数值计算方法( 三次样条插值)
4.3三次样条插值
xj是qj(x)的m重根
q(ji ) ( x j ) p(ji)1 ( x j ) p(ji ) ( x j ) 0, i 0,1,...,m 1
q j ( x) c j ( x x j )m
光滑因子
p j ( x) p j 1 ( x) c j ( x x j )m
维数为n+3
利用两点三次Hermite插值公式, 设
s( xk ) mk (k 0,1,, n), hk xk 1 xk (k 0,1,, n 1)
当x∈[xk, xk+1]时，
x xk s x 1 2 hk x x k 1 x x k 1 x x k h yk 1 2 h k k hk
三对角 严格对角占优
2 1
1 2
1
2
2
2
n 1
2 n 1 1 2
m0 g 0 m g 1 1 m2 g 2 mn 1 g n 1 mn gn
n
s( x) pm ( x) c j ( x x j )m , x
j 1
m m Sm ( x1, x2 ,...,xn ) span {1, x,.., xm , ( x x1 )m , ( x x ) ,..., ( x x ) 2 n }
2 2 2
y k 1
2
x x k 1 x xk ( x x k ) h mk ( x x k 1 ) h k k
三次样条插值
三次样条插值分段线性插值的优点：计算简单、稳定性好、收敛性有保证且易在计算机上实现缺点：它只能保证各小段曲线在连接点的连续性，却无法保证整条曲线的光滑性，这就不能满足某些工程技术的要求。
三次Hermit 插值优点：有较好的光滑性，缺点：要求节点的一阶导数已知。
从２０世纪６０年代开始，首先由于航空、造船等工程设计的需要而发展起来所谓样条(Spline)插值方法，既保留了分段低次插值多项式的各种优点，又提高了插值函数的光滑性。
今天，样条插值方法已成为数值逼近的一个极其重要的分支，在许多领域里得到越来越多广泛应用。
我们介绍应用最广的具二阶连续导数的三次样条插值函数。
一、三次样条插值函数的定义：给定区间],[b a 上的个节点b x x x a n =<<<= 10和这些点上的函数值),,1,0()(n i y x f i i == 若)(x S 满足： （1）),,2,1,0()(n i y x S i i ==；（2）在每个小区间],[b a 上至多是一个三次多项式； （3）)(),(),(x S x S x S '''在],[b a 上连续。
则称)(x S 为函数)(x f 关于节点的n x x x ,,,10 三次样条插值函数。
二、边界问题的提出与类型单靠一个函数表是不能完全构造出一个三次样条插值函数。
我们分析一下其条件个数，条件（2）三次样条插值函数)(x S 是一个分段三次多项式，若用)(x S i 表示它在第i 个子区间],[1i i x x -上的表达式，则)(x S i 形如],[,)(1332210i i i i i i i x x x x a x a x a a x S -∈+++=其中有四个待定系数)3,2,1,0(=j a ij ，子区间共有n 个，所以)(x S 共有n 4个待定系数。
由条件（3）)(),(),(x S x S x S '''在],[b a 上连续，即它们在各个子区间上的连接点110,,,-n x x x 上连续即可，共有)1(4-n 个条件，即⎪⎪⎩⎪⎪⎨⎧==-=+''=-''-=+'=-'-=+=-),2,1,0()()1,,2,1)(0()0()1,,2,1)(0()0()1,,2,1)(0()0(n i y x S n i x S x S n i x S x S n i x S x S i i i i i i i i 共有241)1(3-=++-n n n 个条件，未知量的个数是n 4个。
数值计算方法(三次样条插值)
(1 ) 输入插值点 u ;
( 2 ) 对于 j 1 , 2 ,..., n 做
如果
u
x
则计算
j
A1, A2 , B1, B 2;
v A 1 f j 1 A 2 f j B 1 f j 1 B 2 f j;
s( xn 0) s( xn 0)
精品
三次样条插值
用三弯矩阵构造三次条样插值函数
（1）s( x j ) f ( x j ) ( j 0,1,2,... n); (2) 在每个小区间 [ x j1, x j ]( j 1,2,..., n)上 s( x)是不超过
三次多项式； (3) 在开区间（ a, b）上 s( x)有连续的二阶导数 ,
则称 s( x)为区间 [a, b]对应于划分 的三次样条函数。 精品
y j1
x x j1 x j x j1
yj
y j1 (x x j1)(y j y j1) /(x j x j1)
精品
分段线性插值
算法： 1 .输入 x i , y i ( i 0 ,1 ,..., n ) 2 .按 k 1 , 2 ,..., m 做
(1) 输入插值点 u
(2) 对于 j 1,2,..., n 做
