5函数插值与最佳平方逼近.docVIP

第5章 函数的插值与最佳平方逼近 实践中常有这样的问题： (1) 由实验得到某一函数f (x)在一系列点x0，x1，…，xn处的值f0，f1，…，fn，其函数的解析表达式是未知的 (2) 或者f (x)虽有解析式，但计算复杂，不便于使用 需要构造一个简单函数y(x)近似地代替f (x) —— 这就是函数逼近问题 5.0 基本概念 1. 逼近函数与被逼近函数 函数逼近问题中的函数f (x)称为被逼近函数，y(x)称为逼近函数，其中所谓简单函数指可用四则运算进行计算的函数（如：有理、多项式、分段多项式） 2. 逼近的度量 (1) 以为度量的逼近称为一致逼近 (2) 以为度量的逼近称为平方逼近 3. 插值与拟合 设已知被逼近函数f (x)在离散点xi ( [a，b]上的值f (xi) = fi， (1) 要求y(x)满足（甚至）的问题称为函数插值。 (2) 要求y(x)满足为最小的问题称为数据拟合（曲线拟合） 4. 简单函数类 设φ0，φ1，…，φn线性无关，令Φ = span{φ0，φ1，…，φn}为简单函数类，其中φ0，φ1，…，φn称为Φ的基函数。 逼近问题即用y(x) = a0φ0(x) + a1φ1(x) +…+ anφn(x)来做逼近，问题归结为求其中的待定系数a0，a1，…，an。 5.1 多项式插值 即：求多项式pn(x)满足插值条件：pn(xi) = f(xi) = fi i = 0，1，2，…，n (5.1-1) 其中点xi ( [a，b] i = 0，1，2，…，n，称为插值节点，区间[a，b]称为插值区间，pn(x)称为插值多项式 定理5.1-1 存在唯一pn(x) ( Pn[x]满足插值条件(5.1-1) 证明：取Pn[x]的一组基{1，x，x2，…，xn }，则pn(x) ( Pn[x]表为 pn(x) = a0 + a1x +…+ anxn (5.1-2) 由(5.1-1)知 pn(xi) = a0 + a1xi +…+ anxin (i = 0，1，2，…，n) (5.1-3) (5.1-3)的系数行列式为范德蒙行列式： 因为x0，x1，…，xn互异，所以Vn ≠ 0，即(5.1-3)存在唯一解，从而存在唯一的pn(x) ( Pn[x] 满足插值条件(5.1-1)。 例1 给定数据 xi -1 1 2 5 fi -7 7 -4 35 求次数不小于3的插值多项式p3(x) 解： 注：(1) 范德蒙矩阵的条件数很大 —— 误差大计算量大 (2) 选择适当基函数使插值多项式具有特殊形式 1. Lagrange插值 因为 所以先考虑特殊的插值问题。求次数不大于n的多项式li(x)满足 (5.1-4) 由(5.1-1)知，li(x)唯一存在，且有n个零点：x0，...，xi-1，xi+1，...，xn 所以li(x) = bi(x – x0)... (x – xi-1)(x – xi+1)... (x – xn) 又由li(xi) = 1，得 即 (5.1-5) 注：(1) 易知{l0，...，ln}为Pn[x]的一组基，称为以x0，...，...，xn为节点的Lagrange插值基函数。 (2) 令 (5.1-8) 则易知(5.1-8)所示的pn(x)为次数不大于n的多项式，且满足插值条件(5.1-1) (j = 0，1，...，n) 称pn(x)为Lagrange插值多项式。 (3) n = 1时称为线性插值： ， p1(x) = l0(x)f0 + l1(x)f1 n = 2时称为抛物插值： p2(x) = l0(x)f0 + l1(x)f1 + l2(x)f2 2. Newton插值 L插值的缺点：每增加一个新节点，其插值基函数li(x)要重新计算，能否充分利用已有结果呢？ 为此作基函数： 即将pn(x)表示为： (5.1-10) 这样，当增加一个新节点时，只需增加一个新项 利用插值条件(5.1-1)可得 c0 = f0 称为一阶差商 称为二阶差商 … 称为i阶差商 (i = 1，2，…，n) 从而有pn(x) = f0 +f [x0，x1](x – x0) + … +f [x0，x1，…，xn](x – x0)(x – x1)…(x – xn) (5.1-11) 称为Newton插值多项式 注：差商的基本性质如下： (1) i阶差商f [x0，x1，…，xi]可表为f (x0)，f (x1)，…，f (xi)的线性组合 (2) 差商具有对称性，即差商与它所含节点的排列顺序无关 (3) 若f为m次多项式，则i阶差商： (4) 差商表 x f