抛物线插值法计算公式
用插值法求抛物线的解析式
用拉格朗日插值法求抛物线的解析式李立波在数学的学习过程中，我们总是在不断总结规律，尽量得出一些形式化的结论.比如我们用配方法已经能够很好地解决一元二次方程根的求解问题,但是我们仍不满足,进而我们又有了公式法这一利器.今天,笔者想就抛物线解析式的求法作一下类似的探究.在初中阶段我们主要利用待定系数法求抛物线（指对称轴与x 轴垂直的抛物线,本文中的抛物线均是该类型）的解析式.下面笔者就介绍一种更加直接的方法：拉格朗日插值法.引理:若抛物线21111(0)y a x b x c a =++≠经过抛物线2(0)y ax bx c a =++≠上的三点11(,)A x y 、22(,)B x y 、33(,)C x y ，则必有111,,a a b b c c ===.证明:∵11(,)A x y 、22(,)B x y 、33(,)C x y 在抛物线2(0)y ax bx c a =++≠上∴123,,x x x 互不相等∵抛物线2111y a x b x c =++和抛物线2y ax bx c =++都经过点A∴2110ax bx c ++= …… ①2111110a x b x c ++= …… ②①－②,得:211111()()()0a a x b b x c c -+-+-=同理: 212121()()()0a a x b b x c c -+-+-=,213131()()()0a a x b b x c c -+-+-=∴123,,x x x 是2111()()()0a a x b b x c c -+-+-=的三个根由代数基本定理可知,必有1110,0,0a a b b c c -=-=-=即111,,a a b b c c ===该引理说明如果过三个点有一条抛物线,那么它必定是唯一的一条.定理:若一条抛物线经过11(,)A x y 、22(,)B x y 、33(,)C x y 三点,则它的解析式为231312123121321233132()()()()()()()()()()()()x x x x x x x x x x x x y y y y x x x x x x x x x x x x ------=⨯+⨯+⨯------ …… ③. 证明: ∵11(,)A x y 、22(,)B x y 、33(,)C x y 在同一抛物线上∴123,,x x x 互不相等并且31212131y y y y x x x x --≠--, 故③式一定存在,下面证明它是一个二次函数:在③式中2x 的系数为312121321233132()()()()()()y y y x x x x x x x x x x x x ++------整理,得21313121121323()()()()()()()y y x x y y x x x x x x x x -------- ∵31212131y y y y x x x x --≠-- ∴21313121()()()()0y y x x y y x x -----≠故在③式中2x 的系数不为0. ∴231312123121321233132()()()()()()()()()()()()x x x x x x x x x x x x y y y y x x x x x x x x x x x x ------=⨯+⨯+⨯------是一个二次函数,其图象是一条抛物线.容易验证:当11x x y y ==时，;当22x x y y ==时，;当33x x y y ==时，.由引理知: 过11(,)A x y 、22(,)B x y 、33(,)C x y 三点的抛物线解析式必为③式. 注:③式是我们用拉格朗日插值公式构造的.例:已知一抛物线经过A (0,－1),B (1,0),C (－1,2),求其解析式.解:所求抛物线的解析式为(1)(1)(1)(1)102(01)(01)(10)(11)(10)(11)x x x x x x y -++-=-⨯+⨯+⨯-+-+---- 整理,得:221y x x =--由上可知用插值法求抛物线的解析式比用待定系数法更直接,可操作性更强.（发表于《中学数学杂志》2009年第6期）。
数值计算方法第2版 第4章 插值法
则
l ( x ) 1 ( k i ) , k i l ( x ) 0 ( k i ) , i 、 k 0 , 1 , , n k i
lk (x)称为关于节点xi( i=0,1,…,n)的n次插值基函数。
基函数的特点
1. 基函数的个数等于节点数。 2. n+1个节点的基函数是n次代数多项式。 3. 基函数和每一个节点都有关。节点确定，基函数就唯 一的确定。 4. 基函数和被插值函数无关。 5. 基函数之和为1。
公式的结构：它是两个一次函数的线性组合 线性插值基函数
x x 1 l ( x ) , 0 x x 0 1 x x 0 l ( x ) 1 x x 1 0
3 线性插值的几何意义 用直线 P ( x ) 近似代替被插值函数 f ( x ) 。
例
造数学用表。平方根表
给定函数在100、121两点的平方根如下表，试用线性 插值求115的平方根。 x 100 121
其系数行列式
a0 a1 x0 a2 x02 an x0n y0 2 n a0 a1 x1 a2 x1 an x1 y1 2 n a a x a x a x n n yn 0 1 n 2 n
1 x 0 x 02
x 0n
2 n 1 x x x 1 1 ( x x 0 V ( x , x , , x ) 1 i j) 0 1 n 0 j i n
1 xn
x n2 x nn
,a , ,a 0 1 n ，因此P(x)存在且唯一。 方程组有唯一解 a
唯一性说明不论用那种方法构造的插值多 项式只要满足相同的插值条件，其结果都是互 相恒等的。 推论 当f(x)是次数不超过n的多项式时， 其n次插值多项式就是f(x)本身。
数值分析简明教程第二版课后习题答案(供参考)
0.1算法1、 （p.11，题1）用二分法求方程013=--x x 在[1,2]内的近似根，要求误差不超过10-3.【解】 由二分法的误差估计式311*10212||-++=≤=-≤-εk k k a b x x ，得到100021≥+k .两端取自然对数得96.812ln 10ln 3≈-≥k ，因此取9=k ，即至少需2、（p.11，题2） 证明方程210)(-+=x e x f x在区间[0,1]内有唯一个实根；使用二分法求这一实根，要求误差不超过21021-⨯。
【解】 由于210)(-+=x e x f x，则)(x f 在区间[0,1]上连续，且012010)0(0<-=-⨯+=e f ，082110)1(1>+=-⨯+=e e f ，即0)1()0(<⋅f f ，由连续函数的介值定理知，)(x f 在区间[0,1]上至少有一个零点.又010)('>+=x e x f ，即)(x f 在区间[0,1]上是单调的，故)(x f 在区间[0,1]内有唯一实根.由二分法的误差估计式211*1021212||-++⨯=≤=-≤-εk k k a b x x ，得到1002≥k .两端取自然对数得6438.63219.322ln 10ln 2=⨯≈≥k ，因此取7=k ，即至少需二分0.2误差1．（p.12，题8）已知e=2.71828…，试问其近似值7.21=x ，71.22=x ，x 2=2.71，718.23=x 各有几位有效数字？并给出它们的相对误差限。
