第3章插值法与最小二乘法1_2.pptVIP

* 结果表明,并不是插值多项式的次数越高,插值效果 越好,精度也不一定是随次数的提高而升高,这种现 象在上个世纪初由Runge发现,故称为Runge现象. * 第三章 插值法和最小二乘法 3.1 插值法 3.2 插值多项式中的误差 3.3 分段插值法 3.4 Newton插值 3.5 Hermite插值 3.6 三次样条 插值 3.7 数据拟合 * 本章要点 用简单的函数(如多项式函数)作为一个 复杂函数的近似,最简单实用的方法就是 插值,而数据拟合则是另外一类的函数近 似问题. 本章主要介绍有关插值法的一些基本概念, 及多项式插值的基础理论和几个常用的插 值方法:Lagrange插值、分段线性插值、 Newton插值、Hermite插值和三次样条插值 在本章的最后介绍了拟合的最小二乘法 P122. 2. 5. 10. 11. 16. 19, 20 , 25. 27. 本章作业 * 为了计算函数值或分析函数的性态, 必须首先产生函数可计算的近似式. 函数的插值与数据拟合的最小二乘法就是研究如何用简单函数为各种离散数据建立连续模型,为各种非有理函数提供好的逼近, 使它们既能达到精度要求, 又使计算量尽可能小.