复习-数值计算方法描述.pptVIP

--------(2) --------(3) (2)式称为插值型求导公式, (3)式为相应产生的误差 由于公式(2)采取的是n次Lagrange插值多项式,而高次 插值会产生Runge现象,因此实际应用中多采用低次插 值型求导公式 插值型求导公式 习题1：给定求积公式 试确定A，B，C，使它的代数精度尽可能的高，并指明所构造出的求积公式所具有的代数精度。 解题思路： 要使得求积公式具有高的代数精度，意味着对于 代入求积公式均能够精确成立。确立3个方程，求解3个未知数，继而进一步判定更高的代数精度是否成立。 习题1：给定求积公式 试确定A，B，C，使它的代数精度尽可能的高，并指明所构造出的求积公式所具有的代数精度。 解题思路： 要使得求积公式具有高的代数精度，意味着对于 代入求积公式均能够精确成立。确立3个方程，求解3个未知数，继而进一步判定更高的代数精度是否成立。 习题2：用梯形公式和辛普生公式计算下面的积分表达式，并估计误差 解题思路： 习题3：计算下面积分，若用复化梯形公式，问：应将区域分成多少等分，才能保证计算结果有五位有效数字。 解题思路： * * * * * 插值余项定理:设x0, x1,…, xn是区间[a, b]上的互异节点，pn(x)是过这组节点的n次插值多项式。如果f(x)在[a, b]上n+1次连续可导，则对[a,b]内任意点x，插值余项为： 5.3.2 牛顿插值多项式 根据差商的定义，有： 取 这种用差商表示系数的多项式，称为牛顿插值多项式。 一阶差商 二阶差商 三阶差商 四阶差商 解：根据差商的递推定义，列差商表如下： 的牛顿插值多项式 ？ 例：试求通过下列数据点 1 0 3 2 4 15 7 12 一阶差商 二阶差商 三阶差商 通过 4 个节点的牛顿插值多项式为： 4.5 Hermite 插值多项式 要求函数值重合，而且要求若干阶导数也重合。 即：要求插值函数 P(x) 满足 p(xi)=f(xi), P’(xi)= f’(xi), …, P(m)(xi) = f(m)(xi). 在实际问题中，对所构造的插值多项式，不仅 把此类插值多项式称为埃米尔特（Hermite） 插值多项式或称带导数的插值多项式，记为H(x)。 ? hi ) ( x ) ( i li2(x) x x - = 定理:f(x)在区间[a,b]存在2n+2阶导数,则其Hermite插值余项为: ?(x)=(x-x0)(x-x1)…...(x-xn) - 5 - 4 - 3 - 2 - 1 0 1 2 3 4 5 - 0.5 0 0.5 1 1.5 2 2.5 例：在[?5, 5]上考察 的Ln(x)。取 n 越大， 端点附近抖动 越大，称为 Runge 现象 Ln(x) ? f (x) ? 是否次数越高越好呢？ 讨论：多项式摆动与分段多项式插值 分段低次插值 分段插值的误差估计 分段线性插值 小结 插值的基本概念 过n+1个不同插值节点的n阶多项式唯一 构造法求解插值多项式 Lagrange插值基函数 龙格现象 Newton 插值基函数 分段插值法 分段Hirmite插值 3次样条插值 将其写出矩阵形式有 最小二乘法求解超定方程 其中 根据最小二乘法的定义有如下残差表达式 对应的矩阵形式为 设X=X0时残差函数f（X）最小，并定义辅助函数 最小二乘法求解超定方程 e为任意n元列矩阵。 最小二乘法求解超定方程 即 GTG为n行n列的对称正定矩阵，此对称正定方程组称为超定方程的最小二乘近似解对应的法方程。 习题1：设x0,x1,…xn为N+1个相异的节点，Li(x)为拉格朗日基本插值多项式，即 试证明 解题思路： 任意不超过n阶的多项式函数的N阶拉格朗日插值无误差 习题2：对于某个物理数据，测量n次，得到n个近似值x1,x2,…,xn，通常取平均值 作为所求的值。试说明理由。 解题思路： N个测量近似值的平方误差为 习题3：给定数据如下： 求形如 的拟合函数 解题思路： 将拟合函数转化为线性函数，令 x 1.0 1.4 1.8 2.2 2.6 y 0.931 0.473 0.297 0.224 0.168 了解数值积分与微分的基本思想，掌握代数精确度的概念和插值型的求积公式，如梯形公式、Simpson公式和Newton-Cotes公式，以及相应的复化求积公式；掌握求数值微分的插值型求导公式。并能对上述数值方法进行误差分析。 第六章 数值积分和微分 对任意次数不高于n次的多项式函数f(x)， 数值积分没有