【解】有效数字：因为11102105.001828.0||-⨯=<=- x e ，所以7.21=x 有两位有效数字； 因为12102105.000828.0||-⨯=<=- x e ，所以71.22=x 亦有两位有效数字；因为3310210005.000028.0||-⨯=<=- x e ，所以718.23=x 有四位有效数字；%85.17.205.0||111=<-=x x e r ε； %85.171.205.0||222=<-=x x e r ε； %0184.0718.20005.0||333=<-=x x e r ε。
插值计算法公式
插值计算法公式
插值计算法是一种数值分析方法，用于在给定数据点的情况下，通过插值计算来估计未知数据点的值。
插值计算法的公式如下：
f(x) = Σ[i=0,n] yi * Li(x)
其中，f(x)表示要估计的未知数据点的值，yi表示已知数据点的值，Li(x)表示拉格朗日插值多项式，n表示已知数据点的数量。
拉格朗日插值多项式的公式如下：
Li(x) = Π[j=0,n,j≠i] (x - xj) / (xi - xj)
其中，i表示当前正在计算的已知数据点的下标，j表示其他已知数据点的下标，xj表示其他已知数据点的横坐标，xi表示当前正在计算的已知数据点的横坐标。
插值计算法的应用非常广泛，例如在地图制作、气象预报、股票分析等领域都有着重要的应用。
在地图制作中，插值计算法可以用来估计未知地点的高度、温度等信息，从而制作出更加精确的地图。
在气象预报中，插值计算法可以用来估计未来某个时间点的气温、降雨量等信息，从而提高气象预报的准确性。
在股票分析中，插值计算法可以用来估计未来某个时间点的股票价格，从而帮助投资者做出更加明智的投资决策。
插值计算法是一种非常重要的数值分析方法，可以用来估计未知数据点的值，从而在各个领域中发挥着重要的作用。
插 值 法
义，就是通过两点 A( x0 , y0 ), B( x1, y1 ) 的一条直线，
如图所示。
14
一次Lagrange插值多项式(2)
一次插值多项式
15
一次Lagrange插值多项式(3)
由直线两点式可知，通过A，B的直线方程为
它也可变形为
显然有：
16
一次Lagrange插值多项式(4)
记
x x1 l0 ( x) x0 x1
求一个n次插值函数 Ln ( x) 满足
Ln ( x) yi (i 1, 2,, n)
23
N次插值多项式3
构造各个插值节点上的基函数 li ( x) (i 0,1,, n) 满足如下条件
xi
l0 ( x)
x0
x1
x2
xn
1
0
0
0
l1 ( x )
0
1
0
0
ln ( x )
值为1，而在另外的插值点上取值为0。插值函数
p1 ( x ) 是这两个插值基函数的线性组合，其组合系
数就是对应点上的函数值。这种形式的插值称作 为拉格朗日（Lagrange）插值。
19
二次Lagrange插值多项式1
线性插值只利用两对值 及 求得的
近似值，误差较大。
p2(x)是x的二次函数，称为二次插值多项式。
( ) 0
推广：若 ( x0 ) ( x1 ) ( x2 ) 0
0 ( x0 , x1 ), 1 ( x1 , x2 )
28
使得 ( 0 ) (1 ) 0
( 0 , 1 ) 使得 ( ) 0
数值计算方法插值法资料
一次插值
当n 1时，求一次多项式P1(x),要求通过 x0, y0 , x1, y1
两点
y
y0 x0
y1 x1
P1(x) f(x)
二次插值
当n 2时，求二次多项式P2 (x),要求通过 x0, y0 , x1, y1 , x2, y2 三点
y
f(x)
y0 x0
y1 x1
y2 x2
P1(x)
知两点。
线性插值
插值函数和插值基函数
由直线的点斜式公式可知：
P1(x)
yk
yk 1 xk 1
yk xk
(x
xk )，把此式按照
yk和yk1写成两项:P1(x)
x xk1 xk xk 1
yk
x xk xk 1 xk
yk
，
1
记l k (x)
x xk1 xk xk 1
, lk1(x)
l
0 ( x)
x 20 10 20
1 10
(x
20)，l1 ( x)
x 10 20 10
1 10
(x
10)
例子
于是，拉格朗日型一次插值多项式为：
P1 ( x)
y0l0 (x)
y1l1 ( x)
1 10
(x
20)
1.3010 10
(x
10)
故P1
(12)
1 10
(12
20)
1.3010 10
(12
决定
1
例子
例1：已知lg10 1 , lg 20 1.3010，利用插值一次 多项式求 lg12的近似值。 解：f (x) lg x，f (x) lg x，f (10) 1，f (20) 1.3010 设x0 10，x1 20，y0 1，y1 1.3010， 则插值基本多项式为：
第二章插值与拟合
1 不为零。
xn
n xn xn
实 用 测 量 数 据 处 理 方 法
中 南 大 学
三、线性插值
假定已知区间[xk, xk+1] 的端点处的函数值 yk=f(xk), yk+1=f(xk+1),要求线性插值多项式 L1(x),使它满足 L1(xk)=yk
L1(xk+1)=yk+1
则L1(x)的表达式可按下式给出：
实 用 测 量 数 据 处 理 方 法
中 南 大 学
l k 1 ( x k 1 ) 1, l k 1 ( x j ) 0( j k , k 1) l k ( x k ) 1, l k ( x j ) 0( j k 1, k 1) (28) l k 1 ( x k 1 ) 1, l k 1 ( x j ) 0( j k 1, k ) 满足（28 ）式的插值基函数很容 易求出的，例如求 l k 1 ( x)，因为它有两个零点 k 和x k 1，故可表达为： x l k 1 ( x) A( x x k )(x x k 1 ) 其中A为待定系数可由 k 1 ( x k 1 ) 1定出： l 1 A ( x k 1 x k )(x k 1 x k 1 ) ( x x k )(x x k 1 ) 于是l k 1 ( x)＝ ，同理可得 ( x k 1 x k )(x k 1 x k 1 ) ( x x k－1 )(x x k 1 ) ( x x k 1 )(x x k ) l k ( x)＝ ，l k 1 ( x)＝ ( x k x k－1 )(x k x k 1 ) ( x k＋1 x k 1 )(x k 1 x k )
解：2、抛物插值
第四章插值法
P2 ( x) a0 a1 x a2 x 2
使之满足
P2 ( xi ) yi , i 0, 1, 2
计算机科学与工程系 19
令
lk ( x ) ( x x0 )( x x1 ) ( x xk 1 )( x xk 1 ) ( x xn ) ( x x j )
j 0 j k n
计算机科学与工程系 27
4.2.3 拉格朗日插值多项式
由lk (xk) = 1，得：
