下载文档原格式
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。
数值分析--第2章插值法第2章 插值法在科学研究与工程技术中，常常遇到这样的问题：由实验或测量得到一批离散样点，要求作出一条通过这些点的光滑曲线，以便满足设计要求或进行加工。
反映在数学上，即已知函数在一些点上的值，寻求它的分析表达式。
此外，一些函数虽有表达式，但因式子复杂，不易计算其值和进行理论分析，也需要构造一个简单函数来近似它。
解决这种问题的方法有两类：一类是给出函数)(x f 的一些样点，选定一个便于计算的函数)(x ϕ形式，如多项式、分式线性函数及三角多项式等，要求它通过已知样点，由此确定函数)(x ϕ作为)(x f 的近似，这就是插值法；另一类方法在选定近似函数的形式后，不要求近似函数过已知样点，只要求在某种意义下在这些样点上的总偏差最小。
这类方法称为曲线（数据）拟合法。
设已知函数f 在区间],[b a 上的1+n 个相异点ix 处的函数值(),0,,iif f x i n ==，要求构造一个简单函数()x ϕ作为函数()f x 的近似表达式()()f x x ϕ≈，使得()(),0,1,,iiix f x f i n ϕ=== (2-1) 这类问题称为插值问题。
称f 为被插值函数；()x ϕ为插值函数；nx x ,,0 为插值节点；(2-1)为插值条件。
若插值函数类{()}x ϕ是代数多项式，则相应的插值问题为代数插值。
若{()}x ϕ是三角多项式，则相应的插值问题称为三角插值。
若{()}x ϕ是有理分式，则相应的插值问题称为有理插值。
§1 Lagrange 插值1.1 Lagrange 插值多项式设函数f 在1+n 个相异点01,,,nx x x 上的值n i x f f ii ,,1,0),( ==是已知的，在次数不超过n 的多项式集合n P 中，求()nL x 使得(),0,1,,n i iL x f n n == (2-2) 定理2.1 存在惟一的多项式nn P L ∈满足插值条件(2-2)。
牛顿插值法摘要：值法利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。
如果这特定函数是多项式，就称它为插值多项式。
利用插值基函数很容易得到拉格朗日插值多项式，公式结构紧凑，在理论分析中甚为方便，但当插值节点增减时全部插值基函数均要随之变化，整个公式也将发生变化，这在实际计算中是很不方便的，为了克服这一缺点，提出了牛顿插值。
牛顿插值通过求各阶差商，递推得到的一个公式：f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x 0)...(x-xn-1)+Rn(x)关键词：牛顿插值法流程图程序实现一、插值法的由来在许多实际问题及科学研究中，因素之间往往存在着函数关系，然而，这种关系经常很难有明显的解析表达，通常只是由观察与测试得到一些离散数值。
有时，即使给出了解析表达式，却由于表达式过于复杂，不仅使用不便，而且不易于进行计算与理论分析。
解决这类问题的方法有两种：一种是插值法,另一种是拟合法。
插值法是一种古老的数学方法，它来自生产实践，早在一千多年前，我国科学家在研究历法上就应用了线性插值与二次插值，但它的基本理论却是在微积分产生之后才逐渐完善的，其应用也日益增多，特别是在计算机软件中，许多库函数，如等的计算实际上归结于它的逼近函数的计算。
逼近函数一般为只含有算术运算的简单函数，如多项式、有理分式（即多项式的商）。
在工程实际问题当中，我们也经常会碰到诸如此类的函数值计算问题。
被计算的函数有时不容易直接计算，如表达式过于复杂或者只能通过某种手段获取该函数在某些点处的函数值信息或者导数值信息等。
因此，我们希望能用一个“简单函数”逼近被计算函数，然后用该简单函数的函数值近似替代被计算函数的函数值。
这种方法就叫插值逼近或者插值法。
逐次线性插值法优点是能够最有效地计算任何给定点的函数值，而不需要写出各步用到的插值多项式的表达式。
第二章 插值法在科学研究与工程技术中，常常遇到这样的问题：由实验或测量得到一批离散样点，要求作出一条通过这些点的光滑曲线，以便满足设计要求或进行加工。
