《数值分析》第二讲插值法PPT课件
数值分析2-3(牛顿插值法)差商和与牛顿插值
确定插值多项式的次数
根据已知数据点的数量确定插值多项式的最高次 数。
计算插值多项式
利用差商表，通过拉格朗日插值公式计算插值多 项式。
3
进行插值
将需要插值的x值代入插值多项式中，得到对应 的y值。
05
牛顿插值法的优缺点分析
优点
计算简单
局部性质好
相比于其他多项式插值方法，牛顿插 值法的计算过程相对简单，不需要求 解高阶方程，降低了计算的复杂度。
数值分析2-3：牛顿 插值法、差商和
目录
• 引言 • 牛顿插值法的基本概念 • 差商的计算方法 • 牛顿插值法的实现步骤 • 牛顿插值法的优缺点分析 • 实际应用案例 • 总结与展望
01
引言
主题简介
数值分析是数学的一个重要分支，主 要研究如何用数值方法解决各种数学 问题。
本章节将介绍牛顿插值法、差商和的 概念及其应用。
03
差商的计算方法
差商的递推公式
差商的递推公式
$f[x_0, x_1, ldots, x_n] = frac{f[x_1, ldots, x_n] - f[x_0, x_1, ldots, x_{n-1}]}{x_n - x_0}$
应用
通过递推公式，我们可以计算任意点之间的差商，从而得到插值多项式的导数。
在数据点附近，牛顿插值具有较好的 局部性质，能够提供较为准确的插值 结果。
适用性强
牛顿插值法适用于各种数据分布情况， 无论是线性还是非线性数据，都能得 到较好的插值结果。
缺点
全局误差较大
由于牛顿插值多项式的构造方式， 其全局误差通常较大，尤其是在 数据点较少的情况下。
对数据点敏感
如果数据点发生微小的变动，牛 顿插值多项式可能会发生较大的 变化，导致插值结果不稳定。
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
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
数值分析课件CH2_赖志柱201303
Numerical Analysis
2.2.1 Lagrange插值多项式
20
数值分析
Numerical Analysis
21
数值分析
Numerical Analysis
22
数值分析
Numerical Analysis
23
数值分析
Numerical Analysis
24
数值分析
Numerical Analysis
8
数值分析
Numerical Analysis
2.1.2 多项式插值
9
数值分析
Numerical Analysis
• 求插值函数 P( x) 的方法称为插值法，插值点在插 值区间内的叫内插值，否则称为外插值。
10
数值分析
Numerical Analysis
• 若 P( x) 为分段的多项式，就称为分段插值。 • 若 P( x) 为三角多项式，就称为三角插值。 • 若 P( x) 为有理分式(函数)，就称为有理插值。
• 为函数 f 在 xi 上的零阶均差(差商)，称
f [ xi , x j ]
f [ xi ] f [ x j ] xi x j
,(i j )
• 为 f 在 xi , x j 上的一阶均差(差商)，称
47
数值分析
Numerical Analysis
f [ xi , x j , xk ]
25
数值分析
Numerical Analysis
26
数值分析
Numerical Analysis
27
数值分析
Numerical Analysis
28
Ch2插值法
Ch2. 插值法§1. 插值问题引例 矿井中某处的瓦斯浓度y 与该处距地面的距离x 有关，现用仪器测得从地面到井下500米每隔50米的瓦斯浓度数据(,)(0,1,2,,10)= i i x y i ，根据这些数据完成下列工作：(1)寻找一个函数，要求从此函数中可近似求得从地面到井下500米之间任意一点处的瓦斯浓度；(2)估计井下600米处的瓦斯浓度。
第一个问题可归结为“已知函数在n x x x ,,,10⋅⋅⋅处的值，求函数在区间[]n x x ,0内其它点处的值”，这种问题适宜用插值方法解决。
但对第二个问题不宜用插值方法，因为600米已超出所给数据范围，用插值函数外推插值区间外的数据会产生较大的误差。
解决第二个问题的常用方法是，根据地面到井下500处的数据求出瓦斯浓度与地面到井下距离之间的函数关系)(x f ，由)(x f 求井下600米处的瓦斯浓度。
定义 设)(x f y =在[]b a ,中1+n 个点n x x x <⋅⋅⋅<<10处的值)(i i x f y =为已知，现根据上述数据构造一个简单函数)(x p ，使i i y x p =)(，这种问题称为插值问题。
i x x p x f ),(),(,i i y x p =)(分别称为被插值函数、插值函数、插值节点和插值条件。
若)(x p 为多项式，则此问题称为多项式插值或代数插值。
定理1 在插值节点n x x x ,,,10⋅⋅⋅处，取给定值n y y y ,,,10⋅⋅⋅，且次数不高于n 的插值多项式是存在且唯一的。
证 令n n x a x a a x p +⋅⋅⋅++=10)(，则根据插值条件i i y x p =)(有下列等式：⎪⎪⎩⎪⎪⎨⎧=+⋅⋅⋅++=⋅⋅⋅⋅⋅⋅=+⋅⋅⋅++==+⋅⋅⋅++=n n n n n n nn nn yx a x a a x p y x a x a a x p y x a x a a x p 10111101000100)()()( （关于i a 的1+n 阶线性方程组）， 其系数行列式是范德蒙（V andermonde ）行列式()011111100≠-=⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅=∏≥>≥j i n j innnnn x xx x x x x x D 。
插值法概述PPT课件
i0
拉格朗日(Lagrange) 插值多项式
若引入记号 n 1 ( x ) ( x x 0 )x (x 1 )x . .x n .)(
' n 1 ( x k ) （ x k x 0 ） .x . k . x k 1 ( ) x k ( x k 1 )x k . x . n ) ..