如果
u
x
则
j
精品
分段线性插值
1 0 v y j 1 ( u x j 1 )( y j y j 1 ) /( x j x j 1 )
2 0 输出 u , v
分段插值函数
I1 ( x )
I(x)
I2(x)
I
n
三次样条插值计算算法
/* 三次样条插值计算算法*/#include "math.h "#include "stdio.h "#include "stdlib.h "/*N：已知节点数N+1R：欲求插值点数R+1x，y为给定函数f(x)的节点值{x(i)} (x(i) <x(i+1)) ,以及相应的函数值{f(i)} 0 <=i <=NP0=f(x0)的二阶导数；Pn=f(xn)的二阶导数u:存插值点{u(i)} 0 <=i <=R求得的结果s(ui)放入s[R+1] 0 <=i <=R返回0表示成功，1表示失败*/int SPL(int N,int R,double x[],double y[],double P0,double Pn,double u[],double s[]){/*声明局部变量*/double *h; /*存放步长:{hi} 0 <=i <=N-1 */double *a; /*存放系数矩阵{ai} 1 <=i <=N ；分量0没有利用*/ double *c; /*先存放系数矩阵{ci} 后存放{Bi} 0 <=i <=N-1 */double *g; /*先存放方程组右端项{gi} 后存放求解中间结果{yi} 0 <=i <=N */double *af; /*存放系数矩阵{a(f)i} 1 <=i <=N ；*/double *ba; /*存放中间结果0 <=i <=N-1*/double *m; /*存放方程组的解{m(i)} 0 <=i <=N ；*/int i,k;double p1,p2,p3,p4;/*分配空间*/if(!(h=(double*)malloc(N*sizeof(double)))) exit(1);if(!(a=(double*)malloc((N+1)*sizeof(double)))) exit(1);if(!(c=(double*)malloc(N*sizeof(double)))) exit(1);if(!(g=(double*)malloc((N+1)*sizeof(double)))) exit(1);if(!(af=(double*)malloc((N+1)*sizeof(double)))) exit(1);if(!(ba=(double*)malloc((N)*sizeof(double)))) exit(1);if(!(m=(double*)malloc((N+1)*sizeof(double)))) exit(1);/*第一步：计算方程组的系数*/for(k=0;k <N;k++)h[k]=x[k+1]-x[k];for(k=1;k <N;k++)a[k]=h[k]/(h[k]+h[k-1]);for(k=1;k <N;k++)c[k]=1-a[k];for(k=1;k <N;k++)g[k]=3*(c[k]*(y[k+1]-y[k])/h[k]+a[k]*(y[k]-y[k-1])/h[k-1]); c[0]=a[N]=1;g[0]=3*(y[1]-y[0])/h[0]-P0*h[0]/2;g[N]=3*(y[N]-y[N-1])/h[N-1]+Pn*h[N-1]/2;/*第二步：用追赶法解方程组求{m(i)} */ba[0]=c[0]/2;g[0]=g[0]/2;for(i=1;i <N;i++){af[i]=2-a[i]*ba[i-1];g[i]=(g[i]-a[i]*g[i-1])/af[i];ba[i]=c[i]/af[i];}af[N]=2-a[N]*ba[N-1];g[N]=(g[N]-a[N]*g[N-1])/af[N];m[N]=g[N]; /*P110 公式：6.32*/ for(i=N-1;i> =0;i--)m[i]=g[i]-ba[i]*m[i+1];/*第三步：求值*/for(i=0;i <=R;i++){/*判断u(i)属于哪一个子区间，即确定k */if(u[i] <x[0] || u[i]> x[N]){/*释放空间*/free(h);free(a);free(c);free(g);free(af);free(ba);free(m);return 1;}k=0;while(u[i]> x[k+1])k++;//p1=(h[k]+2*(u[i]-x[k])*pow((u[i]-x[k+1]),2)*y[k])/pow(h[k],3); //p2=(h[k]-2*(u[i]-x[k+1])*pow((u[i]-x[k]),2)*y[k+1])/pow(h[k],3);p1=(h[k]+2*(u[i]-x[k]))*pow((u[i]-x[k+1]),2)*y[k]/pow(h[k],3);p2=(h[k]-2*(u[i]-x[k+1]))*pow((u[i]-x[k]),2)*y[k+1]/pow(h[k],3); p3=(u[i]-x[k])*pow((u[i]-x[k+1]),2)*m[k]/pow(h[k],2);p4=(u[i]-x[k+1])*pow((u[i]-x[k]),2)*m[k+1]/pow(h[k],2);s[i]=p1+p2+p3+p4;}/*释放空间*/free(h);free(a);free(c);free(g);free(af);free(ba);free(m);return 