第二章插值法讲解
合集下载
第二章 插值法--课堂
考察函数
右图给出了 和 的图像,当n 增大时, 在两端 会发出激烈的振荡 ,这就是所谓龙格现 象。该现象表明,在 大范围内使用高次 插值,逼近的效果往 往是不理想的
另外，从舍入误差来看，高次插值误差的传播 也较为严重，在一个节点上产生的舍入误差会在计 算中不断扩大，并传播到其它节点上。因此，次数 太高的高次插值多项式并不实用，因为节点数增加 时，计算量增大了，但插值函数的精度并未提高。 为克服在区间上进行高次插值所造成的龙格现象， 采用分段插值的方法，将插值区间分成若干个小的 区间，在每个小区间进行线性插值，然后相互连接 ，用连接相邻节点的折线逼近被插函数，这种把插 值区间分段的方法就是分段线性插值法。
有2n+2个根，但 是不高于2n+1次的多项式
，所以
，即
惟一性得证。
定理5.4 若f(x)在a,b上存在2n+2阶导数，则 2n+1次Hermite插值多项式的余项为
其中 定理的证明可仿照Lagrange插值余项的证 明方法请同学们自行证明
实际中使用最广泛的是三次Hermite插值多项式, 即 n=1的情况
表示互为逆运算。
至于如何实现这些基本运算之
间的联系和转化，途径是多种 多样的，结果是丰富多彩的，魅力是无群无尽的
§4 埃尔米特插值
注： N 个条件可以确定 N 1 阶多项式。 要求在1个节点 x0 处直到m0 阶导数都相等的插值
多项式即为Taylor多项式 其余项为
一般只考虑 f 与f ’的值。
二、分段三次埃尔米特插值
分段线性插值函数导数间断，若已知节点上函数值和
导数，可构造一个导数连续的插值函数Ih(x)，满足
§6 三次样条插值
一、样条插值的概念
数值方法第二章 插值法2
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
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
这是一个线性函数，在几何上就是通过曲线y=f(x)上 的两点(x0,y0)和(x1,y1)作一直线y=L1(x)近似代替曲线 y=f(x),故两点插值又名线性插值
线性插值的几何意义
n=2时
( x x1 )( x x2 ) l0 ( x ) ( x0 x1 )( x0 x2 )
其中，k(x)为待定函数
作辅助函数 F (t ) f (t ) P (t ) k ( x) (t ) n n 1 不难看出F(t)具有以下特点:
(1) F(x)=F(xi)=0(i=0,1….n)也就是F(t)有n+2个零点即x, x0,x1,…,xn. (2)在[a,b]上具有n+1阶导数，且
第2章 插值法
§1
引言 § 2 拉格朗日插值多项式 § 3 牛顿插值多项式
§4 §5 §6
分段低次插值 三次样条插值 数值微分
}
§1
引言
1.1 插值问题及代数多项式插值
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
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
这是一个线性函数，在几何上就是通过曲线y=f(x)上 的两点(x0,y0)和(x1,y1)作一直线y=L1(x)近似代替曲线 y=f(x),故两点插值又名线性插值
线性插值的几何意义
n=2时
( x x1 )( x x2 ) l0 ( x ) ( x0 x1 )( x0 x2 )
其中，k(x)为待定函数
作辅助函数 F (t ) f (t ) P (t ) k ( x) (t ) n n 1 不难看出F(t)具有以下特点:
(1) F(x)=F(xi)=0(i=0,1….n)也就是F(t)有n+2个零点即x, x0,x1,…,xn. (2)在[a,b]上具有n+1阶导数，且
第2章 插值法
§1
引言 § 2 拉格朗日插值多项式 § 3 牛顿插值多项式
§4 §5 §6
分段低次插值 三次样条插值 数值微分
}
§1
引言
1.1 插值问题及代数多项式插值
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
第二章插值法
lk ( xk 1 ) 0
n=2的情况，假定插值节点为