反映在数学上，即已知函数在一些点上的值，寻求它的分析表达式。
此外，一些函数虽有表达式，但因式子复杂，不易计算其值和进行理论分析，也需要构造一个简单函数来近似它。
解决这种问题的方法有两类：一类是给出函数()f x 的一些样点，选定一个便于计算的函数()x ϕ形式，如多项式、分式线性函数及三角多项式等，要求它通过已知样点，由此确定函数()x ϕ作为()f x 的近似，这就是插值法；另一类方法在选定近似函数的形式后，不要求近似函数过已知样点，只要求在某种意义下在这些样点上的总偏差最小。
这类方法称为曲线（数据）拟合法。
设已知区间[,]a b 上的实值函数f 在1n +个相异点[,i x a b ∈处的函数值(),0,1,,i i f f x i n == ，要求构造一个简单函数()x ϕ作为函数()f x 的近似表达式()()f x x ϕ≈使得()(),0,1,,i i i x f x f i n ϕ=== (2-1)这类问题称为插值问题。
称f 为被插值函数；()x ϕ为插值函数；0,,n x x 为插值节点；(2-1)为插值条件。
若插值函数类{()}x ϕ是代数多项式，则相应的插值问题为代数插值。
若{()}x ϕ是三角多项式，则相应的插值问题称为三角插值。
若{()}x ϕ是有理分式，则相应的插值问题称为有理插值。
§1 Lagrange 插值1.1 Lagrange 插值多项式设函数f 在1n +个相异点01,,,n x x x 上的值(),0,1,,i i f f x i n == 是已知的，在次数不超过n 的多项式集合n P 中，求()n L x 使得(),0,1,,n i i L x f n n == (2-2)定理1 存在惟一的多项式n n L P ∈满足插值条件(2-2)。
牛顿插值法(1)牛顿真是牛，拉格朗日插值法只能算是数学意义上的插值，从插值基函数的巧妙选取，已经构造性的证明了插值法的存在性和惟一性，但是从实现的角度看并不很好，而牛顿很好的解决了这个问题。
牛顿插值是基于下面这些的公式：f[x0,x1,...xk]=(f[x1,...xk]-f[x0,...xk-1])/(xk-x0)f[x]=f(x)f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0)...(x-xn-1)+Rn(x)前两个是均差的递推关系式，而后一个就是牛顿插值公式，其中N(x)=f(x)-Rn(x)，即目标多项式，Rn(x)是n阶插值余项，我们就是用N(x)去近似f(x)。
可以构造这样一个均方差表：xk f(xk) 一阶均差二阶均差 ...x0 f(x0)x1 f(x1) f[x0,x1]x2 f(x2) f[x1,x2] f[x0,x1,x2]...如果有n个点插值，表会有(n*n)/2+n个表项，如果直接编程会有O(n*n)的空间复杂度，编程时做个简单的改进，不难发现在这个表中只有部分数据有用，对角线（斜行）它们是目标值，用来表示多项式的，左边的两纵行（实际上只需要x一行）以及最底下的一行，表示当前插值的状态。
经过改进后只需要O(n)的空间复杂度。
两个过程：1，新增加一个点时的更新。
只须更新最底下一行数据，其递推关系由均差公式给出，最后算出高一队的均差值，需时O(n)2，插入点完成后如何计算多项式在另外给定点的值N(x)。
由牛顿插值公式，最终的表达式为：N(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0)...(x-xn-1)如果直接将它展开，再算实在麻烦，实际上大可不必这样做，还记得多项式求值的秦九韶算法吗？将多项式‘叠’起来，从内层括号往外一层层拨开，n次多项多的计算，只需要做n次乘法，同样的思想，将上式改写成：N(x)=f[x0]+(x-x0){f[x0,x1]+(x-x1){f[x0,x1,x2]+(x-x2){...{f[x0,...xn-1]+(x-xn-1)f[x0, (x)n]}...}就可以同样简单的计算了，时间复杂度O(n)综合起来的性能：对于n个点的插值，产生多项式的时间复杂度是O(n*n)，最终进行一个点的计算的时间复杂度是O(n)。