1 ( xk x0 )( xk x1 ) ( xk xk 1 )( xk xk 1 ) ( xk xn )
计算机科学与工程系 25
10
11
4.2.3 拉格朗日插值多项式
插值公式
设连续函数y = f（x）在[a, b]上给定n + 1个不同结 点： x0, x1, …, xn 分别取函数值 y0, y1, …, yn 其中 yi = f (xi) i = 0, 1, 2,…, n 构造一个次数不超过n的插值多项式
因此
( x x0 )( x x2 ) ( x x1 )( x x2 ) P2 ( x ) y0 y1 ( x0 x1 )( x0 x2 ) ( x1 x0 )( x1 x2 ) ( x x0 )( x x1 ) y2 ( x2 x0 )( x2 x1 )
因此有
lk ( x ) ( x x0 )( x x1 ) ( x xk 1 )( x xk 1 ) ( x xn ) ( xk x0 )( xk x1 ) ( xk xk 1 )( xk xk 1 ) ( xk xn )
插值与拟合方法
插值与拟合方法在实际中，常常要处理由实验或测量所得到的一批离散数据．插值与拟合方法就是要通过这些数据去确定某一类已知函数的参数或寻找某个近似函数，使所得到的近似函数与已知数据有较高的拟合精度．插值问题:要求这个近似函数（曲线或曲面）经过所已知的所有数据点．通常插值方法一般用于数据较少的情况．数据拟合：不要求近似函数通过所有数据点，而是要求它能较好地反映数据的整体变化趋势。
共同点：插值与拟合都是根据实际中一组已知数据来构造一个能够反映数据变化规律的近似函数的方法，由于对近似要求的准则不同，因此二者在数学方法上有很大的差异．插值问题的一般提法：已知某函数)(x f y =（未知）的一组观测（或试验）数据),,2,1)(,(n i y x ii⋅⋅⋅=，要寻求一个函数)(x φ，使iiy x =)(φ),,2,1(n i ⋅⋅⋅=，则)()(x f x ≈φ．实际中,常常在不知道函数)(x f y =的具体表达式的情况下，对于i x x =有实验测量值iy y =),,2,1,0(n i ⋅⋅⋅=，寻求另一函数)(x φ使满足：)()(i i i x f y x ==φ),,2,1,0(n i ⋅⋅⋅=称此问题为插值问题，并称函数)(x φ为)(x f 的插值函数，nx x x x ,,,,21⋅⋅⋅称为插值节点，),,2,1,0()(n i y x ii⋅⋅⋅==φ称为插值条件，即)()(iiix f y x ==φ),,2,1,0(n i ⋅⋅⋅=，则)()(x f x ≈φ．（1） 拉格朗日（Lagrange ）插值设函数)(x f y =在1+n 个相异点nx x x x ,,,,21⋅⋅⋅上的函数值为ny y y y ,,,,21⋅⋅⋅，要求一个次数不超过n 的代数多项式nnnx a x a x a a x P +⋅⋅⋅+++=221)(使在节点i x 上有),,2,1,0()(n i y x P ii n ⋅⋅⋅==成立，称之为n 次代数插值问题，)(x P n称为插值多项式．可以证明n 次代数插值是唯一的．事实上: 可以得到j n j n i i j in y x x xx x P j i ∑∏==⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫⎝⎛--=≠00)()( 当1=n 时，有二点一次（线性）插值多项式：101001011)(y x x x x y x x x x x P --+--=当n =2时，有三点二次（抛物线）插值多项式：2120210121012002010212))(())(())(())(())(())(()(y x x x x x x x x y x x x x x x x x y x x x x x x x x x P ----+----+----=（2）牛顿（Newton ） 插值牛顿插值的基本思想：由于)(x f y =关于二节点10,x x 的线性插值为)()()()()()()()()(00101000010101x x x x x f x f x p x x x x x f x f x f x p ---+=---+= 假设满足插值条件)2,1,0()()(2===i x p y x f iii的二次插值多项式一般形式为))(()()(1212x x x x c x x c c x p --+-+= 由插值条件可得⎪⎩⎪⎨⎧=--+-+=-+=)())(()()()()(21202202101011000x f x x x x c x x c c x f x x c c x f c 可以解出⎪⎪⎪⎩⎪⎪⎪⎨⎧------=--==020101121220101100)()()()()()(),(x x x x x f x f x x x f x f c x x x f x f c x f c所以))(()())(()()(10211020102x x x x c x p x x x x c x x c c x p --+=--+-+=类似的方法，可以得到三次插值多项式等，按这种思想可以得到一般的牛顿插值公式．函数的差商及其性质对于给定的函数)(x f ，用),,,(10n x x x f ⋅⋅⋅表示关于节点nx x x ,,,1⋅⋅⋅的n 阶差商，则有一阶差商：01011)()(),(x x x f x f x x f --=，121221)()(),(x x x f x f x x f --= 二阶差商：021021210),(),(),,(x x x x f x x f xx x f --=n 阶差商：0110211),,,(),,,(),,,(x x x x x f x x x f x x x f n n n n -⋅⋅⋅-⋅⋅⋅=⋅⋅⋅-差商有下列性质：（1）差商的分加性：∑∏=≠=-=⋅⋅⋅nk nk j j j kk n x xx f xx x f 0)(01)()(),,,(．（2）差商的对称性：在),,,(1nx x x f ⋅⋅⋅中任意调换jix x ,的次序其值不变．牛顿插值公式： 一次插值公式为))(,()()(01001x x x x f x f x p -+=二次插值公式为))()(,,()())()(,,())(,()()(1021011021001002x x x x x x x f x p x x x x x x x f x x x x f x f x p --+=--+-+=于是有一般的牛顿插值公式为)())()(,,,()()())()(,,,())()(,,())(,()()(11010111010102100100----⋅⋅⋅--⋅⋅⋅+=-⋅⋅⋅--⋅⋅⋅+⋅⋅⋅+--+-+=n n n n n n x x x x x x x x x f x p x x x x x x x x x f x x x x x x x f x x x x f x f x p可以证明：其余项为))(())()(,,,,()(11010n n n x x x x x x x x x x x x f x R --⋅⋅⋅--⋅⋅⋅=-实际上，牛顿插值公式是拉格朗日插值公式的一种变形，二者是等价的．另外还有著名的埃尔米特（Hermite ）插值等．