第二章多项式插值 (2)
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
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
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 )
拉格朗日插值法 (2)
在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。
许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解。
如对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点取到观测到的值。
这样的多项式称为拉格朗日（插值）多项式。
数学上来说，拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数。
拉格朗日插值法最早被英国数学家爱德华·华林于1779年发现[1]，不久后（1783年）由莱昂哈德·欧拉再次发现。
1795年，拉格朗日在其著作《师范学校数学基础教程》中发表了这个插值方法，从此他的名字就和这个方法联系在一起[2]。
对于给定的若n+1个点，对应于它们的次数不超过n 的拉格朗日多项式只有一个。
如果计入次数更高的多项式，则有无穷个，因为所有与相差的多项式都满足条件。
定义对某个多项式函数，已知有给定的k + 1个取值点：其中对应着自变量的位置，而对应着函数在这个位置的取值。
假设任意两个不同的x j都互不相同，那么应用拉格朗日插值公式所得到的拉格朗日插值多项式为：其中每个为拉格朗日基本多项式（或称插值基函数），其表达式为：[3]拉格朗日基本多项式的特点是在上取值为1，在其它的点上取值为0。
存在性对于给定的k+1个点：，拉格朗日插值法的思路是找到一个在一点取值为1，而在其他点取值都是0的多项式。
这样，多项式在点取值为，而在其他点取值都是0。
而多项式就可以满足在其它点取值为0的多项式容易找到，例如：它在点取值为：。
由于已经假定两两互不相同，因此上面的取值不等于0。
于是，将多项式除以这个取值，就得到一个满足“在取值为1，而在其他点取值都是0的多项式”：这就是拉格朗日基本多项式。
唯一性次数不超过k的拉格朗日多项式至多只有一个，因为对任意两个次数不超过k的拉格朗日多项式：和，它们的差在所有k+1个点上取值都是0，因此必然是多项式的倍数。
数值分析作业答案
第2章 插值法1、当x=1，-1，2时，f(x)=0，-3，4，求f(x)的二次插值多项式。
（1）用单项式基底。
（2）用Lagrange 插值基底。
（3）用Newton 基底。
证明三种方法得到的多项式是相同的。
解：（1）用单项式基底设多项式为:2210)(x a x a a x P ++=，所以：6421111111111222211200-=-==x x x x x x A 37614421111111424113110111)()()(222211200222221112000-=-=---==x x x x x x x x x f x x x f x x x f a 2369421111111441131101111)(1)(1)(12222112002222112001=--=--==x x x x x x x x f x x f x x f a 6565421111111421311011111)(1)(1)(12222112002211002=--=---==x x x x x x x f x x f x x f x a 所以f(x)的二次插值多项式为：2652337)(x x x P ++-= （2）用Lagrange 插值基底)21)(11()2)(1())(())(()(2010210-+-+=----=x x x x x x x x x x x l)21)(11()2)(1())(())(()(2101201------=----=x x x x x x x x x x x l)12)(12()1)(1())(())(()(1202102+-+-=----=x x x x x x x x x x x lLagrange 插值多项式为：372365)1)(1(314)2)(1(61)3(0)()()()()()()(22211002-+=+-⨯+--⨯-+=++=x x x x x x x l x f x l x f x l x f x L所以f(x)的二次插值多项式为：22652337)(x x x L ++-= (3) 用Newton 基底: 均差表如下：Newton 372365)1)(1(65)1(230))(](,,[)](,[)()(21021001002-+=+-+-+=--+-+=x x x x x x x x x x x x f x x x x f x f x N所以f(x)的二次插值多项式为：22652337)(x x x N ++-= 由以上计算可知，三种方法得到的多项式是相同的。
计算方法插值法(均差与牛顿插值公式)
为f ( x)关于节点 x0 , xk 一阶均差 (差商)
2018/11/7
5
2018/11/7
6
二、均差具有如下性质：
f [ x0 , x1 ,, xk 1 , xk ]
j 0
k
f (x j ) ( x j x0 )( x j x j 1 )(x j x j 1 )( x j xk )
2018/11/7
27
fk fk 1 fk 为f ( x)在 xk 处的二阶向前差分
2
依此类推
m f k m1 f k 1 m1 f k
为f ( x)在 xk 处的m阶向前差分
2018/11/7
28
差分表
xk f k 一阶差分 x0 f 0 x1 f 1 二阶差分 三阶差分 四阶差分
2018/11/7
31
等距节点插值公式
一、牛顿前插公式
2018/11/7
32
2018/11/7
33
二、牛顿插值公式与拉格朗日插值相比
牛顿插值法的优点是计算较简单,尤其是增加 节点时,计算只要增加一项,这是拉格朗日插值 无法比的. 但是牛顿插值仍然没有改变拉格朗日插值的 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.
