计算方法(五).pptVIP

摘 要 本文主要介绍了插值方法中的多项式插值方法 1.1.1 插值问题 在插值法中需考虑的问题： 简单函数类的选取问题 存在唯一性问题 余项估计问题 收敛性问题 例1， 解 求 上关于 二次正交多项式族。 取 下面验证 和 俩俩相互正交。 事实上， 例2， 解 求 上关于 二次正交多项式族。 取 正交多项式的一些重要性质： 性质 2 性质 3 性质2和性质3是构造Gauss型求积公式的重要依据 性质 1 恰好是n次多项式， 是 的一组基底函数。 在 内恰有 个互异零点。 与次数低于 次的所有多项式正交。 4.5.3 数据拟合的最小二乘法 这些数据往往带有随机的误差，如果利用这些数据按插值法求 与实际不符的结果。 的一组数据 假设有变量 的近似表达式，必然将误差带入函数关系式中，甚至可能得到 函数关系 满足线性关系 假设 例如， 称为散点图）时，这些点可能并不共线（但这些点又必然在直线 的周围），因此插值多项式不会是线性函数．只能另 而在xOy坐标平面上将以这组数据为坐标的点描出来（所得图形 最小二乘法是处理这类数据拟合 选办法确定关系式 问题的好方法。 最小二乘法的几何意义 设 为给定的一组数据求一个函数 使其满足 简称最小二乘法， 则称 为离散数据 的数据拟合的最小二乘法 显然，求解 等价于求多元数 的最小值点 为最小二乘解。 并称 令 得 即 进一步有， * * 第4章 插 值 与 逼 近 插值方法是数值分析中的一个简单而又重要的方法，利用该方法可以通过函数在有限个点处的函数值求出其近似函数，进而估算出函数在其它点处的值 插值方法在离散数据处理、函数的近似表示、数值微分、数值积分、曲线与曲面的生成等方面有重要的应用 构造一个简单易算的函数，使其满足下述条件： (4-1) (4-2) 1.1 引 言 设已知函数在上个互异点处的函数值和导数值 以上问题称作插值问题， 称为插值节点， 关于节点组 的插值函数, 称为 （4-2）称为插值条件。 1.1.2 Lagrange插值基本概念 我们的目标是找一个简单的函数，例如多项式函数 ,使之满足条件 即在给定点 处， 与 是相吻合的。 假设 是定义在区间 上的未知或复杂函数 , 但已知该函数在互异点 处的函数值 (4-3) 条件(4-3)称为插值条件,并把求 的过程称为插值法。 把 称为 的插值多项式(函数), 通常把 称为插值节点, 称为被插函数. 称为插值区间 设 … … … 由插值条件可得 显然，其系数是满足Vandermorde（范德蒙）行列式 ，满足 这实际上就证明了代数多项式插值的存在唯一性。 （所有次数不超过 的实系数代数多项式 因此，在 的集合）中有唯一的多项式 4.2.1 Lagrange插值公式 的情形， 且 构造一次多项式 ，满足条件： 考虑 给定 由直线的两点式可知： ，解之，得 进一步可改写成 其中 分别称其为关于节点 和 的插值基函数。 并且具有性质： 从而， 满足插值条件条件： 故 即为满足条件的一次Lagrange插值多项式。 插值基函数的个数=插值节点的个数； 注意： 插值基函数的次数=插值节点的个数-1； 插值基函数决定着插值多项式满足插值条件； 插值基函数与插值节点的次序无关。 , 满足条件： 且 构造二次多项式 的情形， 考虑 给定 进一步写成 其中 ，均为二次的插值基函数多项式，且满足 下面我们 以为例来确定出： 由条件 可知, 其中A为待定系数。又由 ，可得 从而， 同理， 是 的两个根，从而 进而满足条件的二次Lagrange插值多项式为： 设 是 上的 个互异点，取 (4-6) 其中 显然 (4-7) 称为 次Lagrange插值基函数． 就是 多项式空间 中满足插值条件 从而 的唯一的多项式， 称为 次Lagran