（3）样条函数插值方法样条，实质上就是由分段多项式光滑连接而成的函数，一般称为多项式样条．由于样条函数的特殊性质，决定了样条函数在实际中有着重要的应用．样条函数的一般概念定义 设给定区间],[b a 的一个分划b x x x a n=<⋅⋅⋅<<=∆1:，如果函数)(x s 满足条件：(1) 在每个子区间),,2,1](,[1n i x x ii ⋅⋅⋅=-上是k 次多项式； (2) )(x s 及直到k -1阶的导数在],[b a 上连续．则称)(x s 是关于分划△的一个k 次多项式样条函数，nx x x ,,,1⋅⋅⋅称为样条节点，121,,,-⋅⋅⋅n x x x 称为内节点，nx x ,0称为边界节点，这类样条函数的全体记作),(k S P∆，称为k 次样条函数空间．若),()(k S x s P∆∈，则)(x s 是关于分划△的k 次多项式样条函数．k 次多项式样条函数的一般形式为∑∑=-=+-+=ki n j k j jii k x x k i x x s 011)(!!)(βα其中),,1,0(k i i=α和)1,,2,1(-=n j jβ均为任意常数，而)1,,2,1(,0,)()(-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x jj kj kj在实际中最常用的是2=k 和３的情况，即为二次样条函数和三次样条函数． 二次样条函数：对于],[b a 上的分划b x x x a n=<⋅⋅⋅<<=∆1:,则)2,()(!2!2)(11222102∆βαααP n j j jS x x x x x s ∈-+++=∑-=+其中)1,2,1(,0,)()(22-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x j j j j ． 三次样条函数：对于],[b a 上的分划b x x xa n =<⋅⋅⋅<<=∆10:,则)3,()(!3!3!2)(1133322103∆βααααP n j j jS x x x x x x s ∈-++++=∑-=+其中)1,2,1(,0,)()(33-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x jjj j ．1 二次样条函数插值)2,()(2∆∈P S x s 中含有2+n 个待定常数，故应需要2+n 个插值条件，因此，二次样条插值问题可分为两类：问题(1)：已知插值节点ix 和相应的函数值),,2,1,0(n i y i⋅⋅⋅=，以及端点0x (或n x )处的导数值0'y (或ny ')，求)2,()(2∆∈PS x s 使得⎩⎨⎧'=''='⋅⋅⋅==))(()(),,2,1,0()(20022n n i i y x s y x s n i y x s 或（5.1）问题(2)：已知插值节点ix 和相应的导数值),,2,1,0(n i y i⋅⋅⋅='，以及端点0x (或n x )处的函数值0y (或ny )，求)2,()(2∆∈P S x s 使得⎩⎨⎧==⋅⋅⋅='='))(()(),,2,1,0()(20022n n i i y x s y x s n i y x s 或(5.2)事实上，可以证明这两类插值问题都是唯一可解的．对于问题(1)，由条件(5.1)⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=+='==-+++==++==++=∑-=00210211222102121211112020201002)(,,3,2,)(2121)(21)(21)(y x x s n j y x x x x x s yx x x s y x x x s j j i i j i jj j ααβααααααααα 引入记号T n ),,,,,(11210-=ββααα X 为未知向量，T nn y y y y ),,,,(10'= C 为已知向量， ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=-0010)(21)(21211)(212110211211021212212222211200x x x x x x x x x x x x x x x n n n n n A 于是，问题转化为求方程组C AX =的解Tn ),,,,,(1121-=ββααα X 的问题，即可得到二次样条函数的)(2x s 的表达式．对于问题(2)的情况类似．２．三次样条函数插值由于)3,()(3∆∈P S x s 中含有3+n 个待定系数，故应需要3+n 个插值条件，因此可将三次样条插值问题分为三类： 问题(1)：已知插值节点jx 和相应的函数值),,2,1,0(n j y j⋅⋅⋅=，以及两个端点0x ，n x 处的导数值0'y ，ny '，求)3,()(3∆∈PS x s 使满足条件⎪⎩⎪⎨⎧='='⋅⋅⋅==),0()(),,1,0()(33n j y x s n j y x s j j j j(5.3)问题(2)：已知插值节点jx 和相应的函数值),,2,1,0(n j y j⋅⋅⋅=，以及两个端点0x ，nx 处的二阶导数值0y ''，n y ''，求)3,()(3∆∈PS x s 使满足条件⎪⎩⎪⎨⎧=''=''⋅⋅⋅==),0()(),,1,0()(33n j y x s n j y x s j j j j(5.4)问题(3)：类似地，求)3,()(3∆∈PSx s 使满足条件⎪⎩⎪⎨⎧=+=-==)2,1,0)(0()0(),,1,0()(0)(3)(33k x s x s n j y x s k n k j j(5.5)这三类插值问题的条件都是3+n 个，可以证明其解都是唯一的〔8〕．一般的求解方法可以仿照二次样条的情况处理方法，在这里给出一种更简单的方法．仅依问题(1)为例，问题(2)和问题(3)的情况类似处理．由于在)3,()(3∆PS x s ∈区间],[b a 上是一个分段光滑，且具有二阶连续导数的三次多项式，则在子区间],[1+j jx x 上)(3x s ''是线性函数，记),,,1,0)((3n j x s d jj =''=为待定常数．由拉格朗日插值公式可得nj x x h h x x d h x x d x s j j j jj j jj j ,,1,0,,)(1113=-=-+-=''+++显然jjj h d dx s -='''+13)(在],[1+j jx x上为常数．