xk 1 , xk , xk 1 , 要求一个二次插值多项式L2 ( x)，使它满足 L2 ( x j ) y j ( j k 1, k , k 1)
y L2 ( x)在几何上就是通过三点(xk-1 , yk 1 ),(xk , yk ),(xk+1, yk 1 )的抛物线
插值法
§2.1 §2.2 §2.3 §2.4 §2.5 §2.6 §2.7 引言 拉格朗日插值 均差与牛顿插值公式 差分与等距节点插值 埃尔米特插值 分段低次插值 三次样条插值
一、插值问题
或者函数本身只是 一组实验数据，很 难对函数的性质进 行分析
对函数f (x),其函数形式可能很复杂且不利于在计算机上 ,
设函数
y f ( x ) 在区间 [a, b] 上有定义，且已知在
a x0 x1 x2 xn b
f ( xi ) yi , i 0,1,, n
如果存在一个简单函数 P ( x )，使得
P( xi ) f ( xi ) yi , i 0,1,, n
xx x x
如函数y sin x, 若给定 0, ]上5个等分点 [
其插值函数的图象如图
对于被插函数 ( x)和插值函数 ( x) f P
在节点xi处的函数值必然相等
但在节点外 ( x)的值可能就会偏离 ( x) P f 因此P( x)近似代替 ( x)必然存在着误差 f
整体误差的大小反映了插值函数的好坏
成立，则称 P ( x ) 为 f ( x ) 的插值函数
称点 xi , i 0,1,2,, n为插值节点
称区间 a , b]为插值区间 [
第2章插值法
的n次插值多项式，则对于任何 xa，,b有
Rn (x)
f (n1) ( )
(n 1)!
n1
(
x)
（2.9）
x
其中 n1(x) n (x xi ) , (a,且b)依赖于 。
证明 点都是
由插i值0 条件
知
的零点，故可设Pn(xi)f(xi)
Rn (xi ) 0(i 0,，1,即插, n值) 节
当复杂，使用起来很不方便。面对这些情况，总希望 根据所得函数表（或结构复杂的解析表达式），构造
某个简单函数P(x)作为 的近似。
插值法是解决此类问题的一种比较古老的、
然而却是目前常用f 的x方法，它不仅直接广泛地
应用于生产实际和科学研究中，而且也是进一 步学习数值计算方法的基础。
4
现在你正浏览到当前第四页，共一百零三页。
（图2-3
例1 已知
分别用线性插值和抛物插值
求
的1值0 。1 0,012 11,1 14 1 42
115
15
现在你正浏览到当前第十五页，共一百零三页。
解 因为115在100和121之间，故取节点x0=100，x1=121相应地有 y0=10，y1=11，于是，由线性插值公式（2.5）可得
L1
(
x)
17
现在你正浏览到当前第十七页，共一百零三页。
输入xi,yi,n,x
j=0,1,```,n
P=1
y=0
k=0,1,```,n
k=j?
否 P=P*(x-xj)(xk-xj)
是
输出x,y
图2-4
y=y+P*yk
18
现在你正浏览到当前第十八页，共一百零三页。
lk (x)
Rn (x)
f (n1) ( )
(n 1)!
n1
(
x)
（2.9）
x
其中 n1(x) n (x xi ) , (a,且b)依赖于 。
证明 点都是
由插i值0 条件
知
的零点，故可设Pn(xi)f(xi)
Rn (xi ) 0(i 0,，1,即插, n值) 节
当复杂，使用起来很不方便。面对这些情况，总希望 根据所得函数表（或结构复杂的解析表达式），构造
某个简单函数P(x)作为 的近似。
插值法是解决此类问题的一种比较古老的、
然而却是目前常用f 的x方法，它不仅直接广泛地
应用于生产实际和科学研究中，而且也是进一 步学习数值计算方法的基础。
4
现在你正浏览到当前第四页，共一百零三页。
（图2-3
例1 已知
分别用线性插值和抛物插值
求
的1值0 。1 0,012 11,1 14 1 42
115
15
现在你正浏览到当前第十五页，共一百零三页。
解 因为115在100和121之间，故取节点x0=100，x1=121相应地有 y0=10，y1=11，于是，由线性插值公式（2.5）可得
L1
(
x)
17
现在你正浏览到当前第十七页，共一百零三页。
输入xi,yi,n,x
j=0,1,```,n
P=1
y=0
k=0,1,```,n
k=j?