2018/11/7
25
2018/11/7
26
§
2.3.4 差分及其性质
一、差分
fk , 定义3. 设f ( x)在等距节点xk x0 kh 处的函数值为 k 0 ,1, , n , 称
f k f k 1 f k
k 0,1,, n 1
为f ( x)在 xk 处的一阶向前差分
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
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.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。
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.
求的二次插值多项式
第二章 插值法1．当1,1,2x =-时，()0,3,4f x =-,求()f x 的二次插值多项式。
解：0120121200102021101201220211,1,2,()0,()3,()4;()()1()(1)(2)()()2()()1()(1)(2)()()6()()1()(1)(1)()()3x x x f x f x f x x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x ==-===-=--==-+-----==------==-+--则二次拉格朗日插值多项式为220()()k k k L x y l x ==∑0223()4()14(1)(2)(1)(1)23537623l x l x x x x x x x =-+=---+-+=+- 2．给出()ln f x x =的数值表用线性插值及二次插值计算的近似值。
解：由表格知，01234012340.4,0.5,0.6,0.7,0.8;()0.916291,()0.693147()0.510826,()0.356675()0.223144x x x x x f x f x f x f x f x ======-=-=-=-=-若采用线性插值法计算ln 0.54即(0.54)f ， 则0.50.540.6<<2112122111122()10(0.6)()10(0.5)()()()()()x x l x x x x x x l x x x x L x f x l x f x l x -==----==---=+6.93147(0.6) 5.10826(x x =--- 1(0.54)0.62021860.620219L ∴=-≈-若采用二次插值法计算ln 0.54时，1200102021101201220212001122()()()50(0.5)(0.6)()()()()()100(0.4)(0.6)()()()()()50(0.4)(0.5)()()()()()()()()()x x x x l x x x x x x x x x x x l x x x x x x x x x x x l x x x x x x x L x f x l x f x l x f x l x --==------==-------==----=++500.916291(0.5)(0.6)69.3147(0.4)(0.6)0.51082650(0.4)(0.5x x x x x x =-⨯--+---⨯--2(0.54)0.615319840.615320L ∴=-≈- 3．给全cos ,090x x ≤≤ 的函数表，步长1(1/60),h '== 若函数表具有5位有效数字，研究用线性插值求cos x 近似值时的总误差界。
拉格朗日插值(线性、二次、n次多项式插值)
1 x0 x V ( x 0 , x 1 , , x n ) 1 x1 x 1 xn x
2 0 2 1
x x x
n 0 n 1
2 n
n n
0 j i n
(x x )
i j
因为x0, x1,…,xn的互不相同，故系数行 列式不等于0，因此方程组有唯一解， 即Pn(x)存在并唯一。
j 0 ji n
x xj xi x j
是n次插值基函数
思考1 设f(x)=x2，求f(x)的次数不超 过1、2、3、…的插值多项式各是什 么？在哪些点处会有误差？ 思考2 设f(x)=sinx，求f(x)的次数不超 过1、2、3、…的插值多项式各是什 么？在哪些点处会有误差？
思考 1 答案：当 f(x) 是次数不超过 n 的 多项式时，其 ≥ n 次的插值多项式就 是f(x)本身。此时误差为0！
定义： 设插值基点 x0,x1,…,xn 中最小者为 a 、 最大者为b，当插值点x∈(a, b)时我们 称为内插，否则称为外插
例1 给定数据表
x 2 3 4 5 6 7 f(x) 10 15 18 22 20 16 要用插值方法计算 f(4.8) 的近似值。 问线性插值、二次插值和三次插值应 选哪些基点？
2. 线性插值的几何意义
用通过两点 (x0, y0) 、 (x1, y1) 的直线 y=L1(x) 近似代替曲线 y=f(x) ，如下图 所示。
y y=f(x)
y0 o x0
y=L1(x) y1
x1 x
3. 线性插值公式的推导
根据直线的点斜式，有
y1 y 0 L1 ( x ) y 0 ( x x0 ) x1 x 0
计算方法_习题第一、二章答案
第一章 误差1 问3.142，3.141，722分别作为π的近似值各具有几位有效数字？分析 利用有效数字的概念可直接得出。
解 π=3.141 592 65…记x 1=3.142，x 2=3.141，x 3=722.由π- x 1=3.141 59…-3.142=-0.000 40…知3411110||1022x π--⨯<-≤⨯ 因而x 1具有4位有效数字。
