数值分析重要插值公式

数值分析重要公式

插值

拉格朗日插值

拉格朗日插值多项式

n次插值基函数:(2.7)

lj(xk)={1, k=j, 0, kj,j,k=0,1,,n

这n+1个n次多项式l0(x),l1(x),,ln(x)x0,x1,,xnn次插值基函数

具体表达式:(2.8)

lk(x)=(xx0)(xxk1)(xxk+1)(xxn)(xkx0)(xkxk1)(xkxk+1)(xkxn),k=0,1,,n

拉格朗日插值多项式:(2.9)

Ln(x)=k=0nyklk(x)

lk(x)xkykxkLn(xj)=yj,j=0,1,,n

引入记号:(2.10)

$$
ω_{n+1}(x)=(x-x_0)(x-x_1)…(x-x_n)
\ ω^{‘}{n+1}(x_k)=(x_k-x_0)…(x_k-x{k-1})(x_k-x_{k+1})…(x_k-x_n)
$$

插值余项估计定理:(2.12)

牛顿插值

均差(差商)

1阶均差:

2阶均差:

k阶均差:(3.3)

均差的对称性:

k阶均差另一表达(由对称性):(3.3)‘

n阶均差与(n阶)导数的关系:(3.5)

均差表:

牛顿插值多项式

牛顿均差插值多项式:(3.6)

$$
P_n(x)=f(x_0)+fx_0,x_1+fx_0,x_1,x_2(x-x_1)\+…+fx_0,x_1,…,x_n(x-x_1)…(x-x_{n-1})
$$

插值余项:(3.7)

由(2.10)式定义

一阶差分:称为xk处以h为步长的一阶(向前)差分

二阶差分:

xk处的n阶差分(3.8):

均差与差分的关系(3.11):

差分与导数的关系(3.12):

牛顿前插公式:(3.13)

前插公式余项:(3.14)

h为步长,为步长的n次方,为函数的n+1阶导函数

形式差分表:

埃尔米特插值

重节点均差和泰勒插值

n阶重节点的均差:(4.1)

泰勒插值多项式(4.2):

它满足条件(4.3):

其余项(4.4):

x∈[a,b]

两个典型的埃尔米特插值

第一种埃尔米特插值:满足条件(三个零点,一个一阶导数)

插值多项式:

$$
P(x)=f(x_0)+fx_0,x_1+fx_0,x_1,x_2(x-x_1)+A(x-x_0)(x-x_1)(x-x_2)
$$

其中

余项(4.5):

第二种埃尔米特插值:两点三次埃尔米特插值,插值节点取为xk及xk+1,插值多项式为H3(x),满足条件(4.6):

采用基函数方法,令(4.7)

,其中为关于节点xk和xk+1的三次埃尔米特插值基函数,分别满足条件:

$$
α_k(x_k)=1,α_{k+1}(x_{k+1})=0,α’{k}(x_k)=α’{k}(x_{k+1})=0;\
α_{k+1}(x_{k})=0,α_{k+1}(x_{k+1})=1,α’{k+1}(x_k)=α’{k+1}(x_{k+1})=0;\
β_k(x_k)=β_k(x_{k+1})=0,β_{k}’(x_k)=1,β’{k}(x{k+1})=0;\
β_{k+1}(x_k)=β_{k+1}(x_{k+1})=0,β’{k+1}(x{k})=0,β’_{k+1}(x_{k+1})=1;
$$

求得,(4.8)(4.9)(4.10)(4.11)

余项(4.13)

分段低次插值

分段线性插值函数在每个小区间上可表示为:(5.1)

误差估计:(5.2)

分段三次埃尔米特插值在每个小区间上可表示为:(5.3)

误差估计:

三次样条插值

三次样条函数:

三次样条插值函数:(6.1)S(x)是三次样条函数

常见的3种边界条件:(6.3)、(6.4) 、(6.4)’ 、(6.5)

三次样条插值函数表达式:(6.8)

Mj(j=0,1,…,n)是未知的.且

逼近

函数逼近的定义:

范数

常用的三种范数:

内积

向量内积:(1.5)

函数内积(带权ρ(x)):(1.15)

特别地,当ρ≡1:

正交多项式

勒让德多项式:(2.5)

勒让德多项式递推关系:

(2.9)

第一类切比雪夫多项式:(2.10)

第二类切比雪夫多项式:(2.11)

帕德逼近

帕德逼近定义:(5.7),(5.8)

求解帕德逼近系数:

(5.9) (5.11)

其中

也就是泰勒展开第j项的系数的绝对值!


数值分析重要插值公式
http://thinkerhui.site/2023/06/27/课程学习/数值分析重要插值公式/
作者
thinkerhui
发布于
2023年6月27日
许可协议