否 P=P*(x-xj)(xk-xj)
是
输出x,y
图2-4
y=y+P*yk
18
现在你正浏览到当前第十八页，共一百零三页。
lk (x)
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 ,
计算方法—插值法 (课堂PPT)
7
1 1
2 5
4 25
8 125
aa32
4
35
则，
解方程组得a0=10,a1=5,a2=-10,a3=2 即P3(x)=10+5x-10x2+2x3
当n=20,在109次/秒的计算机上计算需几万年！
.
2020/4/2
12
2.2 拉格朗日插值
2-2 线性插值与抛物插值
Chapter2 插值法
第二章 插 值 法
（ Interpolation） 2.1 引言
2.2 拉格朗日插值
2.3 均差与牛顿插值公式
Chapter2 插值法
2.4 埃尔米特插值
2.5 分段低次插值
2.6 三次样条插值
.
2020/4/2
1
2.1 引言
Chapter2 插值法
表示两个变量x,y内在关系一般由函数式 y=f(x)表达。但在实际问题中的函数是多种多 样的,有下面两种情况：
几何意义:L2(x)为过三点(x0,y0), (x1,y1), (x2,y2)的抛物线。
方法：基函数法，构造基函数l0(x), l1(x), l2(x) (三个二次式)
使L2(x)= y0l0(x)+y1l1(x)+y2l2(x)满足插值条件。 6 4 4 4 4 4 4 7 4 4 4 4 4 48
.
2020/4/2
15
2.2 拉格朗日插值
Chapter2 插值法
问题的提法： 已知y=f(x)的函数表，x0, x1, x2为互异节
x x0 x1 x2 y y0 y1 y2
点，求一个次数不超过2的多项式 L2(x)=a0+a1x+a2x2 ：L2(x0)=y0, L2(x1)=y1, L2(x2)=y2
第二章插值与拟合
1 不为零。
xn
n xn xn
实 用 测 量 数 据 处 理 方 法
中 南 大 学
三、线性插值
假定已知区间[xk, xk+1] 的端点处的函数值 yk=f(xk), yk+1=f(xk+1),要求线性插值多项式 L1(x),使它满足 L1(xk)=yk
L1(xk+1)=yk+1
则L1(x)的表达式可按下式给出：
实 用 测 量 数 据 处 理 方 法
中 南 大 学
l k 1 ( x k 1 ) 1, l k 1 ( x j ) 0( j k , k 1) l k ( x k ) 1, l k ( x j ) 0( j k 1, k 1) (28) l k 1 ( x k 1 ) 1, l k 1 ( x j ) 0( j k 1, k ) 满足（28 ）式的插值基函数很容 易求出的，例如求 l k 1 ( x)，因为它有两个零点 k 和x k 1，故可表达为： x l k 1 ( x) A( x x k )(x x k 1 ) 其中A为待定系数可由 k 1 ( x k 1 ) 1定出： l 1 A ( x k 1 x k )(x k 1 x k 1 ) ( x x k )(x x k 1 ) 于是l k 1 ( x)＝ ，同理可得 ( x k 1 x k )(x k 1 x k 1 ) ( x x k－1 )(x x k 1 ) ( x x k 1 )(x x k ) l k ( x)＝ ，l k 1 ( x)＝ ( x k x k－1 )(x k x k 1 ) ( x k＋1 x k 1 )(x k 1 x k )
解：2、抛物插值
计算方法(2)-插值法
2
2
yk1 2
f (xk
h
2
),
y
k
1 2
f (xk
h) 2
21
3.牛顿向后插值公式
Nn (xn
th)
yn
tyn
t(t 1) 2!
