《数值分析》 11
主要内容:
插值法的应用背景
代数插值问题的适定性 线性插值与二次插值 拉格朗日插值公式
1
引例:函数 sin x 的逼近
(1) 线性函数逼近 y0 = x (2)泰勒级数逼近
y
1(x)= x – x
3/3! + x
5/5!
(3)抛物线逼近(error=0.0559)
y
2=4x(π – x)/π
2(4)帕特逼近(error=0.0036)
0 1 2 3 4
0 0.5 1 1.5
0 1 2 3 4
0 0.5 1 1.5
0 1 2 3 4
0 0.5 1
) 5
364 11088
( 15
551 22260
166320 )
( 23 4 5
x x
x x
x x
P
插值法的应用背景
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
-0.4 -0.2 0 0.2 0.4
(1)复杂函数的计算; 0.6
(2)函数表中非表格点计算 (3)光滑曲线的绘制;
(4)提高照片分辩率算法 (5)等等
5 10 15
5 10 15
2 4 6 8
2 4 6 8
2
0
( ) 2 x t
Erf x e dt
引例2:误差函数
x 0 0.5000 1.0000 1.5000 2.0000 2.5000 3.0000 y 0 0.5205 0.8427 0.9661 0.9953 0.9996 1.0000
] 5205 .
0 )
1 ( 8427
. 0 )
5 . 0 5[(
. 0 1
) 1
(
x x
x Erf
当
x∈(0.5, 1)
时] 8427 .
0 )
5 . 1 ( 9661 .
0 )
1 1[(
5 . 1 ) 1
(
x x
x Erf
当
x∈(1, 1.5)
时3
已知f(x)在点xi上的函数值 yi=f(xi), (i=0,1,2,···,n)
则称 P(x) 为 f(x) 的插值函数.
称 x0, x1, ···, xn为 插值结点; 称
f(x)
为被插值函数.如果
P(x)=a
0 + a1x +···+ a
nx
n满足: P(xk)= yk
( k = 0,1,…,n )
设 f(x)∈C [a , b], 取点 a ≤x0<x1<···<xn≤b
代数插值问题
插值条件
5
点,则满足插值条件
P
(xk)= yk (k = 0,1,…,n)的
n
次插值多项式P(x)=a
0 + a1x +……+ a
nx
n存在而且是唯一的。
n n n n n
n n n n
y x
a x
a a
y x
a x
a a
y x
a x
a a
1 0
1 1
1 1 0
0 0
0 1 0
证明: 由插值条件
P(x
0)= y
0P(x
1)=y
1···
P(x
n)=y
n定理
5.1
若插值结点x
0, x
1,···, x
n 是 (n+1)个互异
代数插值问题
代数插值问题
nn n
n n
x x
x x
x x
A
1 1 1
|
| 1 1
0 0
方程组系数矩阵取行列式
故方程组有唯一解.
从而插值多项式
P(x)
存在而且是唯一的.例5.1 误差函数表可构造6次插值函数
0 )
0(
i j j
i
n x x
x 0 0.5000 1.0000 1.5000 2.0000 2.5000 3.0000 y 0 0.5205 0.8427 0.9661 0.9953 0.9996 1.0000
7
代数插值问题
) (
)
(
00 1
0
0 1
x x
x x
y y y
x
L
过两点直线方程
求满足: L(x0)=y0 , L(x1)=y1的线性函数
L(x) 已知函数表 x x
0x
1f(x) y0 y1
例 求 的近似值(函数值: 10.7238)
115
10.7143 )
100 115
100 ( 121
10 10 11
115
代数插值问题
0 1
1 0 0
1
0( ) 1 , ( )
x x
x x x
x l x
x x x
l
记
当
x
0≤x
≤x
1 时 0≤l0(x)≤1, 0≤l1(x)≤1x x0 x1 l0(x) 1 0 l1(x) 0 1
1 1
0
0
( ) ( )
)
( x l x y l x y
L
[y0 y1] = [1 0]y0 + [0 1]y1
0 0 1
1 1 0
1
)
0( y
x x
x y x
x x
x x x
L
对称形式
9
二次插值问题
x
x0x
1x
2f(x) y
