种基于多项式的插值方法。
假设有n个离散数据点，我们想要在这些点之间插值得到未知数据点的值。
拉格朗日插值可以通过构建一个n次多项式来实现。
例如，给定三个数据点(x0, y0)，(x1, y1)，(x2, y2)，我们可以假定插值多项式为：P(x) = y0 * L0(x) + y1 * L1(x) + y2 * L2(x)其中，L0(x)，L1(x)，L2(x)是拉格朗日插值多项式的基函数，由以下公式得到：L0(x) = (x - x1) * (x - x2) / ((x0 - x1) * (x0 - x2))L1(x) = (x - x0) * (x - x2) / ((x1 - x0) * (x1 - x2))L2(x) = (x - x0) * (x - x1) / ((x2 - x0) * (x2 - x1))利用这些基函数，我们可以得到插值多项式P(x)，从而计算出未知点的值。
二、牛顿插值牛顿插值是另一种常见的插值方法，也是基于多项式的。
与拉格朗日插值不同的是，牛顿插值使用了差商的概念来构建插值多项式。
差商是一种表示数据间差异的指标，它可以用于计算插值多项式的系数。
对于n个数据点，差商可以由以下递归公式计算得到：f[x0] = f(x0)f[x0, x1] = (f[x1] - f[x0]) / (x1 - x0)f[x0, x1, ..., xn] = (f[x1, x2, ..., xn] - f[x0, x1, ..., xn-1]) / (xn - x0)基于差商，我们可以得到牛顿插值多项式的表达式：P(x) = f[x0] + f[x0, x1] * (x - x0) + f[x0, x1, x2] * (x - x0) * (x - x1) + ...利用牛顿插值，我们可以通过已知数据点构建插值多项式，进而估计未知点的值。
数值分析-插值法
数值分析-插值法我们能得到⼀个函数f在区间[a,b]上某些点的值或者这些点上的⾼阶导数我们就能通过插值法去得到⼀个函数g，g与f是⾮常相近的⼀般来说g分为三类，⼀类是n次多项式 a n*x n +a n-1*x n-1 + .......+a0，⼀类是三⾓多项式，最后⼀类是分段n次多项式多项式插值这个可以说是最简单的插值了对于a n*x n +a n-1*x n-1 + .......+a0，我们有n+1个未知数，我只需要知道n+1个点的函数值就可以解出这n+1个未知数将解出的值带⼊即可优点:简单粗暴缺点:要解n+1个⽅程，时间复杂度较⾼，n不好确定，若n过⼤，容易过拟合，若n过⼩，容易⽋拟合拉格朗⽇插值先说⼀阶多项式我们有两点式f(x) = y k*(x k+1 - x) / (x k-x k+1) + y k+1*(x-x k) / (x k+1 - x k)此两点式可以看做∂ * y k + (1-∂) * y k+1那么⾃然的在x=x k的时候 ∂=0 在x=x k+1的时候∂=1这⾥的∂其实是与x相关的⼀阶多项式再说⼆阶多项式对于⼀个⼆次函数，我们有三个点(x k-1,y k-1) ,(x k,y k) ,(x k+1,y k+1)我们有l k-1,l k,l k+1f(x) = l k-1*y k-1 + l k*y k + l k+1*y k+1其中l是与x相关的⼆次多项式我们可以把l当作基函数这样的话就有x = x k-1 时l k-1 = 1, l k=0, l k+1 = 0x = x k时 l k-1 = 0, l k=1, l k+1 = 0x = x k+1时l k-1 = 0, l k=0, l k+1 = 1那么这个插值基函数是很好求的因为每个插值函数都有两个零点对于l k-1来说有零点x k,x k+1那么lk-1就可以表⽰为l k-1 = A*(x-x