(3)
a0a1xna2xn2...anxnn yn
一般插值多项式的原理
令： 1
A
1
x0
x1
x0n x1n
1
xn
xnn
方程组的矩阵形式如下：
a 0
X
a
1
a
n
y0
Y
y
1
y
n
A Y X
( 4 )
n n1
由 于A (xi xj)0 i1 j0
所以方程组（4）有唯一解。
则 (x k ) 0 (k 0 ,1 ,2 ,.n )..
Lagrange插值余项与误差估计
注 R n ( x 意 ) f ( x ) L n ( 到 x ) K ( x ) n 1 ( x )
故 ( x k 有 ) 0( k 0 , 1 , 2 ,n . )且 .. ( x ) 0
插值引例
三、插值引例
实例1
标准正态分布函数 (x)
查
x0
1
2…
函
┇┇ ┇ ┇┇
数
1.0 0.8413 0.8438 0.8461 … 1.1 0.8643 0.8665 0.8686 …
表
┇┇ ┇ ┇┇
求(1.014)
实例2
插值引例
求机翼下轮廓线上一点的近似数值
数值分析第2章插值法PPT课件
上页 下2 页
2.1 引言
2.1.1 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), 求一个次数不超过n的多项式
上页 1下1 页
或用直线的两点式表示为：
L1(x)y0x x0 x x11y1x x1 x x00.
记
l0(x)x x0 x x 1 1, l1(x)x x1 x x0 0.
l l 则 称 ： 0 ( x )叫 做 点 x 0的 一 次 插 值 基 函 数 1 ( x )为
点 x 1的 一 次 插 值 基 函 数
上页 下7 页
2.2 拉格朗日插值
2.2.1 基函数
考虑最简单、最基本的插值问题. 求n次插值多项式 l i(x) (i=0,1, …,n), 使其满足插值条件
Lagrange 法1736-1813
0, ji li(xj) 1, ji (j0,1, ,n ) 可知, 除 xi点外, 其余都是 li(x)的零点, 故可设 l i ( x ) A ( x x 0 ) (xx i 1)(xx i 1) ( x x n )
证 设所求的插值多项式为
Pn(x)=a0+a1x+a2x2+...+anxn
(5-2)
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
上页 下6 页
a0 a1x0 anx0n y0
a0
a1x1
数值分析 第2章 插值PPT课件
第一部分
整体概述
THE FIRST PART OF THE OVERALL OVERVIEW, PLEASE SUMMARIZE THE CONTENT
2
§1 引 言
一、引例
已经测得在某处海洋不同深度处的水温如下：
深度（M） 466 741 950 1422 1634 水温（oC）7.04 4.28 3.40 2.54 2.13
定理
对于给定的互异节点 x0 … xn, 满足 插值条件 P n(xi)yi,i0 ,...,n的 n 阶插值 多项式Pn(x)存在且唯一。
插值多项式的构造：
插值多项式的存在唯一性说明，满足插值条件的 多项式存在，并且插值多项式与构造方法无关。
如何构造插值函数才能达到预期的效果呢？
15
一般插值多项式的构造方法
根据这些数据，希望合理地估计出其它深度（如 500米，600米，1000米…）处的水温.