由π- x 2=3.141 59…-3.141=-0.000 59…知2231021||1021--⨯≤-<⨯x π因而x 2具有3位有效数字。
由π-722=3.141 59 …-3.142 85…=-0.001 26…知231021|722|1021--⨯≤-<⨯π因而x 3具有3位有效数字。
2 已知近似数x*有两位有效数字，试求其相对误差限。
分析 本题显然应利用有效数字与相对误差的关系。
解 利用有效数字与相对误差的关系。
这里n=2,a 1是1到9之间的数字。
%5101211021|*||*||)(|1211*=⨯⨯≤⨯≤-=+-+-n ra x x x x ε3 已知近似数的相对误差限为0.3%，问x*至少有几位有效数字？分析 本题利用有效数字与相对误差的关系。
解 a 1是1到9间的数字。
1112*10)1(2110)19(21102110003%3.0)(--⨯+≤⨯+⨯=⨯<=a x r ε 设x*具有n 位有效数字，令-n+1=-1，则n=2，从而x*至少具有2位有效数字。
4 计算sin1.2，问要取几位有效数字才能保证相对误差限不大于0.01%。
分析 本题应利用有效数字与相对误差的关系。
解 设取n 位有效数字，由sin1.2=0.93…，故a 1=9。
411*10%01.01021|*||*||)(-+-=≤⨯≤-=n r a x x x x ε解不等式411101021-+-≤⨯n a 知取n=4即可满足要求。
计算方法各章作业答案
计算方法作业第二章插值1.（1（2）用二次Lagrange插值多项式求当X=0.15时Y的近似值。
（3）写出余项R(x)=f(x)-Pn(x)的表达式。
解：（1）Pn (x) =knknkjj jkj yxxxx)(00∑∏=≠=--n=3P 3(x)=321321))()(())()((yxxxxxxxxxxxx------+13121132))()(())()((yxxxxxxxxxxxx------+23212231))()(())()((yxxxxxxxxxxxx------+32313321))()(())()((yxxxxxxxxxxxx------x 0=0.0 x1=0.1 x2=0.2 x3=0.3y 0=0.0000 y1=0.0998 y2=0.1987 y3=0.2955P 3(x)=0000.0)3.00.0)(2.00.0)(1.00.0()3.0)(2.0)(1.0(⨯------xxx+0998.0)3.01.0)(2.01.0)(0.01.0()3.0)(2.0)(0.0(⨯------xxx+1987.0)3.02.0)(1.02.0)(0.02.0()3.0)(1.0)(0.0(⨯------xxx+2955.0)2.03.0)(1.03.0)(0.03.0()2.0)(1.0)(0.0(⨯------xxx(2) y(0.15) = P2(0.15) = 0.1494（3）R(x) = f(x)-Pn (x)=)!1()()1(++nf nξnk0=∏(x - x k)=!4)(4ξf(x – 0.0) (x – 0.1)(x – 0.2)(x – 0.3)第三章 方程求根5．求解方程12-3x+2cosx=0的迭代法n n x x cos 3241+=+（1）证明对于任意的x 0€R 均有*lim x x n x =∞→ (x *为方程的根)（2）取x 0=4，用此迭代法求方程根的近似值，误差不超过10-３，列出各次的迭代值。
数值分析-第五版-考试总结
第一章：数值分析与科学计算引论截断误差：近似 解与精确解之间的误差。
近似值的误差：（.为准确值）：e*-x*-x近似值的误差限一： 1疋近似值相对误差（较小时约等）近似值相对误差限 ：函数值的误差限 :苗⑺“ Ifool 叱）近似值；一士心:化叙…®）"八■有n 位有效数字:第二章：插值法P (对J =0.1/*%?] Oo + %呵+…+偽！曙=九 % +如股+…+ %!珥=Y1 % +舸斗1 +…+ %坊=儿 2•拉格朗日插值 (x- x k )6J n+1(x k ) .次插值基函数: (X- x)-(x-x fc -i)(x-曲十 1)…a — X JJ ) (Xk - X 0)-(X k - X k_i) (x k - x k¥1)-(x k - X…)1•多项式插值其中:P(x) = a()+ OjX + …+ a n ^I>k — O.L —.n = _xl(r -n+l引入记号:^n+l(X)={X-Xo)(A?-粗)…(#- Xj余项：=f(x} - SG)=:;:;詁+W > 5 e 3：3•牛顿插值多项式： ^nW = /（^0）+f 必珀（"叼）+・”+/■［和巧严如（龙-坯”心-*_』〔阶均差（把中间去掉，分别填在左边和右边） ：店”“皿］丿杯Fmr gd余项:4•牛顿前插公式（令心'小，计算点值，不是多项式）：PQ +t h ）=/o +帧 + 忖A 讥 + - + 心1）：：*%°〔阶差分：AVo = A n "7i -余项：严（和E 3J5•泰勒插值多项式:•阶重节点的均差:6.埃尔米特三次插值：p （x ） -f （^X Q ）十打和尤』仗—如+f 1叼公1也］（JC-衍）（工一 Xi ） +人（尤-叼）（黑-衍）o — x 2）其中，A 的标定为：咋沪f （社）7.分段线性插值:第三章：函数逼近与快速傅里叶变换p n (x) = 7(X Q ) + f(x Q )(x -和)+ “•+警(U血屯“匈1.-:-属于’.维空间：5(玄)=。
- 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)。
可以验证
j 0
j j
满足插值条件.