k)*(x-x k+1)因为x=xk-1时l k-1 = 1所以A = 1 / (（x k-1 - x k）* (x k-1 - x k+1) )那么同理l k和l k+1也能求出来了那我们得到⼆阶的拉格朗⽇插值多项式现在将⼆阶推⼴到n阶得到n接的拉格朗⽇插值多项式余项:R n(x) = f(x) - L n(x) R n(x)表⽰n次拉格朗⽇多项式的插值余项R n(x) = f n+1(e)/(n+1)! * w n+1(x) e属于[a,b]且依赖与x w n+1(x) = (x-x0)(x-x1).......(x-x n)优点:算法较为简单缺点:⽆法处理动态增加节点的情况⽜顿插值还是先从⼀阶到⼆阶进⾏说明我先得到了⼀阶差值多项式P1(x),P1(x) 满⾜过点(x1, f(x1)), (x2,f(x2))假设现在有第三个点(x3,f(x3))我们要通过这个点去得到⼆阶差值多项式P2(x) 使得P2(x)过这三个点可以设P2(x) = P1(x) + a2*(x-x0)*(x-x1)通过第三个点解出a2就⾏了推⼴到多阶那么可以得到P n(x) = a0 + a1(x-x0) + a2(x-x0)(x-x1) + a3(x-x0)(x-x1)(x-x2) + ......求这个插值多项式的值可以通过递推⼀步⼀步的求这样就实现了动态增删可以看到计算a k需要计算(k-1)2次，那么⽜顿插值法就是⼀个快速的计算⽅法均差⼀阶均差 f[x0, x k] = ( f(x k) - f(x0) ) / (x k - x0)⼆阶均差 f[x0, x1, x2] = (f[x0, x2] -f[x0, x1] ) / (x2 - x1)可以看到⼀阶均差就是简单的求斜率⼆阶均差就是对⼀阶均差求斜率那么k阶均差就是f[x0, x1,,,,,,x k] = (f[x0,,,,,x k-2, x k] -f[x0, ,,,,,,,x k-2,x k-1] ) / (x k - x k-1)f[x0, x1,,,,,,x k] = f n(ε) / n!均差的性质k阶均差可表⽰为f(x0),f(x1), f(x2),,,,,,,,, f(x k)的线性组合⽜顿插值中的a就是均差，可以从⼀阶开始推，然后使⽤数学归纳法证明那么⽜顿插值多项式就是：在计算f[x0,x1,,,,,,,,,,x n]时，⼀般使⽤均差表均差表的计算⽅式为a[i,j] = ( a[i-1][j] - a[i-1][j-1] ) / (末尾的x - 最开始的x)误差:误差为最后⼀阶的均差 * w(x)优点:可动态增删节点缺点:⽆法处理要求导数相同的情况埃尔⽶特插值法实验报告⼀个点，多个导数:⽜顿插值中的均差在xi->x0时其实分别是i阶导数，这样就是我们熟悉的泰勒多项式此时的插值函数就是泰勒多项式两个点，⼀个导数我们有三个条件，也就是说我们能求出三次插值多项式这时我们先写出过这两个点的⽜顿插值多项式在这个多项式的基础上我们再加上⼀个三次项搞定，可以观察到，这三个项数其实可以算是正交的，因为当x=x1或者x=x2时最后⼀项是0满⾜条件的两个点，两个导数这也是题⽬所要求的情况因为有两个导数，所以⽜顿插值法⽆法解决，这⾥只能使⽤基函数⽅法设插值函数为H(x), 点与导数分别为(x1,y1,m1),(x2,y2,m2)H(x)满⾜：H(x1) =y1, H(x2) = y2, H(x1)’ = m1,H(x2)=m2H(x) = a1*x1 + a2*x2 + b1*m1 + b2*m2其中 a1, a2, b1, b2均为三层插值多项式X=x1时 a1(x1) = 1,a2(x1) = 0, b1(x1) = 0,b2(x1) = 0,a1’(x1) = 1,a2’(x1) = 0X=x2时 a1(x2) = 