第五章差值与最小二乘法3.30.pptVIP

《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * §5.7.3 三次样条差值收敛性 《数值分析》 主讲教师：陈松林 * §5.8 曲线拟合的最小二乘法 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * §5.9 正交多项式及其在最小二乘的应用 §5.9.1 内积与正交多项式 §5.9.2 Legendre多项式 §5.9.3 Chebyshev多项式 §5.9.4 其他正交多项式 §5.9.5 用正交多项式作最小二乘法 《数值分析》 主讲教师：陈松林 * §5.9.1 内积与正交多项式 《数值分析》 主讲教师：陈松林 * §5.9.2 Legendre多项式 《数值分析》 主讲教师：陈松林 * §5.9.3 Chebyshev多项式 《数值分析》 主讲教师：陈松林 * §5.9.4 其他正交多项式 《数值分析》 主讲教师：陈松林 * §5.9.5 用正交多项式作最小二乘法 * 本章主要讨论如何求插值多项式、分段插值函数、三次样条插值、插值多项式的存在唯一性及误差估计等此外，还讨论列表函数的最小二乘曲线拟和问题与正交多项式。 * 本章主要讨论如何求插值多项式、分段插值函数、三次样条插值、插值多项式的存在唯一性及误差估计等此外，还讨论列表函数的最小二乘曲线拟和问题与正交多项式。 《数值分析》 主讲教师：陈松林 * §5.4.2 等距节点差值公式 《数值分析》 主讲教师：陈松林 * §5.4.2 等距节点差值公式 《数值分析》 主讲教师：陈松林 * §5.5 Hermite差值 《数值分析》 主讲教师：陈松林 * §5.5 Hermite差值 《数值分析》 主讲教师：陈松林 * §5.5 Hermite差值 《数值分析》 主讲教师：陈松林 * §5.5 Hermite差值 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 误差估计 《数值分析》 主讲教师：陈松林 * Hermite插值的两个性质 《数值分析》 主讲教师：陈松林 * §5.6 分段低次差值 §5.6.1 多项式差值的收敛性问题 §5.6.2 分段线性差值 §5.6.3 分段三次Hermite差值 《数值分析》 主讲教师：陈松林 * §5.6.1多项式差值收敛性问题 前面介绍了n+1个插值节点上构造不超过n次的插值多项式的方法，并分析了他们的余项，从余项的表达式看到，插值多项式与被插函数逼近的程度是与分点的数目、位置及被插函数的特性有关。 考虑如下问题： 是否分点越多，插值多项式对函数的逼近程度就越好呢？——龙格现象 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * §5.6.2 分段线性差值 由于高次插值收敛性没有保证，实际的计算稳定性也没保证。 因此当插值节点n较大时通常不采用高次多项式插值，而改用低次分段插值。 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * §5.6.3 分段三次Hermite差值 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * §5.7 三次样条差值 §5.7.1 三次样条函数 §5.7.2 三弯矩方程 §5.7.3 三次样条差值收敛性 《数值分析》 主讲教师：陈松林 * §5.7.1 三次样条函数 多项式插值虽有许多优点，但由于多项式“在一点的性质足以决定其整体性质”的特点，难以描述自然界“在不同的区域内的性状可以完全不相关”的大范围现象；另方面分段线性插值和分段Hermite插值的光滑性不够（例如船体、飞机的外形曲线设计常需二阶可导）。 下面介绍的样条是一种分段多项式，各相邻段又具有某种连接性质，因而它既保持了多项式的简单性，又在各段保持了相对独立的局部性质。 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数值分析》 主讲教师：陈松林 * 《数