上一页
湘潭大学数学与计算科学学院
下一页
5
(2)
唯一性 设n次多项式 Ln ( x )和Qn ( x ) 均为插值问题的解,
即 令 则
Ln ( xi ) f ( xi ) Qn ( xi ) G( x ) : Ln ( x ) Qn ( x ) Pn ,
湘潭大学数学与计算科学学院 上一页 下一页 12
拉格朗日插值法Matlab程序
malagr.m
用途：拉格朗日插值法求解 格式：yy=malagr(x,y,xx)， x是节点向量， y是节点对应的函数值向量， xx是插值点(可以是多个)， yy返回插值结果
湘潭大学数学与计算科学学院 上一页 下一页 13
湘潭大学数学与计算科学学院 上一页 下一页 4
由(2.1)知 xk ( k i ) 是 n次代数多项式 li ( x ) 的 n个零点，
所以
l i ( x ) c( x x1 )( x x i 1 )( x x i 1 )( x x n )
又由 l i ( xi ) 1
c? ( x x0 )( x xn1 ) n
的形式，希望每加一个节点时，只附加一项上去即可。
湘潭大学数学与计算科学学院
上一页
下一页
20
首先考察 f ( x ) 的几种低次Newton插值公式的建立过程 显然关于节点 x0 的零次插值多项式
p0 ( x ) f ( x0 ).
下面分别考察一次和二次插值多项式情形. (1) 关于节点 x0 , x1 的一次插值多项式 p1 ( x ), 根据承袭性的要求，可将其待定为
function yy=malagr(x,y,xx) m=length(x);n=length(y); if m~=n, error('向量x与y的长度必须一致');end s=0; for i=1:n t=ones(1,length(xx)); for j=1:n if j~=i t=t.*(xx-x(j))/(x(i)-x(j)) end end s=s+t*y(i); end yy=s; end 上一页 下一页
(2.9)
(2) 关于节点 x0 , x1 , x2 的二次插值多项式 p2 ( x ), 可将其待定为
p2 ( x ) p1 ( x ) q( x ),
其中 q P2 , 且满足q( x0 ) q( x1 ) 0, 故可令
q( x ) c2 ( x x0 )( x x1 ).
i i
x ,y
n n
称 f ( x ) 为被插函数，pn ( x ) 为n次多项式插值函数，
并称 x0 , x1 ,, xn 为插值节点， 而上述问题被称为
关于节点 x0 , x1 ,, xn 的Lagrange插值问题
湘潭大学数学与计算科学学院 上一页 下一页 3
二、适定性和Lagrange插值公式
Neville插值公式的优点是：
O( n).
缺点是： 形式不直观，且计算表依赖于具体的点x.
湘潭大学数学与计算科学学院 上一页 下一页 19
四、 Newton插值公式
Lagrange 插值虽然易算，但若要增加一个节点时 全部基函数li(x)都需重新算过。 将Ln(x)改写成 ? c ? ( x x ) c?( x x )( x x ) c 0 1 0 2 0 1
x x0 x2 x q( x ) p1,2 ( x ) p0,1 ( x ), x 2 x0 x 2ห้องสมุดไป่ตู้ x0
容易验证 q P2 , 且满足
q( xi ) f ( xi ), i 0,1,2,
故 q( x ) 就是 f ( x ) 关于节点
x0 , x1 , x2
的二次插值多项式， 即
p1 ( x ) p0 ( x ) q( x ),
由 p1 ( x )的定义知 q P1 , 且满足q( x0 ) 0, 故可令
q( x ) c1 ( x x0 ).
湘潭大学数学与计算科学学院 上一页 下一页 21
利用 p1 ( x1 ) f ( x1 ), 可求得
f ( x1 ) f ( x0 ) c1 . x1 x0
定理 2.1 插值问题的解是存在且唯一的.