0,a2(x2) = 1, b1(x2) = 0,b2(x2) = 0,a1’(x2) = 1,a2’(x2) = 0X=x1时 b1’(x1) = 1,b2’(x1) = 0X=x2时b1’(x1) = 0,b2’(x1) = 1然后⽤了⼀个很巧妙的⽅法设基函数，解出来值和就是这样⼦的R3(x) = 1/4! * (x-x k)2(x-x k+1)2*f4(ε)两个点，两个导数2直接使⽤泰勒多项式，并把将余项改为未知数，使⽤多余的⼀个条件去求余项的值例如:求次数⼩于等于3的多项式P(x)，使满⾜条件P(x0)=f(x0)，P'(x0)=f'(x0)，P"(x0)=f"(x0)，P(x1)=f(x1)。
数值分析常用的插值方法
数值分析常用的插值方法数值分析中常用的插值方法有线性插值、拉格朗日插值、分段线性插值、Newton插值、Hermite插值、样条插值等。
下面将对这些插值方法进行详细介绍。
一、线性插值（linear interpolation）线性插值是最简单的插值方法之一、假设已知函数在两个点上的函数值，通过这两个点之间的直线来估计中间点的函数值。
线性插值公式为：f(x)=f(x0)+(x-x0)*(f(x1)-f(x0))/(x1-x0)其中，f(x)表示要求的插值点的函数值，f(x0)和f(x1)是已知的两个点上的函数值，x0和x1是已知的两个点的横坐标。
二、拉格朗日插值（Lagrange interpolation）拉格朗日插值是一种基于多项式的插值方法。
它通过多个已知点的函数值构造一个多项式，并利用这个多项式来估计其他点的函数值。
拉格朗日插值多项式的一般形式为：f(x) = Σ[f(xi) * Li(x)] (i=0,1,2,...,n)其中，f(x)表示要求的插值点的函数值，f(xi)是已知的多个点的函数值，Li(x)是拉格朗日基函数。
拉格朗日基函数的表达式为：Li(x) = Π[(x-xj)/(xi-xj)] (i≠j，i,j=0,1,2,...,n)三、分段线性插值（piecewise linear interpolation）分段线性插值是一种逐段线性近似函数的方法。
通过将整个插值区间分成多个小段，在每个小段上使用线性插值来估计函数的值。
分段线性插值的过程分为两步：首先确定要插值的点所在的小段，在小段上进行线性插值来估计函数值。
四、Newton插值（Newton interpolation）Newton插值也是一种基于多项式的插值方法。
利用差商的概念来构造插值多项式。
Newton插值多项式的一般形式为：f(x)=f(x0)+(x-x0)*f[x0,x1]+(x-x0)*(x-x1)*f[x0,x1,x2]+...其中，f(x)表示要求的插值点的函数值，f(x0)是已知的一个点的函数值，f[xi,xi+1,...,xi+k]是k阶差商。
数值分析第6章-2
（sin 40o 的准确值是0.6428）,三阶牛顿插值已相当准确。
12
结束
6.4 埃尔米特(Hermite)插值
在对函数f(x)进行插值时,有时不仅要求插值多项式在节点处的 值等于被插函数在这些点的值,还要求插值多项式的导数在这些 点的值也等于函数f(x)的导函数在这些点的值,即带指定导数值 的插值,这便是埃尔米特插值.
yi yi
(6.10)
可借鉴拉格朗日插值法构造插值基函数的思想, 令
n
n
H 2n1(x) Hi (x) yi hi (x) yi
i0
数值分析——插值法
然而,方程组的求解也并不是一件容易的事。
对于线性插值的两种形式解进行适当的分析, 从中寻求规律而得到启发,就有了所谓的拉格朗日 插值法(公式)和牛顿插值(公式).
我们先来看看如何得到二次拉格朗日插值公式 （和牛顿插值公式（为讨论方便，留待后述））.
