《关于几种插值多项式的比较分析数学与应用数学本科毕业论文》由会员分享，可在线阅读，更多相关《关于几种插值多项式的比较分析数学与应用数学本科毕业论文（20页珍藏版）》请在金锄头文库上搜索。
1、 TONGREN UNIVERSITY 学 号：2009043012本 科 毕 业 论 文关于几种插值多项式的比较分析 系 别:数学与计算机科学系系 学 科:理 学 专 业:数学与应用数学专业 指导教师： 贵州 铜仁2013年5月数学与应用数学 本科毕业论文贵州 铜仁2013年6月Tongren university目 录（理科）摘 要IABSTRACTII引言- 1 -1 、几种常见的插值公式及其构造- 1 -1.1 Lagrange插值法- 2 -1.2 Newton插值法- 3 -1.3 Hermite插值法- 5 -1.4 分段低次插值法- 6 -1.5 三次样条插值法- 7 -2 、
2、例题- 8 -3 、结束语- 12 -4、参考文献- 13 -附录1- 14 -附录2- 14 -附录3- 15 -5、致谢：- 15 - 关于几种插值多项式的比较分析数学与计算机科学系 数学与应用数学专业 王 晔 摘 要 插值法是数值算法的最基本方法之一，同时也是函数逼近、数值积分、数值微分、微分方程数值解的基础。许多实际问题都需要运用插值法来解决，所以通过介绍几种常见的插值公式及其误差估计，如：Lagrange插值公式、Newton插值公式、Hermite插值公式、分段低次插值公式、三次样条插值公式。讨论和比较它们的实用范围和优缺点.关键词：数值分析 插值法 插值公式 误差 MatlabC
3、omparison and Analysis on several kinds of interpolation polynomialsMathematics and Computer Science Department Mathematics and Applied MathematicsWang YeABSTRACT Interpolation is one of the most basic method of numerical algorithm, but also the function approximation, numerical integration, numeric
4、al differentiation, numerical solution of differential equation based. Many practical problems need to solve by using the interpolation method, so the introduction of several common interpolation formula and error estimate, such as: Lagrange interpolation formula, Newton formula, Hermite formula of
5、interpolation, piecewise low-order interpolation formula, three spline interpolation formula. Discuss and compare their application range and advantages and disadvantages.Keywords:Numerical analysis Method of interpolation Formula of interpolation Error Matlab引言在全球化、信息化浪潮大力推动下，计算机技术得到了迅速的发展。插值法也在生活、
6、工程和科学研究中得到了更为广泛的应用。比如在计算断面的面积、漏磁探伤和曲线拟和等诸多实际问题中，有的函数虽然给出了解析表达式，但往往过于复杂而难以计算，使用不方便；有的函数只能给出它在平面上一些离散的点和这些点的函数值，而函数的具体解析表达式则不能给出，在这样的情况下，选用近似函数来逼近函数。在数学上有多种方法逼近函数，本文主要讨论怎样运用插值法去逼近函数，比较插值法的优缺点，并讨论插值法的适用范围。1 、几种常见的插值公式及其构造插值法是函数插值法的简称，它的基本思想是：构造一个简单便于计算的函数去逼近原函数，通过计算逼近函数在某一点的值从而得到原函数在这一点的近似值，而求的方法就称为插值法