2
yn
t(t
1)
(t n!
n
1)
n
yn
(t 0)
插值余项
Rn
(xn
th)
t(t
1) (t (n 1)!
Nn (x0
th)
y0
ty0
t(t 1) 2!
2
y0Leabharlann 插值余项t(t
1)
(t n!
n
1)
n
y0
Rn (x0
th)
t(t
1) (t (n 1)!
n)
h n1
f
(n1) ( ),
(x0 , xn )
20
二.向后差分与牛顿向后插值公式
杂.
根据f(x)函数表或复杂的解析表达式构
造某个简单函数P(x)作为f(x)的近似.
2
2.问题的提法
1)已知条件 设函数y f (x)在区间[a,b]上
连 续, 且 在n 1个不 同点a x0 , x1, , xn b 上 分 别 取 值y0 , y1, , yn
第2章 插值法
2.3.2 均差及其性质
差商的基本性质:
由(3.4)得差商表:
k xk f(xk) 一阶差商 二阶差商 三阶差商 …
0 x0 f(x0) 1 x1 f(x1) 2 x2 f(x2) 3 x3 f(x3) 4 x4 f(x4) ┆ ┆┆
f[x0, x1] f[x1, x2] f[x2, x3] f[x3, x4]
。
1.0
这说明用高次插值多项
式Ln(x)近似f(x)效果并不
0.5
好，因而通常不用高次
插值，而用分段低次插值。
-5
0
5x
二、分段线性插值 所谓分段线性插值就是用通过插值点的折线段逼近f(x).
二、分段三次埃尔米特插值 分段线性插值函数导数间断，若已知节点上函数值和
导数，可构造一个导数连续的插值函数Ih(x)，满足
yk
0
xk
y=L1(x) y=f(x)
yk+1
xk+1
x
y
1 1 图 2-3
1
0
xk
xk+1
x
几何上就是通过三点（xk-1,yk-1),(xk,yk),(xk+1,yk+1)的抛物线。
y 1
0
Xk-1
x xk Xk+1
图 2-4
2.2.2 拉格朗日插值多项式
需要指出(2.3)式与（2.5）式是当n=1和n=2时的特殊 情形。
例1 已知sin0.32=0.314567, sin0.34=0.333487, sin0.36=
0.352274,用抛物插值计算sin0.3367的值, 并估计误差.
§2.3 差商与牛顿插值
2.3.1 插值多项式的逐次生成
插值法
第一节 Lagrange插值
一、问题提出
设 x0 , x1 xn 为给定的节点，yi f ( xi )，i 0,1,n
为相应的函数值，求一个次数不超过 n 的多项式 Pn (x)， 使其满足
Pn ( xi ) yi，
i 0,1,n .
这类问题称为插值问题。 f ( x) 称为被插值函数，Pn ( x) 称 为插值函数， x0 , x1 xn 称为插值节点
差商
二阶差商
三阶差商 四阶差商
x0 f ( x0 ) x1 f ( x1 )
x2 f ( x2 )
f [ x0 , x1 ]
f [ x1 , x2 ]
f [ x0 , x1 , x2 ]
f [ x0 , x1 , x2 , x3 ]
1 2 3 4
0 1 2 3 4
x3
f ( x3 ) f [ x2 , x3 ] f [ x1 , x2 , x3 ]
评价
优点: Lagrange基函数容易构造,结构紧凑,便于理 论研究. 缺点: 当增加或减少插值结点时,基函数需要重新 构造,不便于实际的计算使用
第二节 Newton插值
一、差商定义及性质
1.差商定义 f ( x ) f ( x ) i j f [ xi , x j ] , i j 为 f ( x) 在 xi , x j 称 两点处的一阶差商.xi x j
( n1) ( ) f ( n1) ( )
f ( x) Pn ( x) (n 1)! 0 ( x)
由此得
. f ( n1) ( ) Rn ( x) f ( x) Pn ( x) n1 ( x) (n 1)! 定理得证.