这就是本章要讨论的“插值问题”
3
问题驱动：汽车的刹车距离
司机驾驶汽车时需要根据车速估计汽车的刹 车距离以确保行车安全。
图2.1.1 某车型干燥路况刹车距离示意图
4
美国的某司机培训课程的有如下驾驶规则：正常的驾 驶条件下对车与车之间的距离的要求是每小时10英里的速 率可以允许一辆车的跟随距离。实现这一规则的简便方法 就是 “2秒法则”：这种方法不管车速为多少，后车司机 从前车经过某一标志开始默数“一千零一，一千零二”， 这样用英文读完就是两秒。如果你在默数完这句话前就到 了同一标志处，那么你的车和前面的车靠得太近了。
x0nan x1nan
y0 y1
（2.2.2）
1 a0 xna1 xnnan yn
13
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
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
数值分析第二章 插值法
多项式，其中 p( x )可以是任意多项式。
推论
§1 Lagrange Polynomial
插值余项 /* Remainder */
设节点 a x0 x1 xn b f ( n) ( x)在[a, b]上连续 f ( n1)在[a , b]内存在, 考察截断误差 R ( x) = f ( x) - L ( x) n n
li ( xi ) = 1
Ci =
1 j i ( xi - x j )
与 节点 有关，而与 f 无关
ቤተ መጻሕፍቲ ባይዱ
Lagrange Polynomial
(x - xj ) li ( x ) = ( xi - x j ) ji
n j =0
Ln ( x ) = l i ( x ) yi
i =0
n
§1 Lagrange Polynomial
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……
课堂作业
1. 当x = 1,-1,2时, f ( x) = 0,-3,4, 求f ( x)的二次插值多项式 2.
已知由数据 (0,0), (0.5, y), (1,3)和(2,2)构造出的 3 三次插值多项式 P ( x ) 的 x 的系数是 6,试确定数据 y 3
=
x - x1 y + x 0 - x1 0
x - x0 y = x1 - x 0 1
l ( x) y
i =0 i
1
i
l0(x)
l1(x)
§1 拉格朗日多项式
例1
/* Lagrange Polynomial */
数值分析第二章PPT
§4 差分与等距节点插值
上节讨论任意分布节点的插值公式，应用时常碰到等距 节点的情形，此时插值公式可简化，为此先介绍差分． 一、差分及其性质
差分的基本性质:
差分表:
k fk ∆
∆2
0 f0
∆f0
1 f1
∆2f0
∆f1
2 f2
∆2f1
∆f2
3 f3
∆2f2
∆f3
┆
4 f4 ┆
┆┆
• 解 x0 = − 1, x1 = 1,
f(0.5)≈H3(0.5) = 3.5625.
例2 给定 f(0) = 1, f(1) = 2, f '(0) = 2, 构造二次插值函数。
• 解 公式法
•
设 f '(1) = m1，有三次Hermite插值公式得，
令 m1 = 0，得到二次Hermite插值函数 H2(x) = −x2 + 2x + 1.
利用
sin 50内0 插L1(通51p8常) 优0于.77外614推。这选里择
而 要计算的 x 所在的区间的
端点，插值效果较好。
sin 50 = 0.7660444…
外推 /* extrapolation */ 的实际误差 0.01001
利用
sin 50 0.76008,
内插 /* interpolation */ 的实际误差 0.00596
二、拉格朗日插值多项式
需要指出…
练习 给定数据表
xi
ห้องสมุดไป่ตู้
01 2
3
yi
0 1 5 14
求三次拉格朗日插值多项式L3(x).