0;}void main(){int N,R;double *x,*y,*u,*s;double P0,Pn;int i;/*验证算法：*/N=7;R=6;/*分配空间*/if(!(x=(double*)malloc((N+1)*sizeof(double)))){printf( "malloc error!\n ");exit(1);}if(!(y=(double*)malloc((N+1)*sizeof(double)))){printf( "malloc error!\n ");exit(1);}if(!(u=(double*)malloc((R+1)*sizeof(double)))){printf( "malloc error!\n ");exit(1);}if(!(s=(double*)malloc((R+1)*sizeof(double)))){printf( "malloc error!\n ");exit(1);}x[0]=0.5;x[1]=0.7;x[2]=0.9;x[3]=1.1;x[4]=1.3;x[5]=1.5;x[6]=1.7;x[7]=1.9;y[0]=0.4794;y[1]=0.6442;y[2]=0.7833;y[3]=0.8912;y[4]=0.9636;y[5]=0.9975;y[6]=0.9917;y[7]=0.9 463;u[0]=0.6;u[1]=0.8;u[2]=1.0;u[3]=1.2;u[4]=1.4;u[5]=1.6;u[6]=1.8;P0=-0.4794;Pn=-0.9463;if(!SPL( N, R, x, y, P0, Pn, u, s)){/*打印结果*/printf( "\nx= ");for(i=0;i <=N;i++)printf( "%8.1f ",x[i]);printf( "\ny= ");for(i=0;i <=N;i++)printf( "%8.4f ",y[i]);printf( "\n\nu= ");for(i=0;i <=R;i++)printf( "%9.2f ",u[i]);printf( "\ns= ");for(i=0;i <=R;i++)printf( "%9.5f ",s[i]);printf( "\nsin= ");for(i=0;i <=R;i++)printf( "%9.5f ",sin(u[i]));}/*释放空间*/free(x);free(y);free(u);free(s);}/* 测试数据来自课本55页例5 《数值分析》清华大学出版社第四版*/ //输入327.7 4.128 4.329 4.130 3.013.0 -4.0//输出输出三次样条插值函数：1: [27.7 , 28]13.07*(x - 28)^3 + 0.22*(x - 27.7)^3+ 14.84*(28 - x) + 14.31*(x - 27.7)2: [28 , 29]0.066*(29 - x)^3 + 0.1383*(x - 28)^3+ 4.234*(29 - x) + 3.962*(x - 28)3: [29 , 30]0.1383*(30 - x)^3 - 1.519*(x - 29)^3+ 3.962*(30 - x) + 4.519*(x - 29)//三次样条插值函数#include<iostream>#include<iomanip>using namespace std;const int MAX = 50;float x[MAX], y[MAX], h[MAX];float c[MAX], a[MAX], fxym[MAX];float f(int x1, int x2, int x3){float a = (y[x3] - y[x2]) / (x[x3] - x[x2]);float b = (y[x2] - y[x1]) / (x[x2] - x[x1]);return (a - b)/(x[x3] - x[x1]);} //求差分void cal_m(int n){ //用追赶法求解出弯矩向量M……float B[MAX];B[0] = c[0] / 2;for(int i = 1; i < n; i++)B[i] = c[i] / (2 - a[i]*B[i-1]);fxym[0] = fxym[0] / 2;for(i = 1; i <= n; i++)fxym[i] = (fxym[i] - a[i]*fxym[i-1]) / (2 - a[i]*B[i-1]);for(i = n-1; i >= 0; i--)fxym[i] = fxym[i] - B[i]*fxym[i+1];}void printout(int n);int main(){int n,i; char ch;do{cout<<"Please put in the number of the dots:";cin>>n;for(i = 0; i <= n; i++){cout<<"Please put in X"<<i<<':';cin>>x[i]; //cout<<endl;cout<<"Please put in Y"<<i<<':';cin>>y[i]; //cout<<endl;}for(i = 0; i < n; i++) //求步长h[i] = x[i+1] - x[i];cout<<"Please 输入边界条件\n 1: 已知两端的一阶导数\n 2:两端的二阶导数已知\n 默认:自然边界条件\n";int t;float f0, f1;cin>>t;switch(t){case 1:cout<<"Please put in Y0\' Y"<<n<<"\'\n";cin>>f0>>f1;c[0] = 1; a[n] = 1;fxym[0] = 6*((y[1] - y[0]) / (x[1] - x[0]) - f0) / h[0];fxym[n] = 6*(f1 - (y[n] - y[n-1]) / (x[n] - x[n-1])) / h[n-1];break;case 2:cout<<"Please put in Y0\" Y"<<n<<"\"\n";cin>>f0>>f1;c[0] = a[n] = 0;fxym[0] = 2*f0; fxym[n] = 2*f1;break;default:cout<<"不可用\n";//待定};//switchfor(i = 1; i < n; i++)fxym[i] = 6 * f(i-1, i, i+1);for(i = 1; i < n; i++){a[i] = h[i-1] / (h[i] + h[i-1]);c[i] = 1 - a[i];}a[n] = h[n-1] / (h[n-1] + h[n]);cal_m(n);cout<<"\n输出三次样条插值函数：\n";printout(n);cout<<"Do you to have anther try ? y/n :";cin>>ch;}while(ch == 'y' || ch == 'Y');return 0;}void printout(int n){cout<<setprecision(6);for(int i = 0; i < n; i++){cout<<i+1<<": ["<<x[i]<<" , "<<x[i+1]<<"]\n"<<"\t";/*cout<<fxym[i]/(6*h[i])<<" * ("<<x[i+1]<<" - x)^3 + "<<<<" * (x - "<<x[i]<<")^3 + "<<(y[i] - fxym[i]*h[i]*h[i]/6)/h[i]<<" * ("<<x[i+1]<<" - x) + "<<(y[i+1] - fxym[i+1]*h[i]*h[i]/6)/h[i]<<"(x - "<<x[i]<<")\n";cout<<endl;*/float t = fxym[i]/(6*h[i]);if(t > 0)cout<<t<<"*("<<x[i+1]<<" - x)^3";else cout<<-t<<"*(x - "<<x[i+1]<<")^3";t = fxym[i+1]/(6*h[i]);if(t > 0)cout<<" + "<<t<<"*(x - "<<x[i]<<")^3";else cout<<" - "<<-t<<"*(x - "<<x[i]<<")^3";cout<<"\n\t";t = (y[i] - fxym[i]*h[i]*h[i]/6)/h[i];if(t > 0)cout<<"+ "<<t<<"*("<<x[i+1]<<" - x)";else cout<<"- "<<-t<<"*("<<x[i+1]<<" - x)";t = (y[i+1] - fxym[i+1]*h[i]*h[i]/6)/h[i];if(t > 0)cout<<" + "<<t<<"*(x - "<<x[i]<<")";else cout<<" - "<<-t<<"*(x - "<<x[i]<<")";cout<<endl<<endl;}cout<<endl;}。
三次样条插值matlab代码实现
三次样条插值matlab代码实现
三次样条插值是一种常用的数值分析方法，用于在给定的数据点上拟合出一个光滑的曲线。
在Matlab中，可以使用内置的spline函数来实现三次样条插值。
以下是一个简单的示例代码：
matlab.