《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5版)第2章-插值法 ppt课件
x4 94
1(x 5
4)
插值多项式为
1
1
L1( x)
y0l0 ( x) y1l1( x) 2
5
( x 9) 3 ( x 4) 5
2 ( x 9) 3 ( x 4) 1 ( x 6)
5
5
5
所以
7
L1 (7)
13 5
2.6
ppt课件
项式(2-2) 存在且唯一。证毕。
ppt课件
5
第二节 拉格朗日插值
一、基函数
考虑下面最简单`最基本的插值问题。求n 次多项 式 l i(x) (i=0,1, …, n)，使其满足条件
0 , j i li ( xj ) 1, j i ( j 0,1, , n)
故可设
li ( x) A( x x0 )( x xi1 )( x xi1 )( x xn )
15
例2 求过点(1,2), (1,0), (3,6), (4,3)的三次插值多项式。
解 以 x0 1, x1 1, x2 3, x3 4 为节点的基函数
分别为:
l0
(
x)
( x 1)( x 3)( x 4) (1 1)(1 3)(1 4)
Pn(x)=a0+a1x+a2x2+...+anxn (2-2)
则由插值条件式Pn(xi)=yi (i=0,1, ..., n) 可得关于系数 a0 ,a1 , …,an的线性代数方程组
ppt课件
3
a0 a0
a1 x0 a1 x1
数值分析 第2章 插值法
代入抛物插值公式得：
115 (115 121)(115 144) 10 (100 121)(100 144)
(115 100)(115 144) 11 (121 100)(121 144) (115 100)(115 121) 12 10.7228 (144 100)(144 121)
几何意义：y=p1(x)表示通过三点（x0,y0), (x1,y1) , (x2,y2)的抛物线，因此，二次插值 又称抛物插值。
p2(x)的解？
先解决一个特殊的二次插值问题
特殊的二次插值问题
求作二次式l0(x),使满足条件 l0(x0)=1 ， l0(x1)= l0(x2)=0
由l0(x1)= l0(x2)=0 可知：x1,x2是l0(x)的两个零点，因而有：
4x x
带入x0=100, 得
f
(x 0)
10,f
(x 0 )
1 ,f
20
(x 0 )
1 4000
p1(x ) f (x 0 ) f (x 0 )(x x 0 ) 5 0.05x
p2(x )
p1(x )
f
(x 0 ) (x
2!
x 0)2
计算 115的近似值 （精确值10.723805…）
2!
x0)
10.75 0.028125 10.721875
练习：求作f(x)=sin x在节点x0=0的5次泰勒多项式，并估计插 值误差。
解：f (x ) cos x ,f (x ) sin x ,f (3)(x ) cos x , f (4)(x ) sin x ,f (5)(x ) cos x
115 (115 121)(115 144) 10 (100 121)(100 144)
(115 100)(115 144) 11 (121 100)(121 144) (115 100)(115 121) 12 10.7228 (144 100)(144 121)
几何意义：y=p1(x)表示通过三点（x0,y0), (x1,y1) , (x2,y2)的抛物线，因此，二次插值 又称抛物插值。
p2(x)的解？
先解决一个特殊的二次插值问题
特殊的二次插值问题
求作二次式l0(x),使满足条件 l0(x0)=1 ， l0(x1)= l0(x2)=0
由l0(x1)= l0(x2)=0 可知：x1,x2是l0(x)的两个零点，因而有：
4x x
带入x0=100, 得
f
(x 0)
10,f
(x 0 )
1 ,f
20
(x 0 )
1 4000
p1(x ) f (x 0 ) f (x 0 )(x x 0 ) 5 0.05x
p2(x )
p1(x )
f
(x 0 ) (x
2!
x 0)2
计算 115的近似值 （精确值10.723805…）
2!