称为拉氏基函数 ，满足 li(xj)=ij 首先, 线性插值的两点式可看作是两个特殊的一次式 的一种线性组合. 两点式 P1 ( x ) =
x - x1 y + x 0 - x1 0 x - x0 y = x1 - x 0 1
1.2.2 基函数法
l ( x) y
i =0 i
1
i
l0(x) l1(x) 这里， l0(x)和l1(x)具有如下性质： 显然有l0(x)+ l0(x)≡1. 实质上 l（ （ 0 x）和 l 1 x）即是满足函数表
g(x) f(x)
x0
x1
x2
x
x3
x4
根据实际需要，可以用各种不同的函数来近 似原来的函数。
最常用的插值函数是 多项式： …?
代数多项式最简单，计算其值只需用到加、减乘运 算，且积分和微分都很方便； 所以常用它来近似表示表格函数(或复杂函数),这样 的插值方法叫做代数插值法，简称插值法。
§1 拉格朗日多项式
求 n 次多项式 Pn ( x) = a0 a1 x an x n 使得
数值分析
这里h为常数，称为步长， , 和 分别为向前, 向后和中心差分算子.
以向前差分为例 利用一阶差分可定义二阶差分
2 f k f k 1 f k f k 2 2 f k 1 f k .
还可以定义m阶差分 m f k m 1 f k 1 m 1 f k ;
xi ƒ(xi) x0 x1 x2 x3 xn ƒ(x0) ƒ(x1) ƒ(x2) ƒ(x3) ƒ(xn) 一阶 均差 二阶均差 三阶均差 n阶均差
ƒ[x0, x1] ƒ[x1, x2] ƒ[x0, x1, x2] ƒ[x2, x3] ƒ[x1, x2, x3] ƒ[x0, x1, x2, x3] ƒ[xn-1, xn] ƒ[xn-2, xn-1, xn] ƒ[xn-3, xn-2, xn-1, xn] ƒ[x0, x1,…, xn]
0 ( x) 1 1 ( x ) x x0 2 ( x ) ( x x0 )( x x1 )
LL n ( x ) ( x x0 )( x x1 ) L ( x xn1 )
当增加一个节点xn+1时，只需加上基函数
n1 ( x xi ) 即可.
n n n j
f k ( I E ) f k (1)
1 2
n1
………… f [ x, x0 , ... , xn1 ] f [ x0 , ... , xn ] ( x xn ) f [ x, x0 , ... , xn ]
1 + (x x0) 2 + … … + (x x0)…(x xn1)
n1
f [ x, x0 ] f [ x0 , x1 ] ( x x1 ) f [ x, x0 , x1 ]
数值分析第六章插值法
1 x0 x02 x0n
1
V
x1
x12
x1n
n i1
i1
(xi x j )
j0
1 xn xn2 xnn
称为Vandermonde（范德蒙）行列式，因xi≠xj （当i≠j），故V≠0。根据解线性方程组的克莱姆
y0
x x0 x1 x0
y1
x 3 1 x 1 2 1 (x 1)
1 3
3 1
2
f (1.5) p(1.5) 1.25
例6.3 已知x=1, 4, 9 的平方根值, 用抛物插值公式, 求
7
p2(x) = +
(x–x1)(x–x2) (x0–x1)(x0–x2)
(x–x0)(x–x1) (x2–x0)(x2–x1)
（6.8）
是次数不超过n次的多项式 , 称形如（6.8）式的插
值多项式为n次拉格朗日插值多项式。并记为 Ln (x)
引入记号
n1(x) (x x0 )(x x1) (x xn )
则得
(6.10)
n 1( xk ) ( xk x0 )( xk xk1)( xk xk1)( xk xn )
y0 + y2
(x–x0)(x–x2) (x1–x0)(x1–x2)
y1
x0=1, x1=4, x2=9
(7–4)(7–9)
p2(7) = (1–4)(1–9)
+
(7–1)(7–4) (9–1)(9–4)
y0=1, y1=2, y2= * 1 + (7–31)(7–9) * 2
(4–1)(4–9) *3
- 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)。
y 115 p(115 ) 10.714
拉格朗日插值多项式
两个插值点可求出一次插值多项式,而三
个插值点可求出二次插值多项式。插值点增加到n+1
的问题就归结为求它的系数 a i(i=0,1,2,…,n )。
由插值条件: p(xi ) f (xi ) (i=0,1,2,…,n),可得