% 创建一些示例数据点。
x = 1:5;
y = [3 6 5 8 9];
% 使用spline函数进行三次样条插值。
xx = 1:0.1:5;
yy = spline(x, y, xx);
% 绘制原始数据点和插值结果。
plot(x, y, 'o', xx, yy, '-');
legend('原始数据', '插值结果');
在这个示例中，我们首先创建了一些示例数据点x和y。
然后使用spline函数对这些数据点进行三次样条插值，得到了插值结果xx和yy。
最后，我们使用plot函数将原始数据点和插值结果进行了可视化展示。
需要注意的是，样条插值是一种较为复杂的数值计算方法，需要对输入数据进行适当的处理和理解。
在实际应用中，可能需要根据具体情况对插值方法进行调整和优化，以获得更好的结果。
希望这个简单的示例能够帮助你理解如何在Matlab中实现三次样条插值。
如果你有更多的问题或者需要进一步的解释，请随时告诉我。
计算方法大作业——三次样条插值
计算方法上机报告
此完成所有数据的输入。继续按 Enter 键会出现提示“选择封闭方程组的边界条件: 第 一类边界条件输入 1，第二类边界条件输入 2，第三类边界条件输入 3。 ”根据已知情况 选择相应的边界条件，若为自然三次样条插值，则选 1，并将插值区间两端点的二阶导 数值设置为 0。输入完成之后按 Enter 开始求解，程序运行结束后命令窗口会显示要求 的三次样条插值函数，同时会出现该插值函数以及插值节点的图像，便于直接观察。 2.3 算例及计算结果 (1) 《数值分析》课本第 137 页的例题 4.6.1，已知函数 y=f(x)的数值如下表，求它 的自然三次样条插值函数。 xi yi -3 7 -1 11 0 26 3 56 4 29
2 三次样条插值
2 三次样条插值
2.1 算法原理及程序框图 设在区间[a, b]上给定 n+1 个节点 xi（a ≤ x0 < x1 < … < xn ≤ b）,在节点 xi 处的函数 值为 yi = f(xi) (i = 0,1,…,n)。若函数 S(x)满足以下三个条件： (1) 在每个子区间[xi-1, xi] (i = 0,1,…,n)上，S(x)是三次多项式； (2) S(xi) = yi (i = 0,1,…,n)； (3) 在区间[a, b]上，S(x)的二阶导数 S”(x)连续， 则称 S(x)为函数 yi = f(x) 在区间[a, b]上的三次样条插值函数。 由定义可知 S(x)共有 4n 个待定参数，根据条件(3)可得如下 3n-3 个方程，
S x
x x i
6hi
3
M i 1
x xi 1
6hi
3
x x hi2 M i yi 1 M i 1 i 6 hi
数值计算方法(宋岱才版)课后答案
第一章 绪论一 本章的学习要求（1）会求有效数字。
（2）会求函数的误差及误差限。
（3）能根据要求进行误差分析。
二 本章应掌握的重点公式（1）绝对误差：设x 为精确值，x *为x 的一个近似值，称e x x **=-为x *的绝对误差。
（2）相对误差：r e e x***=。
（3）绝对误差限：e x x ε***==-。
（4）相对误差限：r x x xxεε*****-==。
（5）一元函数的绝对误差限：设一元函数()()()0,df f x f x dx εε***⎛⎫==⋅ ⎪⎝⎭则。
（6）一元函数的相对误差限：()()1r df f x dx f εε****⎛⎫=⋅ ⎪⎝⎭。
（7）二元函数的绝对误差限：设一元函数()()(),0,f f x y f y y εε***⎛⎫∂==⋅ ⎪∂⎝⎭则。
（8）二元函数的相对误差限：()()()1r f f f x y x y f εεε******⎡⎤⎛⎫∂∂⎛⎫⎢⎥=⋅+⋅ ⎪ ⎪∂∂⎝⎭⎢⎥⎝⎭⎣⎦。
三 本章习题解析1. 下列各数都是经过四舍五入得到的近似值，（1）试指出它们有几位有效数字，（2）分别估计1123A X X X ***=及224X A X **=的相对误差限。
12341.1021,0.031,385.6,56.430x x x x ****====解：（1）1x *有5位有效数字，2x *有2位有效数字，3x *有4位有效数字，4x *有5位有效数字。