x0)
10.75 0.028125 10.721875
练习：求作f(x)=sin x在节点x0=0的5次泰勒多项式，并估计插 值误差。
解：f (x ) cos x ,f (x ) sin x ,f (3)(x ) cos x , f (4)(x ) sin x ,f (5)(x ) cos x
计算方法第二章插值法
插值法的基本原理
插值函数(x)在n+1个互异插值节点 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 。
第2章 插值法
§2.1 引言
§2.2 拉格朗日插值
§2.3 均差与牛顿插值多项式
§2.4 埃尔米特插值
§2.5 分段低次插值
§2.6 三次样条插值
1
§2.1 引言
1 问题的提出 –函数f(x)表达式复杂不便于计算 – 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
ai
Di V
i 0,1,2,n
10
解的存在和惟一性
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 )
这是一个关于待定参数 a0 , a1 ,, an 的n+1阶线性方 程组。按照克兰姆（Cramer）法则，其解为
ai
Di V
i 0,1,2,n
11
解的存在和惟一性
系数矩阵V 的行列式为
1 x0
1 V
x1
1 xn
x02 x0n
x12
x1n
n i 1
i 1
(xi x j )
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)
计算方法-第2章-1、插值法(拉格朗日插值)
2019/1/15
26
证明：假设在区间[a,b]上f(x)的插值多项式为 Ln ( x) 令
Rn ( x) f ( x) Ln ( x)
显然在插值节点为 xi (i 0,1,, n)上 Rn ( xi ) f ( xi ) Ln ( xi ) 0 , i 0,1,, n 因此Rn ( x)在[a, b]上至少有n 1个零点
(k 0,1,2,, n)
且
n1 ( x) Ln ( x) yk ' ( x x ) k 0 k n 1 ( xk )
n
2019/1/15
18
总 结
于是, y f ( x)在节点xi (i 0 ,1, , n)上, 以l j ( x) (i 0 ,1, , n) 为插值基函数的插值多 项式(记为Ln ( x))为
本章只讨论多项式插值与分段插值
2019/1/15 7
§ 2.2
拉格朗日插值
• 此插值问题可表述为如下： • 问题 求作次数 n 多项式 Ln ( x) ，使满足条件
Ln x yi , (i 0,1,, n)
• 这就是所谓的拉格朗日（Lagrange）插值。
2019/1/15
8
§ 2.2.1
线性插值的局限性
2019/1/15
12
三、抛物插值
问题 求作二次式 L2 ( x) ，使满足条件
L2 ( x j ) y j
( j k 1, k , k 1)
二次插值的几何解释是用通过三个点
的抛物线来近似考察曲线，故称为拋物插值。类似于线性 插值，构造基函数，要求满足下式：
L2(x) yk 1lk 1 ( x) yklk ( x) yk 1lk 1 ( x)
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。
- 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)。
l0 (x)
=
(x ( x0
-
x1 )(x - x2 ) x1 )(x0 - x2 )
l1 (x)
=
(x ( x1
-
x0 )(x - x2 ) x0 )(x1 - x2 )
2
L2( x ) = i=0 li ( x) yi
l2( x)
=
(x ( x2
-
x0 )( x - x1 ) x0 )( x2 - x1 )
抛物线插值
§2.2 Lagrange Polynomial
n1
希望找到li(x)，i = 0, …, n 使得 li(xj)=ij ；然后令
n
Pn ( x ) =
i=0
li ( x )
y i
，则显然有Pn(xi)
=
yi
。
li(x)
每个 li 有 n 个根 x0 … xi … xn
n
li (x) = Ci (x - x0)...(x - xi )...(x - xn) = Ci (x - xj )
( x0 ) = = ( xn ) = 0
(n1) ( x ) = 0, x (a, b)
§2.2 Lagrange Polynomial
Rn(x) 至少有 n+1 个根
n
Rn(x) = K(xΒιβλιοθήκη (x - xi )i=0 n
任意固定 x xi (i = 0, …, n), 考察 (t ) = Rn (t ) - K ( x ) (t - xi )
P1 ( x)
=
y0
y1 x1
-
y0 x0
(x
-
x0 )
= x - x1 x0 - x1
y0 +
x - x0 x1 - x0
1
y1 = i=0 li ( x) yi
线性插值
l0(x)
l1(x)
§2.2 Lagrange Polynomial
n = 2 已知 x0 , x1 , x2; y0 , y1 , y2 ，满足 f ( x0 ) = y0 , f ( x1 ) = y1 , f( x2 ) = y2 ，写出二次拉格朗日插值 多项式：
(n 1) !