an x0 n an1 x0 n1 a1 x0 a0 f (x0 ) an x1n an1 x1n1 a1 x1 a0 f (x1 ) an xn n an1 xn n1 a1 xn a0 f (xn )
第六章 插值法
§ 6.1 引言 问题的提出 – 函数解析式未知,通过实验观测得到的一组数据, 即在 某个区间[a, b]上给出一系列点的函数值 yi= f(xi) – 或者给出函数表
x
x0
x1
x2
…… xn
y
y0
y1
y2
…… yn
y=p(x)
y=f(x)
插值法的基本原理
设函数y=f(x)定义在区间[a, b]上, x0 , x1 ,, xn 是 [a, b]上取定的n+1个互异节点,且在这些点处的函数值
P(x) an x n an1 x n1 a1x a0
满足
P(x) an x n an1 x n1 a1x 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
l0 (x) l1 (x) 1
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
ቤተ መጻሕፍቲ ባይዱ
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
(x
x0 )
p(x)
x x1 x0 x1
y0
x x0 x1 x0
y1
为了便于推广，记
l0 (x)
x x1 x0 x1
,
l1 (x)
x x0 x1 x0
这是一次函 数,且有性质
l0 (x0 ) 1, l0 (x1 ) 0 l1 (x0 ) 0 , l1 (x1 ) 1
p(x) l0 (x) y0 l1 (x) y1
例6.1 已知 100 10 , 121 11 , 求 y 115
解: 这里x0=100，y0=10，x1=121，y1=11, 利用线性插值
p(x) x 121 10 x 100 11
100 121
121 100
这惟是一一性个说关明于，待不定论参用数何种a0方, a法1,来构, a造n 的，n也+不1阶论线用性何方种 程组形,式其来系表数示矩插阵值行多列项式式为,只要满足插值条件(6.1)其结
果都是相互恒等的。
1 x0 x02 x0n
1
V
x1
x12
x1n
n i 1
i 1
(xi x j )
区间, 插值点在插值区间内的称为内插, 否则称外插
插值函数 (x) 在n+1个互异插值节点 x i (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 于代数多项式具有数值计算和理论分析方便的优点。所 以本章主要介绍代数插值。即求一个次数不超过n次的多 项式。
线性插值是代数插值的最简单形式。假设给定了函数 f(x)在两个互异的点的值，x0 x1 y0 f (x0 ), y1 f (x1)
,现要求用线性函数 p(x) ax b 近似地代替f(x)。选
择参数a和b, 使 p(xi ) f (xi )(i 0,1)。称这样的线性函数 P(x)为f(x)的线性插值函数 。
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
y y=P(x) y=f(x)
y1 x0 x1
yn xn x
定理6.1 n次代数插值问题的解是存在且惟一的 证明: 设n次多项式
P(x) an x n an1 x n1 a1 x a0
是函数 y f (x) 在区间[a, b]上的n+1个互异的节点 xi (i=0,1,2,…,n )上的插值多项式,则求插值多项式P(x)
j0
1 xn xn2 xnn
称为Vandermonde（范德蒙）行列式，因xi≠xj （当i≠j），故V≠0。根据解线性方程组的克莱姆
（Gramer）法则，方程组的解 a0 , a1 ,, an
存在惟一，从而P(x)被惟一确定。
§6.3 拉格朗日（Lagrange）插值
为了构造满足插值条件 p(xi ) f (xi ) (i=0,1,2,…,n ) 的便于使用的插值多项式P(x),先考察几种简单情形, 然后再推广到一般形式。（ 线性插值与抛物插值） （1）线性插值
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
(xi ) f (xi ) (i 1, 2, , n)
(6.1)
则称 (x) 为f(x)的一个插值函数, f(x)为被插函数, 点
xi为插值节点, 称(6.1)式为插值条件, 而误差函数 R(x)= f (x) (x) 称为插值余项, 区间[a, b]称为插值