《数值分析 清华李庆杨第五版第二章 插值法》由会员分享，可在线阅读，更多相关《数值分析 清华李庆杨第五版第二章 插值法（124页珍藏版）》请在金锄头文库上搜索。
1、, 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,y=f(x),y=p(x),第二章 插值法,插值法的基本原理 设函数y=f(x)定义在区间a, b上, 是 a, b上取定的n+1个互异节点,且在这些点处的函数值 为已知 ,即 若存在一个f(x)的近似函数 ,满足则称 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(2.1)式为插值条件, 而误差函数 R(x)= 称为插值余项, 区间a, b称为插值 区间, 插值点在插值区间内的称为内插, 否则称外插,(2.1),插值
2、函数 在n+1个互异插值节点 (i=0,1,n ) 处与 相等,在其它点x就用 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 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 。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。,满足,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,定理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,是函数 在区间a, b上的n
3、+1个互异的节点 (i=0,1,2,n )上的插值多项式,则求插值多项式P(x) 的问题就归结为求它的系数 (i=0,1,2,n )。,由插值条件: (i=0,1,2,n),可得,这是一个关于待定参数 的n+1阶线性方 程组,其系数矩阵行列式为,称为Vandermonde（范德蒙）行列式，因xixj （当ij），故V0。根据解线性方程组的克莱姆 （Gramer）法则，方程组的解存在惟一，从而P(x)被惟一确定。,惟一性说明，不论用何种方法来构造，也不论用何种形式来表示插值多项式,只要满足插值条件(2.1)其结果都是相互恒等的。,2 拉格朗日（Lagrange）插值为了构造满足插值条件 (i=0
4、,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 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， ,现要求用线性函数 近似地代替f(x)。选 择参数a和b, 使 。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 和 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,为了便于推广，记,这是一次函 数,且有性质,与 称为线性插值基函数。且有,于是线性插值函数可以表示为与基函数的线性组合,例2.1 已知 , , 求,解:
5、这里x0=100，y0=10，x1=121，y1=11, 利用线性插值,（2） 抛物插值抛物插值又称二次插值，它也是常用的代数插值之一。设已知f(x)在三个互异点x0，x1，x2的函数值y0，y1，y2，要构造次数不超过二次的多项式使满足二次插值条件：这就是二次插值问题。其几何意义是用经过3个点的抛物线 近似代替曲线,如下图所示。因此也称之为抛物插值。,P(x)的参数 直接由插值条件决定， 即 满足下面 的代数方程组：,该三元一 次方程组 的系数矩阵,的行列式是范德蒙行列式，当 时， 方程组的解唯一。,为了与下一节的Lagrange插值公式比较,仿线性插值,用基函数的方法求解方程组。先考察一个
6、特殊的二次插值问题：求二次式 ,使其满足条件：,这个问题容易求解。由上式的后两个条件知: 是 的两个零点。于是,再由另一条件 确定系数,从而导出,类似地可以构造出满足条件： 的插值多项式,及满足条件： 的插值多项式,这样构造出来的 称为抛物插值的基函数,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,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 个时,也就是通过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)。与推导抛物插值的基函数类似,先构造一个特殊n次多项式 的插值问题,使其在各节点