于是在],[1+j j x x 上有31233)(6)(2))(()(j jjj j j j j j x x h d d x x d x x x s y x s --+-+-'+=+(5.6)则当1+=j x x 时，由(5.6)式和问题(1)的条件得121231362)()(+++=-++'+=j j jj j j j j j j y h d d h d h x s y x s故可解得)2(6)(113+++--='j j j jjj j d d h h y y x s（5.7）将(5.7)式代入(5.6)式得)1,,1,0](,[,)(6)(2)()2(6)(1312113-=∈--+-+-⎥⎥⎦⎤⎢⎢⎣⎡+--+=++++n j x x x x x h d d x x d x x d d h h y y y x s j j j jj j j jj j j j j j j j(5.8) 在],[1j j x x-上同样的有),,2,1](,[,)(6)(2)()2(6)(131112111111113n j x x x x x h d d x x d x x d d h h y y y x s j j j j j j j j j j j j j j j j =∈--+-+-⎥⎥⎦⎤⎢⎢⎣⎡+--+=------------(5.9) 根据)(3x s的一阶导数连续性，由(5.9)式得)()2(6)0(311113j j j j j j j j x s d d h h y y x s '=++-=-'---- 结合(5.7)式整理得⎪⎪⎭⎫ ⎝⎛---+=++++--+-+----11111111162j j j j j j j j j j j j j j j j j h y y h y y h h d h h h d d h h h 引入记号⎪⎪⎭⎫ ⎝⎛---+=+=--+--111116,j j j j j j j j j j j j j h y y h y y h h c h h h a ，111--+=-j j j j h h h a ．则)1,,2,1(,2)1(11-==++-+-n j c d a d d a j j j j j j（5.10）再由边界条件：nny x s y x s '=''=')(,)(33得⎪⎪⎩⎪⎪⎨⎧⎪⎪⎭⎫ ⎝⎛--'=+⎪⎪⎭⎫ ⎝⎛'--=+----111100010106262n n n n n n n h y y y h d d y h y y h d d(5.11)联立(5.10),(5.11)式得方程组C D A =⋅（5.12）其中⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=----2121212112112200n n n n a a a a a aA ，⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=-n n d d d d 110 D ，⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--'⎪⎪⎭⎫ ⎝⎛'--=----111110001066n n n n n n hy y y h c c y h y y h C 由方程组(6.12)可以唯一解出),,1,0(n j d j=，代入（5.8）式就可以得三次样条函数)(3x s 的表达式．Ｂ样条函数插值方法磨光函数实际中的许多问题，往往是既要求近似函数（曲线或曲面）有足够的光滑性，又要求与实际函数有相同的凹凸性，一般插值函数和样条函数都不具有这种性质．如果对于一个特殊函数进行磨光处理生成磨光函数（多项式），则用磨光函数构造出样条函数作为插值函数，既有足够的光滑性，而且也具有较好的保凹凸性，因此磨光函数在一维插值（曲线）和二维插值（曲面）问题中有着广泛的应用．由积分理论可知，对于可积函数通过积分会提高函数的光滑度，因此，我们可以利用积分方法对函数进行磨光处理．定义 若)(x f 为可积函数，对于0>h ，则称积分⎰+-=22,1)(1)(hx h x h dt t f h x f为)(x f 的一次磨光函数，h 称为磨光宽度．同样的，可以定义)(x f 的k 次磨光函数为)1()(1)(22,1,>=⎰+--k dt t f h x f hx h x h k h k事实上，磨光函数)(,x f h k 比)(x f 的光滑程度要高，且当磨光宽度h 很小时)(,x f h k 很接近于)(x f ．等距Ｂ样条函数对于任意的函数)(x f ，定义其步长为１的中心差分算子δ如下：⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+=2121)(x f x f x f δ在此取0)(+=x x f ，则002121+++⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+=x x x δ是一个单位方波函数（如图5-1），记0)(+=Ωx x δ．并取1=h ，对)(0x Ω进行一次磨光得++++-+++-+++--+-+=-=⎥⎥⎦⎤⎢⎢⎣⎡⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+==⎰⎰⎰⎰)1(2)1(2121)()(11212100212101x x x dt t dt t dt t t dt t x x xx x x x x x ΩΩ显然)(1x Ω是连续的（如图5-2）．)(1x Ωo1-1/2 0 1/2 x -1 0 1 x 图5-1图5-2类似地可得到k 次磨光函数为kk j jk j k j k x k C x ++=+⎪⎭⎫ ⎝⎛-++-=Ω∑21!)1()(11 实际上,可以证明：)(x kΩ是分段k 次多项式，且具有1-k 阶连续导数，其k 阶导数有2+k个间断点，记为)1,,2,1,0(21+⋅⋅⋅=+-=k j k j x j．从而可知)(x kΩ是对应于分划+∞<<⋅⋅⋅<<<-∞∆+110:k x x x 的k 次多项式样条函数，称之为基本样条函数，简称为k 次Ｂ样条．由于样条节点为)1,,2,1,0(21+⋅⋅⋅=+-=k j k j xj是等距的，故)(x k Ω又称为k 次等距Ｂ样条函数．对于任意函数)(x f 的k 次磨光函数，由归纳法可以得到 [4,8] ：⎪⎭⎫⎝⎛+≤≤--Ω=⎰∞+∞--22)()(1)(1,h x t h x dt t f htx h x f k h k 特别地，当1)(=x f 时，有1)(11⎰+∞∞--=-dt htx hk Ω，从而1)(⎰+∞∞-=dx x k Ω，且当k ≥1时有递推关系⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛-Ω⎪⎭⎫ ⎝⎛---⎪⎭⎫ ⎝⎛+Ω⎪⎭⎫ ⎝⎛++=Ω--212121211)(11x x k x k x k x k k k一维等距Ｂ样条函数插值等距Ｂ样条函数与通常的样条如下的关系： 定理设有区间],[b a 的均匀分划nab h n j jh x x j -=⋅⋅⋅=+=),,,1,0(:0∆，则对任意 k 次样条函数),()(k S x S p k ∆∈都可以表示为Ｂ样条函数族1021-=-=⎭⎬⎫⎩⎨⎧⎪⎭⎫⎝⎛+---n j k j k k j h x x Ω的线性组合[14]．根据定理 5.1,如果已知曲线上一组点()jjy x ,，其中),,1,0,0(0n j h jh x x j⋅⋅⋅=>+=，则可以构造出一条样条磨光曲线（即为Ｂ样条函数族的线性组合）⎪⎭⎫⎝⎛--=∑--=j h x x c x S n kj k j k 01)(Ω 其中)1,,1,(-⋅⋅⋅+--=n k k j c j为待定常数．用它来逼近曲线，既有较好的精度，又有良好的保凸性．