（2）1111123231312123,,,,A A AA x x x x x x x x x x x x ∂∂∂====∂∂∂由题可知：1A *为1A 的近似值，123,,x x x ***分别为123,,x x x 近似值。
所以()()111rA A Aεε***=()()()12311111123A A A x x x A X X X εεε*******⎡⎤⎢⎥=++⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫⎛⎫∂∂∂ ⎪ ⎪ ⎪∂∂∂⎝⎭⎝⎭⎝⎭43123131212311111010100.215222x x x x x x x x x **-**-**-***⎡⎤=⨯⨯+⨯⨯+⨯⨯=⎢⎥⎣⎦()222222424441,,,X A Ax A X x x x x ∂∂===-∂∂则有同理有2A *为2A 的近似值，2x *，4x *为2x ，4x 的近似值，代入相对误差限公式：()()222rA A Aεε***=()()24212224A A X X A X X εε*****⎡⎤⎢⎥=+⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫∂∂ ⎪ ⎪∂∂⎝⎭⎝⎭()33542224411*********X X X X X **--***⎡⎤⎢⎥=⨯⨯+⨯⨯=⎢⎥⎣⎦2. 正方形的边长大约为100cm ，怎样测量才能使其面积误差不超过21cm ? 解：设正方形的边长为x ，则面积为2S x =，2dsx dx=，在这里设x *为边长的近似值，S *为面积的近似值：由题可知：()()1ds s x dx εε***=≤⎛⎫ ⎪⎝⎭即：()21x x ε**⋅≤ 推出：()10.005200xcm ε*≤=。
三次样条插值算法详解
三次样条插值算法要求数据点数量较多，且在某些情况下可能存在数值不稳定性，如数据 点过多或数据点分布不均等情况。此外，该算法对于离散数据点的拟合效果可能不如其他 插值方法。
对未来研究的展望
01
02
03
改进算法稳定性
针对数值不稳定性问题， 未来研究可以探索改进算 法的数值稳定性，提高算 法的鲁棒性。
3
数据转换
对数据进行必要的转换，如标准化、归一化等， 以适应算法需求。
构建插值函数
确定插值节点
根据数据点确定插值节点，确保插值函数在节点处连续且光滑。
构造插值多项式
根据节点和数据点，构造三次多项式作为插值函数。
确定边界条件
根据实际情况确定插值函数的边界条件，如周期性、对称性等。
求解插值函数
求解线性方程组
06
结论
三次样条插值算法总结
适用性
三次样条插值算法适用于各种连续、光滑、可微的分段函数插值问题，尤其在处理具有复 杂变化趋势的数据时表现出色。
优点
该算法能够保证插值函数在分段连接处连续且具有二阶导数，从而在插值过程中保持数据 的平滑性和连续性。此外，三次样条插值算法具有简单、易实现的特点，且计算效率较高 。
根据数据点的数量和分布，合理分段，确保 拟合的精度和连续性。
求解线性方程组
使用高效的方法求解线性方程组，如高斯消 元法或迭代法。
结果输出
输出拟合得到的插值函数，以及相关的误差 分析和图表。
03
三次样条插值算法步骤
数据准备
1 2
数据收集
收集需要插值的原始数据点，确保数据准确可靠。
数据清洗
对数据进行预处理，如去除异常值、缺失值处理 等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
u xj hj
分段三次Hermite插值算法
则 v A1 y j 1 A2 y j B1 f j1 B2 f j
算法： 1.输入x j , f j , f j （j 0,1,...,n）； 2.计算插值 (1)输入插值点u; (2)对于j 1,2,...,n做 如果u x j 则计算A1 , A2 , B1 , B2 ; v A1 f j 1 A2 f j B1 f j1 B2 f j; 3.输出u , v。
三次样条插值
于是由Taylor展示有 s( x) s( xi ) s( xi )(x xi ) s( xi ) s( xi ) 2 ( x xi ) ( x xi )3 2! 3! M M Mi yi s( xi )(x x j ) i ( x xi ) 2 i 1 ( x xi )3 2! 3!( xi 1 xi )