7、上满足,即,由条件 ( )知, 都是n次 的零点,故可设,其中 为待定常数。由条件 ,可求得,于是,代入上式,得,称 为关于基点 的n次插值基函数(i=0,1,n),以n+1个n次基本插值多项式 为基础,就能直接写出满足插值条件的n次代数插值多项式。事实上，由于每个插值基函数 都是n次值多项式,所以他们的线性组合,是次数不超过n次的多项式 , 称形如（2.8）式的插 值多项式为n次拉格朗日插值多项式。并记为,（2.8）,例2.2 已知y=f(x)的函数表求线性插值多项式, 并计算x=1.5 的值,X 1 3y 1 2,解: 由线性插值多项式公式得,例2.3 已知x=1, 4, 9 的平方根值,
8、 用抛物插值公式, 求,(x0x1)(x0x2),(xx1)(xx2),y0,+,(x1x0)(x1x2),(xx0)(xx2),y1,+,(x2x0)(x2x1),(xx0)(xx1),y2,p2(7) =,x0=1, x1=4, x2=9,y0=1, y1=2, y2=3,(14)(19),(74)(79),* 1,+,(41)(49),(71)(79),* 2,+,(91)(94),(71)(74),* 3,= 2.7,p2(x) =,例2.4 已知函数y=f(x)在节点上满足x x0 x1 x2y y0 y1 y2求二次多项式 p(x) = a0 + a1x + a2x2 使之满足 p
9、(xi) = yi i=0, 1, 2 解: 用待定系数法, 将各节点值依次代入所求多项式, 得,解上述方程, 将求出的a0, a1, a2 代入 p(x) = a0 + a1x + a2x2 即得所求二次多项式,例2.5 求过点(0,1)、(1,2)、(2,3)的三点插值多项式,解:由Lagrange 插值公式,（给定的三个点在一条直线上）,例2.6 已知f (x)的观测数据 x 0 1 2 4f (x) 1 9 23 3构造Lagrange插值多项式,解 四个点可构造三次Lagrange插值多项式:基函数为,Lagrange插值多项式为,为便于上机计算,常将拉格朗日插值多项式(5.8)改写
10、成,例2.7 已知f(x)的观测数据,x 1 2 3 4 f(x) 0 -5 -6 3,构造插值多项式,解: 四个点可以构造三次插值多项式, 将数据代入插值公式，有,这个例子说明p(x)的项数不超过n+1项，但可以有缺项。,拉格朗日插值算法实现,x0x1 xixi+1 xn-1 xn,y=f(x),y=p(x),a,b,在插值区间a, b上用插值多项式p(x)近似代替f(x), 除了在插值节点xi上没有误差外，在其它点上一般是存在误差的。,若记 R (x) = f(x) - p(x) 则 R(x) 就是用 p(x) 近似代替 f(x) 时的截断误差, 或称 插值余项我们可根据后面的定理来估计它
11、的大小。,插值多项式的误差,定理2 设f(x)在a, b有n+1阶导数， x0, x1, xn 为a, b上n+1个互异的节点, p(x)为满足p(xi) = f(xi) (i=1,2, , n)的n 次插值多项式，那么对于任何x a, b有 插值余项,其中,ab 且依赖于x,证明 ( 略 ),对于线性插值，其误差为对于抛物插值（二次插值），其误差为,例2.8 已知 =100, =121, 用线性插值估计在x=115时的截断误差,解: 由插值余项公式知,因为,例2.9 已知x0=100, x1=121, x2=144,当用抛物插值求在x=115时的近似值，估计其的截断误差,解,=,例2.10
12、设f(x)=x4, 用余项定理写出节点-1, 0, 1, 2的三次插值多项式,解: 根据余项定理,3 均差与牛顿插值多项式拉格朗日插值多项式结构对称，使用方便。但由于是用基函数构成的插值，这样要增加一个节点时，所有的基函数必须全部重新计算，不具备承袭性，还造成计算量的浪费。这就启发我们去构造一种具有承袭性的插值多项式来克服这个缺点，也就是说，每增加一个节点时，只需增加相应的一项即可。这就是牛顿插值多项式。,由线性代数知,任何一个不高于n次的多项式, 都可以表示成函数,的线性组合, 也就是说, 可以把满足插值条件 p(xi)=yi (i=0,1,n)的n次插值多项式, 写成如下形式,其中ak (
13、k=0,1,2,n)为待定系数,这种形式的插值多项式称为Newton插值多项式。我们把它记为Nn(x)即,（3.12）,可见，牛顿插值多项式Nn(x)是插值多项式p(x)的另一种表示形式, 与Lagrange多项式相比它不仅克服了“增加一个节点时整个计算工作重新开始”的缺点, 且可以节省乘除法运算次数, 同时在Newton插值多项式中用到差分与差商等概念，又与数值计算的其他方面有密切的关系.,它满足其中ak (k=0,1,2,n)为待定系数，形如（3.12）的 插值多项式称为牛顿(Newton)插值多项式。,3.1差商及其性质,定义 函数y= f(x)在区间xi ,xi+1上的平均变化率,自变量之差和因变量之差之比叫差商,称为f(x)关于xi , xi+1 的一阶差商,并记为fxi ,xi+1二阶差商,m阶差商,fxi,xj,xk是指,fxi , xj , xk=,fxj , xk- fxi , xj ,xk- xi,一般的,可定义区间xi, xi+1 , xi+n上的n阶差商为,