7、。下面给出插值函数的一般定义：定义：已知（可能未知或表达式非常复杂）是定义在区间上的函数，在这个区间上有个彼此不相同的点,且对应的函数值为。寻找一个简单、便于计算的函数，使满足：通常称为插值区间，为被插值函数，为插值函数，为插值节点。其中当是多项式时，称为代数插值方法，即多项式插值。若设为误差函数或余项，则有.而且满足关系式: 1.1 Lagrange插值法已知Lagrange插值是为次多项式插值，首先考察低次的插值多项式。当时，要构造出过两点与的多项式（次数不超过1次且），使得。则可以写成： 它是两个线性函数的线性组合，所以称为线性插值多项式.当时，相应的构造出过三点的多项式（次数不超过2且
8、），使得。则可写成：式被称为抛物线插值多项式。同理，当为插值节点时，有,则可写成： 式被称为Lagrange插值多项式.在，式子中，均为插值基函数，且满足： ，即得.误差估计由定理形式给出：定理1.1.1 设为区间上互不相同的节点，且在内存在，满足的插值多项式，则对，使得.还可写成其截断误差：.其中，.Lagrange插值多项式的优点是表达式简单明确、便于推导、格式整齐规范；缺点是没有承上启下性和计算量大，即当需要增加、减少新的节点或节点位置变化时，就得从新计算所以的函数。1.2 Newton插值法在介绍Newton插值法之前，先来了解一下什么是差商?给定了函数在节点处的函数值。那么有形如：，
9、称为函数关于节点处的一阶差商。同理给出在节点处的函数值。则被称为函数关于节点的阶差商。所以可得到差商表如下所示：表1 差商表一阶差商二阶差商三阶差商 由差商的定义可以得出：所以有： 其中：。即是过n+1个插值点的n阶Newton插值多项式，为插值多项式误差。由于次Newton插值多项式与次Lagrange插值多项式是恒等的，只是表达方式不同，即Newton插值多项式的余项和Lagrange插值多项式的余项相同：.当用Newton插值多项式计算较高次的插值时，只需添加一项对应的节点和在这节点处的计算即可，而表达式前面的计算仍然有效，从而节省了计算量。但是用Lagrange插值多项式计算较高次的插
10、值时，在添加一项对应的节点和其计算时，表达式也要经过重新计算，计算量明显的增大。所以Newton插值多项式在这一点上克服了承上启下的问题。但随着次数n的增大，其误差不是很稳定，所以Newton插值对高次插值是不可取的。1.3 Hermite插值法定义：设在个不同的插值节点上，给定，。要求一个次数不超过的多项式，使得满足条件：，.则称满足这种条件的多项式为Hermite插值多项式。由于Hermite插值是带有导数的插值法，所以在运用Hermite插值法时就必须知道在节点处的函数值和其导数值，且还要求它们相等.如表2所示，知道了节点处的函数值和其导数值：表2 节点数据表由表2可构造出一个次数不高于
11、的多项式，则称为Hermite插值多项式，即。其中，为插值基函数，则对，使得误差函数或余项.HermiteHermite插值公式计算不但要求在节点处的导数值相等，甚至高阶导数也要求相等，条件太高. 1.4 分段低次插值法在实际运用函数作插值多项式时，并不是插值多项式的次数越高，插值余项就越小，值就越精确。这时就出现了计算出来的值与真实值相差很大的问题，比如说常见的龙格现象.针对这类问题，通常采用分段低次多项式去分段被插函数。以下介绍常用的分段线性插值.设有n+1个节点，对应的函数值为.若记，有满足： （1）属于； （2）； （3）在任一个小区间上，是线性多项式.则称为分段线性插值函数（其中）.
12、所以在每个小区间上，可表示为：误差估计由定理给出：定理1.4.1 若，记，则对.有误差函数或余项估计：.分段低次插值函数有很好的一致收敛性和稳定性，它计算量小，在实际生活中用到是最广的.但它的光滑性太差. 1.5 三次样条插值法 三次样条插值法也是一种分段插值法。由于在许多实际问题中，用分段低次插值法去逼近函数，不仅要求被插函数的一阶导数存在且连续，而且二阶导数也是一样。所以引人三次样条插值法就是为了克服这个缺点。设区间上有个节点，节点为，且这些节点的函数值分别为。现在假如存在一个分段函数，且 使得在以下条件：（1）； （2）的二阶导数在上连续； （3）在每个小区间为三次多项式.恒成立，其中（
13、），则称为三次样条插值函数.误差估计由定理给出：定理1.5.1 设，且记,则对，都有的误差估计式:三次样条插值函数它同样具有良好的收敛性和逼近性，它在内节点处的二阶导数是连续的，即曲线光滑。 2 、例题例1 给出自然对数和它的导数的数表如下： 表3 数据表（1） 利用Lagrange插值公式求的近似值并估计误差；（2） 利用Newton插值公式求的近似值并估计误差；（3） 利用Hermite插值公式求的近似值并估计误差. 分析 本题有多种解法，除了要求的几种方法外，还可以用待定系数法、逐次线性插值法求解. 解：（1）利用Lagrange插值公式，得用和作3次Lagrange插值多项式， 则把代入中得： 由于 即有 （2）利用Newton插值公式，得差商表如下 表4 差商表一阶差商二阶差商三阶差商所以 把代入中得：