实际中，最常用的是3=k 的情况，即一般形式为⎪⎭⎫ ⎝⎛--=∑+-=j h x x c x S n j j 01133)(Ω 其中3+n 个待定系数)1,,0,1(+⋅⋅⋅-=n j c j可以由三类插值条件确定．由插值条件(5.3)得()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=-'='==-='=-'='∑∑∑+-=+-=+-=n n j j n i n j j i n j j y j n c h x S ni y j i c x S y j c h x S 113311330113031)(,,1,0,)(1)(ΩΩΩ(5.13)注意到)(3x Ω的局部非零性及其函数值：61)1(,32)0(33=±=ΩΩ，当2≥x 时0)(3=x Ω；且由)21()21()(223--+='x x x ΩΩΩ知，21)1(,0)0(33=±'='ΩΩ，当2≥x 时0)(3='x Ω．则(5.13)中的每一个方程中只有三个非零系数，具体的为⎪⎩⎪⎨⎧'=+-==++'=+-+-+--n n n i i i i y h c c n i y c c c y h c c 2,,1,0,6421111011(5.14)由方程组(5.14)容易求解出)1,,0,1(+⋅⋅⋅-=n j c j，即可得到三次样条函数)(3x S 表达式．类似地，由插值条件(5.4)得待定系数的)1,,0,1(+⋅⋅⋅-=n j c j所满足的方程组为⎪⎩⎪⎨⎧''=+-==++''=+-+-+--nn n n i i i i y h c c c n i y c c c y h c c c 21111021012,,1,0,642（5.15）由插值条件(5.5)得待定系数的)1,,0,1(+⋅⋅⋅-=n j cj所满足的方程组为⎪⎪⎩⎪⎪⎨⎧==++=-+---=-++-=-+-+-+-+--+--+--ni y c c c c c c c c c c c c c c c c c c c i i i i n n n n n n n n ,,1,0,640)()(2)(0)(0)(0)()(4)(1111011111111011（5.16）方程组(5.15),(5.16)也都是容易求解的．注：上述等距Ｂ样条插值公式也适用于近似等距的情形，但在端点0x 和n x 处误差可能较大，实际应用时，为了提高在端点0x 和nx 处的精度，可以适当向左右延拓几个节点．二维等距Ｂ样条函数插值设有空间曲面),(y x f z =(未知),如果已知二维等距节点()()τj y ih x y x ji++=0,,)0,(>τh 上的值为),,2,1,0;,,2,1,0(m j n i z ij⋅⋅⋅=⋅⋅⋅=，则相应的Ｂ样条磨光曲面的一般形式为⎪⎭⎫ ⎝⎛--⎪⎭⎫⎝⎛--=∑∑--=--=j y y i h x x c y x s l m lj k ij n ki τΩΩ0011),( 其中),,2,1,0;,,2,1,0(m j n i c ij⋅⋅⋅=⋅⋅⋅=为待定常数，l k ,可以取不同值，常用的也是2,=l k 和３的情形．这是一种具有良好保凸性的光滑曲面(函数)，在工程设计中是常用的，但只能使用于均匀分划或近似均匀分划的情况．（4） 最小二乘拟合方法最小二乘拟合方法的思想：由于一般插值问题并不总是可解的（即当插值条件多于待定系数的个数时，其问题无解），同时，问题的插值条件本身一般是近似的，为此，只要求在节点上近似地满足插值条件，并使它们的整体误差最小，这就是最小二乘拟合法．最小二乘拟合方法可以分为线性最小二乘拟合方法和非线性最小二乘拟合方法．线性最小二乘拟合方法设{}m k kx 0)(=φ是一个线性无关的函数系，则称线性组合∑==mk k k x a x 0)()(φφ为广义多项式．如三角多项式：∑∑==+=mk k mk kkx b kx ax 0sin cos )(φ．设由给定的一组测量数据),(iiy x 和一组正数),,2,1(n i w i⋅⋅⋅=，求一个广义多项式∑==mk k k x a x 0)()(φφ使得目标函数[]21)(∑=-=ni i i i y x w S φ(5.17)达到最小，则称函数)(x φ为数据),,2,1)(,(n i y x ii⋅⋅⋅=关于权系数),,2,1(n i w i⋅⋅⋅=的最小二乘拟合函数，由于)(x φ关于待定系数ia 是线性的，故此问题又称为线性最小二乘问题． 注意：这里{}m k kx 0)(=φ可根据实际来选择，权系数iw 的选取更是灵活多变的，有时可选取1=i w ，或nw i 1=，对于nw i1=，则相应问题称为均方差的极小化问题．最小二乘拟合函数的求解要使最小二乘问题的目标函数(5.17)达到最小，则由多元函数取得极值的必要条件得),,2,1,0(0m k a Sk==∂∂ 即),,2,1,0(0)()(10m k x y x a w i k ni i m k i k k i ⋅⋅⋅⋅==⎥⎦⎤⎢⎣⎡-∑∑==φφ 亦即),,2,1,0()()()(001m k x y w a x x w n i i k i i j mj n i i k i j i ⋅⋅⋅⋅==⎥⎦⎤⎢⎣⎡∑∑∑===φφφ(5.18)是未知量为ma a a a ,,,,21⋅⋅⋅的线性方程组，称(5.18)式为正规方程组．实际中可适当选择函数系{}m k kx 0)(=φ，由正规方程组解出ma a a a ,,,,210⋅⋅⋅，于是可得最小二乘拟合函数∑==mk kk x a x 0)()(φφ．一般线性最小二乘拟合方法将上面一元函数的最小二乘拟合问题推广到多元函数，即为多维线性最小二乘拟合问题．假设已知多元函数),,,(21nx x x f y ⋅⋅⋅=的一组测量数据);,,,(21iniiiy x x x ⋅⋅⋅),,2,1(m i ⋅⋅⋅=和一组线性无关的函数系{}N k nk x x x 021),,,(=⋅⋅⋅φ，求函数∑=⋅⋅⋅=⋅⋅⋅Nk n k k n x x x a x xx 02121),,,(),,,(φφ对于一组正数mw w w ,,,21⋅⋅⋅，使得目标函数[]2121),,,(∑=⋅⋅⋅-=mi ni i i i i x x x y w S φ达到最小．其中待定系数N a a a a,,,,210⋅⋅⋅由正规方程组),,2,1,0(),(),(0N k y a Nj k j k j⋅⋅⋅==∑=φφφ确定，此处ini i i k mi i k ni i i k mi ni i i j i k j y x x x w y x x x x x x w ),,,(),(),,,(),,,(),(21121121⋅⋅⋅=⋅⋅⋅⋅⋅⋅=∑∑==φφφφφφ注：上面的函数φ关于ia 都是线性的，这就是线性最小二乘拟合问题，对于这类问题的正规组总是容易求解的．如果φ关于ia 是非线性的，则相应的问题称为非线性最小二乘拟合问题．