0 y1 y2已知函数表
求函数
L(x)=a
0+ a
1x + a
2x
2 满足:L(x
0)=y
0, L(x
1)=y
1, L(x
2)=y
2[y0 y1 y2] = [1 0 0]y0 + [0 1 0]y1+ [0 0 1]y2
L(x)=l
0(x)y0+l1(x)y1+l2(x)y2,二次插值问题
) )(
(
) )(
) ( (
2 0
1 0
2
0
x x
1x x
x x
x x x
l
二次插值函数
: L(x)=l
0(x)y0+l1(x)y1+l2(x)y2,x x0 x1 x2 l0(x) 1 0 0
l0(x) 1 0 0 l1(x) 0 1 0 l2(x) 0 0 1 L(x) y0 y1 y2 x x0 x1 x2
) )(
(
) )(
) ( (
2 1
0 1
2
1 x x0 x x
x x
x x x
l
) )(
(
) )(
) ( (
1 2
0 2
1
2 x x0 x x
x x
x x x
l
11
二次插值问题
二次插值基函数图形
0 0.5 1
-0.5 0 0.5 1
0 0.5 1
-0.5 0 0.5 1
0 0.5 1
0 0.5 1
取 x0 =0, x1 = 0.5, x2 = 1
0 0.5 1
-0.5 0 0.5 1
l0(x)=2(x – 0.5)(x – 1);
l1(x)= – 4 x(x – 1);
l2(x) = 2(x –0.5)x
二次插值问题
二次插值的一个应用——极值点近似计算
二次插值函数
: L(x)=l
0(x)y0+l1(x)y1+l2(x)y2,0 ]
) ( )
( )
(
[ l
0x y
0 l
1x y
1 l
2x y
2 dx
d
) )(
(
) (
) 2 (
1 2
0 2
1
2 x x 0x x
x x
x x
l
2 0
1 1
0 2
0 1
2
2 2 2 0
1 2 1
2 0 2 2 0
2 1 2
*
( ) ( ) ( )
) (
) (
) (
2 1
y x
x y
x x
y x
x
y x
x y
x x
y x
x x
) , )(
(
) (
) 2 (
2 0
1 0
2
0
x x
1x x
x x
x x
l
) )(
(
) (
) 2 (
2 1
0 1
2
1
x x
0x x
x x
x x
l
极值点近似计算公式
13
拉格朗日插值公式
插值条件
:L(xk)= yk (k = 0,1,…,n)n n
n
x l x y l x y l x y
L ( )
0( )
0
1( )
1 ( )
) (
) )(
( )
(
) (
) )(
( )
) ( (
1 1
0
1 1
0
n k
k k
k k
k
n k
k
x x x x
kx x x x
x x
x x
x x
x x x
l
其中
,第k (k=0,1,…,n)个插值基函数
nk
jj k j
j
k
x x
x x x
l
0
( )
) ) (
(
或
:拉格朗日插值公式
Runge反例: , (-5 f ( x ) 1 1 x
2 ≤x
≤5)-0.5 0 0.5 1 1.5
2
L
10(t)
f(t) f(x)
取 x
k= –5+k 计算: f(xk) (k=0,1,…,10)得到插值函数 L
10(x).为了显示, 取tk= –5+0.05k (k=0,1,…,200), 通过 f(tk)画f(x)
15
拉格朗日插值公式
Runge现象:
在数值分析领域中,龙格现象是在一组等间插值点上使用具有高 次多项式的多项式插值时出现的区间边缘处的振荡问题。
它是由卡尔.龙格(Runge)在探索使用多项式插值逼近某些函 数时的错误行为时发现的。这一发现非常重要,因为它表明使用 高次多项式插值并不总能提高准确性。 该现象与傅里叶级数近似 中的吉布斯现象相似。
拉格朗日插值公式
x=(-5:5)'; t=-5:0.05:5;
N=length(x); n=length(t);
y=1./(1+x.^2);
y1=1./(1+t.^2);
T=ones(N-1,1) *t;
P=0;E1=ones(1,n);
for k=1:N
Xk=x;Xk(k)=[];
Q=prod(x(k)-Xk);
P=P+y(k)*prod(T-Xk*E1)/Q;
endplot(x,y,'ko',t,y1,t,P,'r')
学到了什么?
17
插值法的应用背景
代数插值问题的适定性 线性插值与二次插值 拉格朗日插值公式