三、插值余项与误差估计
数据插值方法ppt
54.859 55.439 // 57.602 57.766 51.891 36.464
先用 MATLAB 画出水流速散点图。
2024/1/2
差值方法
t=[0 0.921 1.843 2.949 3.871 4.978 5.9 7.006 7.982 8.967 10.954 12.032 12.954 13.875 14.982 15.903 16.826 17.931 19.037 19.959 20.839 22.958 23.88 24.986 25.908]; r=[54.516 42.320 38.085 41.679 33.297 37.814 30.748 38.455 32.122 41.718 73.686 76.434 71.686 60.19 68.333 59.217 52.011 56.626 63.023 54.859 55.439 57.602 57.766 51.891 36.464];
2024/1/2
差值方法
例 1、已知欧洲一个国家的地图，为了算出它的国土 面积，对地图作了如下测量：以由西向东方向为 x 轴，由南向北方向为 y 轴，选择方便的原点，并将 从最西边界点到最东边界点在 x 轴上的区间适当的 分为若干段，在每个分点的 y 方向测出南边界点和北 边界点的 y 坐标 y1 和 y2，这样就得到下表的数据（单 位：mm）。
3、样条插值
这是最常用的插值方法。数学上所说的样条，实质上
是指分段多项式的光滑连接。设有
a x0 x1 xn b
称分段函数 S(x) 为 k 次样条函数,若它满足
(1) S(x) 在每个小区间上是次数不超过 k 次的多项式;
(2) S(x) 在[a,b] 上具有直到 k 1阶的连续导数。 用样条函数作出的插值称为样条插值。工程上广泛采用三
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。
(完整版)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. 由实验给出数据表x 0.0 0.1 0.2 0.3 0.5 0.8 1.0y 1.0 0.41 0.50 0.61 0.91 2.02 2.46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。
- 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)。
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)
l k 1 ( x k 1 ) 1 ,l k 1 ( x k ) 0 ,l k 1 ( x k 1 ) 0 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
的插值函数；
x0 , x1, ... , xn称为插值节点；
(xi, yi), i=1,2,… , n称为插值点；
[a，b]称为插值
区间
第二章：插值
§2.1 引言 1、插值的目的
数值分析
（1）通过插值找规律：
通过实验、观测等方式得到的数据寻求事物的发展规律。
y
yf(x)
y0 y1 yi
x
x 0 x 1
a0
a1x1 an
x1n
y1
(1)
a0 a1xn anxnn yn
既有 1 x0 x02 x0na0 y0
1 1
x1
xn
x12
xn2
xx1nnnaan1
y1 yn
数值分析
(2)
第二章：插值
数值分析
因为
1 x0 x02 x0n
1
x1
x12
x1n 0ij(nxj xi ) 0
xi
x n
第二章：插值
（2）通过插值求函数值
如 ysinx y
3
o
2
2
数值分析
p( x)
sinx x
2
第二章：插值
数值分析
1、插值的基本概念
设函数 yf在(x区)间 有定a,义b，且在已知点：
a x 0 x 1 上 的x 函n 数 值b 为： 如果存在一个简单函数 yp使(x)
y0, y1,, yn yi p(xi)
f (x) p( x) (xk1, yk1)
(xk , yk )
P(x)ykx yk k 1 1 x yk k(xxk)o
x
ykx xk k 1 1 x xk kx yk k 1 1 x yk k(xxk)
x k 1y k x ky k y k 1 x y k 1 x k y kx y kx k x k 1 x k
lk1(x)(x(k x 1 x xk k 1 1))x x ((k 1x kx )k)
第二章：插值
数值分析
令 P ( x ) l k 1 ( x ) y k 1 l k ( x ) y k l k 1 ( x ) y k 1
则 P ( x k 1 ) y k 1 ,P ( x k ) y k ,P ( x k 1 ) y k 1
i0,1,2, ,n
则称 p( x为) f的(插x)值函数；点
ax0 xnb
称为插值节点；包含插值称为插值法。
p( x) 可以是多项式、分段函数、三角函数等等.
第二章：插值
数值分析
2、插值多项式的存在唯一性
已知数表
x0 y0
x1 y1
xn yn
第二章：插值
xk1ykyk1xyk1xkykx xk1xk
xxk xxkk 11ykxx k1 xx kk yk1
其中记
lk(x)xxk xxkk 11 01,,
xxk xxk1
lk1(x)xx k1 xx kk 10 ,,
xxk xxk1
数值分析
第二章：插值
即
1, st ls(xt )0, st
第二章：插值
《数值分析》第二讲
数值分析
插值函数P(x)
插值与拟合 设f(x)为[a，b]上的函数，在互异点x0 , x1, ... , xn 处的函数值分
别为 y0 , y1 , … , yn , 构造的简单函数 P(x)，满足 P(xi)＝f(xi) ,
i＝0, 1, 2, …,n .
P(x)称为关于节点x0 , x1, ... , xn
令多项式 P (x ) a 0 a 1 x a 2 x 2 a n x n 满足 P (x i)yi i 0 ,1 ,2 , ,n
即方程组 a0 a1 x0 an x0n y0
a0
a1
x1
an
x1n
y1
a0 a1xn an xnn yn
有唯一解
第二章：插值
a0 a1x0 anx0n y0
lk(x)((xx k x xk k 1 1))((x xkxx k k1)1)
o
lk1(x)(x(k x 1 x xk k 1 1))x x ((k 1x kx )k)
数值分析
(xk1, yk1) x
第二章：插值
数值分析
则 l k 1 ( x k 1 ) 1 ,l k 1 ( x k ) 0 ,l k 1 ( x k 1 ) 0