非线性最小二乘拟合方法假设已知多元函数),,,(21nx x x f y ⋅⋅⋅=的一组测量数据);,,,(21iniiiy x x x ⋅⋅⋅),,2,1(m i ⋅⋅⋅=，要求一个关于参数),,2,1,0(N j a j⋅⋅⋅=是非线性的函数),,,;,,,(1021Nn a a a x x x ⋅⋅⋅⋅⋅⋅=φφ对一组正数mw w w ,,,21⋅⋅⋅使得目标函数[]21102110),,,;,,,(),,,(∑=⋅⋅⋅⋅⋅⋅-=⋅⋅⋅mi N ni i i i i N a a a x x x y w a a a S φ达到最小，则称之为非线性最小二乘问题．这类问题属于无约束的最优化问题，一般问题的求解是很复杂的，通常情况下，可以采用共轭梯度法、最速下降法、拟牛顿法和变尺度法等方法求解．实例：黄河小浪底调水调沙问题问题的提出2004年６月至７月黄河进行了第三次调水调沙试验，特别是首次由小浪底、三门峡和万家寨三大水库联合调度，采用接力式防洪预泄放水，形成人造洪峰进行调沙试验获得成功．整个试验期为20多天，小浪底从６月19日开始预泄放水，直到７月13日恢复正常供水结束．小浪底水利工程按设计拦沙量为75.5亿立方米，在这之前，小浪底共积泥沙达14.15亿吨．这次调水调试验一个重要目的就是由小浪底上游的三门峡和万家寨水库泄洪，在小浪底形成人造洪峰，冲刷小浪底库区沉积的泥沙．在小浪底水库开闸泄洪以后，从6月27日开始三门峡水库和万家寨水库陆续开闸放水，人造洪峰于29日先后到达小浪底，7月3日达到最大流量2700立方米/每秒，使小浪底水库的排沙量也不断地增加．下面是由小浪底观测站从6月29日到7月10日检测到的试验数据：表5-1: 试验观测数据单位：水流为立方米/每秒，含沙量为公斤/立方米·84··85·注：以上数据主要是根据媒体公开报道的结果整理而成的，不一定与真实数据完全相符．现在，根据试验数据建立数学模型研究下面的问题：(1) 给出估算任意时刻的排沙量及总排沙量的方法；(2) 确定排沙量与水流量的变化关系．模型的建立与求解对于问题（１），根据所给问题的试验数据，要计算任意时刻的排沙量，就要确定出排沙量随时间变化的规律，可以通过插值来实现．考虑到实际中排沙量应该是随时间连续变化的，为了提高精度，我们采用三次Ｂ样条函数进行插值．下面构造三次Ｂ样条函数)(x S y =．由试验数据，时间是每天的早８点和晚８点，间隔都是12个小时，共24个点)24,,2,1(⋅⋅⋅=i t i．为了计算方便，令)23,,,1,0(122128⋅⋅⋅=+⎥⎦⎤⎢⎣⎡⋅+-=i i t x i i(5.19)则it 对应于)23,,1,0(1⋅⋅⋅=+=i i x i．于是以)23,,1,0(⋅⋅⋅=i x i为插值节点（等距），步长1=h ．其相应的排沙量为)23,,1,0(⋅⋅⋅=i y i 对应关系如下表：·86·表5-2: 插值数据对应关系单位：排沙量为公斤函数)(x S y =所满足的条件为 (1)23,,1,0,)(⋅⋅⋅==i y x S ii；(2) 3500)(,56400)(2223222323231212-=--≈'='=--≈'='x x y y x S y x xy yx S y .取)(x S 的三次Ｂ样条函数一般形式为∑-=⎪⎭⎫⎝⎛--=24103)(j j j h x x c x S Ω·87·其中)24,,1,0,1(⋅⋅⋅-=j cj为待定常数，1=h ．在这里⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<<+-+-≤+-=Ω2,021,342611,3221)(23233x x x x x x x x x且易知⎪⎪⎪⎩⎪⎪⎪⎨⎧≥±===Ω2,01,610,32)(3x x x x和⎪⎪⎩⎪⎪⎨⎧≥±===Ω'2,01,210,0)(3x x x x 根据Ｂ样条函数的性质，)(x S ''在[]23,x x 上连续，则有()∑-=--'='='2413)(j jj xx c x S y Ω由插值条件(1),(2)可得到下列方程组()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=-'=''=-'='⋅⋅⋅==-=∑∑∑-=-=-=23241323024130241323)()(23,,1,0,)(y j c x S y j c x S i y j i c x S j j j j i j j i ΩΩΩ 即⎪⎩⎪⎨⎧'=+-'=+-⋅⋅⋅==++-+-23242311112223,,1,0,64y c c y c c i y c c c i i i i 将232324112,2y c c y c c '+='-=-代入前24个方程中的第一个和最后一个，便可得到方程组F AC =，其中·88·⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅⋅⋅⋅⋅⋅=⨯232102424,421410141014124c c c c C A ，⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡'-'+=3400048000684000458400266626232322100 y y y y y y F显然A 为满秩阵，方程组F AC =一定有解，用消元法求解可得问题的解为56044.39830=c , 4117111.2031=c , 2159510.7882=c , 9189845.6433=c ,1203106.6364=c , 8239727.8115=c ,8249182.1166=c , 1263543.7217=c ,9287842.9988=c , 2302284.2839=c ,4317419.86810=c , 1304836.24311=c ,3307635.15912=c ,6305423.11913=c ,2270672.36214=c ,4240287.43115=c ,0154177.91216=c ,4103000.92017=c ,99818.406218=c , 43725.454719=c ,49279.775020=c ,32155.445221=c , 2098.444222=c ,7450.777923=c ,-450.777924311.2034,2232324011='+=='-=-y c c y c c . 将)24,,1,0,1(⋅⋅⋅-=j c j代入()∑-=--==24131)(j jj x c x S y Ω(5.20)即得排沙量的变化规律．由（5.19）和(5.20)式可得到第i 时间段（12小时为一段）内，任意时刻]12,0[∈t 的排沙量．则总的排沙量为()dt j t c dx x S Y j j⎰∑⎰-=--Ω==284824132411)(经计算可得1110844.1⨯=Y 吨，即从6月29日至7月10日小浪底水库排沙总量大约为1.844亿吨,此与媒体报道的排沙量基本相符.对于问题(2),研究排沙量与水量的关系，从试验数据可以看出，开始排沙量是随着水流量的增加而增长，而后是随着水流量的减少而减少．显然，变化规律并非是线性的关系，为此，我们问题分为两部分，从开始水流量增加到最大值2720立方米/每秒（即增长的过程）为一段，从水流量的最大值到结束为第二段，分别来研究水流量与排沙量的关系．具体数据如表5-3和5-4.