2M 0 M 1 6 f [ x0 , x0 , x1 ]
三次样条插值
同理(2)式中令i n得 M n 1 2M n 6 f [ xn 1 , xn , xn ] 即有 2M 0 M 1 6 f [ x0 , x0 , x1 ] ） i M i 1 2M i i M i 1 6 f [ xi 1 , xi , xi 1 ] （i 1,2,...,n 1 M 2M 6 f [ x , x , x ] n n 1 n n n 1
三次样条插值
对于待定系数a j , b j , c j .d j j 1,2,...n,即4n个未知系数，
而插值条件为 n 2个，还缺两个，因此须 4 给出两个 条件称为边界条件，有 以下三类： 第一类 已知两端点的一阶导数 s( x0 ) f ( x0 ) m0 s( xn ) f ( xn ) mn
y j 1 ( x x j 1 )( y j y j 1 ) /( x j x j 1 )
分段线性插值
算法： 1.输入xi , yi (i 0,1,...,n) 2.按k 1,2,...,m做 (1)输入插值点u (2)对于j 1,2,...,n做 如果u x j 则
三次 1 2 M i )hi 1 f [ xi , xi 1 ] (2 M i M i 1 )hi 6 6 即 （2 M i M i 1 )hi ( M i 1 2 M i )hi 1 6( f [ xi 1 , xi ] f [ xi , xi 1 ]) 也就是 hi M i 1 2(hi hi 1 ) M i hi 1M i 1 6( f [ xi 1 , xi ] f [ xi , xi 1 ])
三次样条插值
第二类边界条件 s '' ( x0 ) f '' ( x0 ) M 0 , s '' ( xn ) f '' ( xn ) M n 同理可得 2M 1 1M 2 6 f [ x0 , x1 , x2 ] 1M 0 i M i 1 2M i i M i 1 6 f [ xi 1 , xi , xi 1 ] M 2M 6 f [ x , x , x ] M n n2 n 1 n n 1 n n 1 n 2 i 2,3,...,n 2
三次样条插值
用三弯矩阵构造三次样 条插值函数 令s( xi ) M i (i 0,1,2,...n)。因为s ( x)在[ xi , xi 1 ]上 是三次多项式，所以 ( x)在[ xi , xi 1 ]上是一次多 s 项式，故有 M i 1 M i s( x) xi 1 xi x [ xi , xi ! ]
例题
所以得 H 3 ( x) 2(2 x 1)(x 2) 2 3(2 x 3)(x 1) 2 ( x 1)(x 2) 2 ( x 2)(x 1) 2 3x 3 8 x 2 9 x 5
4.4.2 三次样条插值
定义 设函数f ( x)是区间 a, b]上的二次连续可微函数 [ ， 在区间 a，b]上给出一个划分 [ ：a x0 x1 ... xn 1 xn b 如果函数s( x)满足条件 （ ）( x j ) f ( x j ) 1 s 三次多项式； (3) 在开区间（a, b）上s( x)有连续的二阶导数 , 则称s ( x)为区间 a, b]对应于划分的三次样条函数。 [ ( j 0,1,2,...n);
令x xi 1得 Mi M Mi ( xi 1 xi ) 2 i 1 ( xi 1 xi ) 2 2! 3! yi 1 yi 1 2 解得 s( xi ) ( M i 1 M i )(xi 1 xi ) (1) xi 1 xi 6 6 yi 1 yi s( xi )(xi 1 xi )
分段线性插值
10 20 v y j 1 (u x j 1 )( y j y j 1 ) /( x j x j 1 ) 输出u, v
分段插值函数 I ( x) x ( x , x ) 0 1 1 I ( x) x ( x , x ) 1 2 I ( x) 2 ...... I ( x) x ( x , x ) n 1 n n