Rn( x) =
f (n1) ( x ) (n 1) !
n
(x - xi )
i=0
§2.2 Lagrange Polynomial
注： 通常不能确定 x , 而是估计 f (n1)( x) , Mn1 x(a,b)
将
M n1 (n 1)!
n
| x - xi |
i=0
作为误差估计上限。
i=0
(x)有 n+2 个不同的根 x0 … xn x
(n1) ( x ) = 0, x (a, b)
注意这里是对 t 求导
f (n1) ( x ) - L(nn1) ( x ) - K ( x )(n 1) ! =
R ( n1) n
(
x
)
-
K
(
x
)
(n 1) !
K(x) =
f (n1) ( x )
多项式
g(x) f(x)
x0
x1
x2
x
x3
x4
§2.2 拉格朗日多项式 /* Lagrange Polynomial */
求 n 次多项式 Pn ( x) = a0 a1 x an xn 使得
Pn ( xi ) = yi , i = 0, ... , n
条件：无重合节点，即 i j xi x j
第二章 插值法
/* Chapter 2 Interpolation */
§2.1 多项式插值 /* Polynomial Interpolation */ 当精确函数 y = f(x) 非常复杂或未知时，在一 系列节点 x0 … xn 处测得函数值 y0 = f(x0), … yn = f(xn)，由此构造一个简单易算的近似函 数 g(x) f(x)，满足条件g(xi) = f(xi) (i = 0, … n)。这里的 g(x) 称为f(x) 的插值函数。最常 用的插值函数是 …?
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。
注： • 小的区间上插值有利于减少误差； • 依靠增多插值节点不一定能减少误差； • 多项式插值，外推误差可能要比内插误差大。
定理 (唯一性) 满足 P( xi ) = yi , i = 0, ... , n 的 n 阶插值多
项式是唯一存在的。 证明：
反证：若不唯一，则除了Ln(x) 外还有另一 n 阶多项 式 Pn(x) 满足 Pn(xi) = yi 。 考察 Qn( x) = Pn( x) - Ln( x) , 则 Qn 的阶数 n 而 Qn 有 n + 1 个不同的根 x0 … xn
注：若不将多项式次数限制为 n ，则插值多项式不唯一。
n
例如 P( x) = Ln ( x) p( x) ( x - xi ) 也是一个插值 i=0
多项式，其中 p( x)可以是任意多项式。
§2.2 Lagrange Polynomial
➢ 插值余项 /* Remainder */ 设节点 a x0 x1 xn b ，且 f 满足条件 f C n[a,b] , f (n1)在[a , b]内存在, 考察截断误差 Rn( x) = f ( x) - Ln( x)
Rolle’s Theorem: 若(x) 充分光滑， ( x0 ) = ( x1 ) = 0 ，则 存在 ( x0 , x1 ) 使得 ( ) = 0。
推广：若 ( x0 ) = ( x1 ) = ( x2 ) = 0
0 ( x0 , x1 ), 1 ( x1 , x2 )
使得 (0 ) = (1 ) = 0 (0 , 1 ) 使得 ( ) = 0
n= 1
已称知为x拉0 氏, x基1 ;函y0数, y1/*，La求graPn1g(exB) =asais0 */，a1 x 使得
P满1( 足x0 )条= 件y0 l,i(Px1j)(=x1 )ij=/*yK1 ronecker Delta */
可见 P1(x) 是过 ( x0 , y0 ) 和 ( x1, y1 ) 两点的直线。
ji
j=0
li (xi ) = 1
Ci
=
ji
( xi
1 -
xj )
与 节点 有关，而与 f 无关
Lagrange Polynomial
li ( x) =
n ji
(x- xj) (xi - x j )
j=0
n
Ln ( x) = li ( x) yi i=0
§2.2 Lagrange Polynomial