表5-3: 第一阶段试验观测数据 单位：水流为立方米/每秒，含沙量为公斤/立方米表5-4: 第二阶段试验观测数据单位：水流为立方米/每秒，含沙量为公斤/立方米对于第一阶段，由表5-3用Matlab作图（如图5-3）可以看出其变化趋势，我们用多项式作最小二乘拟合．·90··91·图5-3设拟合函数为∑==mk kk x a x 1)(φ确定待定常数),,1,0(m k ak=使得211111102])([∑∑∑===⎥⎦⎤⎢⎣⎡-=-=i i i m k k i k i i y x a y x S φ有最小值．于是可以得到正规方程组为m k x y a x mj i k i i j i j k i ,,1,0,0111111 ==⎪⎭⎫⎝⎛∑∑∑===+ 当3=m 时，即取三次多项式拟合，则3,2,1,0,1113111321112111110111==⎪⎭⎫⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛∑∑∑∑∑==+=+=+=k x y a x a x a x a x i k i i i k i i k i i k i i k i求解可得73321108423.1,103172.1,3.1784,-2492.9318--⨯=⨯-===a a a a ．于是可得拟合多项式为332213)(x a x a x a a x +++=φ，最小误差为847.72=S ，拟合效果如图所示．·92·图:三次拟合效果，带*号的为拟合曲线．类似地，当4=m 时，即取四次多项式拟合，则正规方程组为4,3,2,1,0111411143111321112111110111==⎪⎭⎫⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛∑∑∑∑∑∑==+=+=+=+=k x y a x a x a x a x a x i ki i i k i i k i i k i i k i i k i求解可得104633210109312.1,1094.1,102626.7,12.0624,-7434.6557---⨯-=⨯=⨯-===a a a a a 于是可得拟合多项式为443322104)(x a x a x a x a a x ++++=φ，最小误差为102.66=S ，拟合效果如图5-5所示．图5-5:四次拟合效果，带*号的为拟合曲线．从上面的三次多项式拟合和四次多项拟合效果来看，差别不大．基本可以看出排沙量与水流量的关系．图5-6:第二段三·93··94· 次多项式拟合效果对于第二阶段，由表5-4可以类似地处理．我们用线性最小二乘法作三次和四多项式拟合．拟合效果如图5-6和5-7所示，最小误差分别为5.459=S 和1.236=S ． 从拟合效果来看，显然四次多项式拟合要比三次多项式拟合好的多．图5-7:第二段四次多项式拟合效果。
计算方法与数值计算(2-1插值与逼近)
800 1:42.58 罗达尔
1000
1500 3:32.07 恩格尼
是否能建立竞赛距离与纪录时间之间的 函数关系，并测算男子1000米纪录。
4
200
150
100
400
600
800
1000
1200
1400
散点图
5
引例2 设f ( x) ln x，并假定已给出下列三 点 处的函数值，试近似计 算 ln11.75的值。
30
f ( n1) ( ) n Rn ( x) (x x j ) (n 1)! j 0
不能确定，实际计算时，
在[a, b]上，若有 f ( n1) ( x) M，则
n f ( n1) ( ) n M Rn ( x) ( x x j ) (n 1)! ( x x j ) (n 1)! j 0 j 0
已知函数f(x)在n+1个互异节点ax0<x1 <……< xn b
处的函数值yi = f(xi) (i=0,1,2,……，n)，
则存在唯一一个次数不超过n次的多项式： Pn(x)=a0+a1x+……+anxn 满足条件Pn (xi) = yi = f(xi) 。
11
证明：设所要构造的插值多项式为：
y1 y=P1(x)
y0
x0
线性插值
18
x1
x
L1(x)= l0(x)y0 + l1(x)y1
其中
x x1 l0 ( x ) x0 x1
x x0 , l1 ( x) x1 x0
l0(x)：点x0的一次插值基函数， l1(x)：点x1的一次插值基函数。
- 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)。
抛物线插值法计算公式
抛物线插值法是一种常用的数值计算方法，可以用于估计给定一组离散数据点的未知函数值。
它的原理是利用已知数据点的坐标，通过构造一个与数据点完全匹配的二次函数，从而得到未知函数在其他点的近似值。
抛物线插值法的基本思想是假设未知函数的形式为一个二次函数，然后通过已知点的坐标来确定这个二次函数的系数。
具体而言，假设已知的数据点有n个，分别为(x1, y1), (x2, y2), ... , (xn, yn)，其中x1 < x2 < ... < xn。
我们的目标是找到一个二次函数y = ax^2 + bx + c，使得这个函数与已知点完全匹配。
为了确定二次函数的系数a、b和c，我们需要三个等式。
由于已知点的数量为n个，我们可以构造n个等式，进而确定这些系数。
具体而言，我们可以利用已知点的坐标，将它们代入二次函数，得到n个等式，形如：
y1 = ax1^2 + bx1 + c
y2 = ax2^2 + bx2 + c
...
yn = axn^2 + bxn + c
这样，我们就得到了一个由n个等式组成的线性方程组。
通过求解这个线性方程组，我们可以得到系数a、b和c的值。
一种常用的求解线性方程组的方法是高斯消元法。
通过对线性方程组进行逐步的消元和回代操作，我们可以求解出系数a、b和c的值。
具体的步骤如下：
1. 构造增广矩阵：将线性方程组转化为增广矩阵的形式，其中矩阵的第一列为系数矩阵，最后一列为常数向量。
2. 消元操作：通过一系列的行变换，将增广矩阵转化为上三角矩阵。
具体来说，我们可以选择一个主元素（通常选择第一行的第一个非零元素），然后利用它来消去其他行的对应位置的元素。
3. 回代操作：从最后一行开始，利用已经求解得到的未知数的值，逐步回代求解其他未知数的值。
4. 检验解的唯一性：检验解的唯一性，并判断是否有无穷多个解或无解的情况。
通过以上步骤，我们可以求解出系数a、b和c的值。
然后，我们就可以利用这些值来构造二次函数，从而得到未知函数在其他点的近似值。
需要注意的是，抛物线插值法只能用于估计已知数据点范围内的函数值，而不能用于函数值范围之外的点。
此外，由于抛物线插值法假设未知函数为二次函数，因此在一些复杂的函数情况下，可能会
引入较大的误差。
因此，在使用抛物线插值法时，需要根据具体问题和数据点的特点来决定是否合适使用这种方法。
抛物线插值法是一种常用的数值计算方法，可以用于估计给定一组离散数据点的未知函数值。
它的原理是通过构造一个与数据点完全匹配的二次函数，从而得到未知函数在其他点的近似值。
通过求解线性方程组，我们可以确定二次函数的系数，然后利用这些系数构造二次函数，得到近似值。
然而，需要注意抛物线插值法的局限性和误差问题，合理使用该方法才能得到准确的结果。