两边同除 xi 1 xi 1 ( xi 1 xi xi xi 1 ) hi 1 hi hi hi 得 M i 1 2 M i M i 1 6 f [ xi 1 , xi , xi 1 ] hi 1 hi hi 1 hi 即得
i M i 1 2M i i M i 1 6 f [ xi 1 , xi , xi 1 ]
(2) 在每个小区间 x j 1 , x j ]( j 1,2,...,n)上s ( x)是不超过 [
三次样条插值
设三次样条函数 ( x)在每个子区间 x j 1 , x j ]上有表达式 s [ s( x) s j ( x) a j x 3 b j x 2 c j x d j x ( x j 1 , x j ), j 1,2...n
例题
例 设 f (1) 2，f (2) 3，f (1) 1，f (2) 1， 求满足条件的Herm ite插值多项式。 解：x0 1, x1 2, h 2 1 1 则
A1 (1 2( x 1))(x 2) 2 (2 x 1)(x 2) 2 A2 (1 2( x 2))(x 1) 2 (2 x 3)(x 1) 2 B1 ( x 1)(x 2) 2 B2 ( x 2)(x 1) 2
三次样条插值
同理在[ xi 1 , xi ]上讨论得 s( xi ) yi yi 1 2 1 ( M i M i 1 )(xi xi 1 ) xi xi 1 6 6 (2)
因为s( x)连续，所以（）（2）即 1 yi 1 yi 1 yi yi 1 2 2 1 ( M i 1 M i )(xi 1 xi ) ( M i M i 1 )(xi xi 1 ) xi 1 xi 6 6 xi xi 1 6 6 记hi xi xi 1 hi i hi 1 hi hi 1 i 1 i hi 1 hi
其中I j
x xj x j 1 x j
y j 1
x x j 1 x j x j 1
yj
y j 1 ( x x j 1 )( y j y j 1 ) /( x j x j 1 )
缺点：I(x)连续，但不光滑，精度较低,仅在
1 j n
4.4 三次样条插值
前面我们根据区间[a,b]上给出的节点做 插值多项式Ln(x)近似表示f (x)。一般总 以为Ln(x)的次数越高，逼近f (x)的精度 越好，但实际并非如此，次数越高，计 算量越大，也不一定收敛。因此高次插 值一般要慎用，实际上较多采用分段低 次插值。
4.4.1 分段插值
已知（x j , y j）j 0,1,...,n, 判断x [ x j 1 , x j ] , 则f ( x)用[ x j 1 , x j ]上的现性插值函数表示 。 计算机上实现 u x，，若u x1取j 1, 即x [ x0 , x1 ]， u x0 , 也选j 1，则外插) (若 若u x2 , 取j 2
分段线性插值
一般的，x j 1 u x j , 则线性插值函数为 u y j 1 (u x j 1 )( y j y j 1 ) /( x j x j 1 ) 这是因为 y x xj x j 1 x j y j 1 x x j 1 x j x j 1 yj
h max {h j x j x j 1}足够小才能较好的逼近 。
分段三次Hermite插值
上述分段线性插值曲线是折线，光滑性 差，如果交通工具用这样的外形，则势 必加大摩擦系数，增加阻力，因此用 hermite分段插值更好。
分段三次Hermite插值
三次Herm ite 插值 x [ x j 1 , x j ]时 H 3 ( x) j 1 ( x) y j 1 j ( x) y j j 1 ( x) f j1 j ( x) f j 令 u x j 1 u x j 2 A1 j 1 (u ) (1 2 )( ) hj hj u x j u x j 1 2 A2 j (u ) (1 2 )( ) hj hj B1 j 1 (u ) (u x j 1 )( B2 j (u ) (u x j )( u xj hj )2 )2
其中a j , b j , c j .d j为待定常数，插值条件 为： （ ）s ( x j ) f ( x j ) （j 0,1,...,n）； 1 (2) (n 1)内节点处连续及光滑性 条件： s ( x j 0) s ( x j 0) s( x j 0) s( x j 0) j 1,2,...,n 1 s( x j 0) s( x j 0)