证明：（构造性证明）
（1）存在性 首先构造特殊插值多项式 l i ( x ) Pn ,
l i ( x k ) i ,k 0, 1, i k, i k,
i , k 0,1,, n.
(2.1)
i ,k : 克罗内克尔(Kronecker)符号.
p0,2 ( x ) q( x ).
湘潭大学数学与计算科学学院 上一页 下一页 17
上述结果可以推广到一般情形.
即若已知 p0,n1 ( x ) 和 p1,n ( x ), 则
xn x x x0 p0,n ( x ) p0,n1 ( x ) p1,n ( x ). x n x0 x n x0
湘潭大学数学与计算科学学院 上一页 下一页 11
注意： 125 11.1803398 则线性插值公式所得近似值有3位有效数字 抛物插值公式所得近似值有4位有效数字 Lagrange插值公式的优缺点： 优点：形式简洁 便于理论分析和许多数值计算公式的推导 缺点：没有承袭性 即当增加新的节点时 所有Lagrange因子必须重新计算
将 ( x0 , p0,1 ( x )) 和 ( x2 , p1,2 ( x )) 看成两个“点”， 过这两“点”作线性插值，可得
x x0 x2 x q( x ) p1,2 ( x ) p0,1 ( x ), x 2 x0 x 2 x0
湘潭大学数学与计算科学学院 上一页 下一页 16
解得
c 1 ( xi x1 )( xi xi 1 )( xi xi 1 )( xi xn )
即
( x x0 )( x x1 )( x xi 1 )( x xi 1 )( x xn ) li ( x ) ( xi x0 )( xi x1 )( xi xi 1 )( xi xi 1 )( xi xn ) i k, 0, l i ( xk ) ni ,k i , k 0,1,, n. (2.1) 1 , i k , L ( x) y l ( x )
湘潭大学数学与计算科学学院
Ln ( x ) yi li ( x )
i 0
n
称为f(x)的n次多项式插值的 Lagrange 公式 也称为Lagrange 插值多项式.
n ( x) li ( x ) ' ( x xi ) n ( xi )
称为n次多项式插值问题的基函数(Lagrange 因子) 其中
湘潭大学数学与计算科学学院
上一页
下一页
9
例1 已知 100 10, 121 11, 144 12, 试分别用 线性插值和抛物插值公式求 125 的近似值. 解 （1）选取
x0 121, x1 144,
利用线性插值公式，可得
y0 11, y1 12,
x 144 x 121 L1 ( x ) 11 12 , 121 144 144 121
下一页
8
当n=2时，抛物插值公式
( x x0 )( x x2 ) ( x x1 )( x x2 ) y1 L2 ( x ) y0 ( x1 x0 )( x1 x2 ) ( x0 x1 )( x0 x2 )
( x x0 )( x x1 ) y2 ( x2 x0 )( x2 x1 )
利用抛物插值公式，可得
y0 10, y1 11, y2 12,
( x 100) ( x 144) ( x 121) ( x 144) 11 L2 ( x ) 10 (121 100) (121 144) (100 121) (100 144)
( x 100) ( x 121) 12 , ( x x100) )( x (144 x2 )121) ( x x0 )( x x2 ) (144 1 L2 ( x ) y0 y1 ( x0 x1 )( x0 x2 ) ( x1 x0 )( x1 x2 ) 于是 ( x x0 )( x x1 ) y2 125 L2 (125) 11.18107. ( x2 x0 )( x2 x1 )
设 x0 , x1 , x n 彼此互异, 记所有次数不超过n 的代数多项式
a0 a1 x an x n
的全体为 Pn .
湘潭大学数学与计算科学学院
上一页
下一页
2
插值问题： 求 pn Pn , 满足
pn ( xi ) yi ,
i 0,1,, n.
x ,y
0 0
x ,y
n ( x ) ( x x j ).
j 0
湘潭大学数学与计算科学学院 上一页 下一页 7
n
例
当n=1时，线性插值公式
( x x0 ) ( x x1 ) y1 L1 ( x ) y0 ( x1 x0 ) ( x0 x1 )
湘潭大学数学与计算科学学院
上一页
上式称为Neville插值公式，它以递推的形式出现. 下面给出Neville插值方法计算表
湘潭大学数学与计算科学学院
上一页
下一页
18
x0 x1 x2 x3 xn
f ( x0 ) f ( x1 ) f ( x2 ) f ( x3 ) f ( xn )
p0,1 p1,2 p0,2 p2,3 p1,3 p0,3 pn1,n pn 2,n pn 3,n … p0,n