插值法与最小二乘法.ppt

第三章 插值法与最小二乘法 在实际问题中遇到的函数 有些有解析表达式，但很复杂，有些只给出一些离散数据，这给我们求解函数值、导数值、零点、极值和积分值等带来了诸多不便。对于这些情况，自然的想法是，设法找到某个简单近似函数满足 。本章介绍两种方法，即插值法和最小二乘法。 §3.1 插值法 3.1.1 多项式的插值概念 在众多的插值函数中，多项式是最简单最易计算的。设 函数在区间[a, b]上连续，且在n+1个不同的点 上分别取值为 。在多项式插值中，最基本、最简单的问题是求一个次数不超过 的代数多项式 拉格朗日插值多项式程序设计 计算公式(3-5)的程序为二重循环。由内循环（j循环）通过累乘求得基函数 ，然后通过外循环（i循环）得到插值结果y. 下图描述了拉格朗日算法流程，对于该框图中的有关参数说明如下： N: 插值多项式次数（插值点个数-1） Xi：插值点 Yi: 插值点上的函数值 LN:拉格朗日插值结果 T: 存放累乘积 I: 外循环变量 J: 内循环变量 拉格朗日算法程序 DIMENSION X(I),Y(I) REAL LN READ(*,*) N DO K=1,N READ(*,*) X(I),Y(I) END DO LN=0.0 DO I=0,N T=1 DO J=0,N T=T*(X-X(J))/(X(I)-X(J)) END DO LN=LN+T*Y(I) END DO WRITE(*,*) ‘LN=‘,LN 3.1.3 插值多项式余项 1、插值余项 对插值后，用 代替 必定会产生误差，其误差可表示为 称上式为插值多项式 的插值余项。 设 在区间 上有直到 阶导数， 为 上 个互异的节点， 为满足条件的 次插值多项式。 那么对于任何，有 (3-6) 其中 且依赖于 。（一般取 最大值 3.1.4牛顿插值多项式 在插值基函数 中，按这种方式来求 ：由线性代数性质可知，一个不高于n次的多项式可表示成 的线性组合。在满足插值条件 情况下， 可表示为（记为 ）： （3-6） 上式称为牛顿（Newton）插值多项式。 3.1.4牛顿插值多项式 1. 1、向前差分与牛顿向前插值多项式 取节点为等距离，则 其中h为步长。在两相临节点处的函数值之差为 称为函数f(x)在节点处以h为步长的一阶向前差分（简称一阶差分）。又称一阶差分的差分为二阶差分，记为 3.1.4牛顿插值多项式 为了便于计算与一目了然，用表格描述为 3.1.4牛顿插值多项式 在等距离节点的情况下，可以用差分来确定(3.6)式的待定系数，并将牛顿插值多项式加以简化。 在节点上，函数值是已知的，所以 3.1.4牛顿插值多项式 将上式带入(3.6)式，并令 ，则式(3.6)可简化为 该式称为牛顿向前插值公式。其插值余项是 3.1.4牛顿插值多项式 2、向后差分与牛顿向后插值公式 a、向后差分 b、中心差分 3.1.4牛顿插值多项式 　3、差商与牛顿插值多项式 用差商来确定(3.6)式中的系数 一阶差商 二阶差商 依次类推 3.1.4牛顿插值多项式 3.1.4牛顿插值多项式 3.1.4牛顿插值多项式 lgx=f(x0)+f(x0,x1)(x-x0)+f(x0,x1,x2)(x-x0)(x-x1) + f(x0,x1,x2,x3)(x-x0)(x-x1) (x-x2) 表3.4 3.1.5 Hermite插值多项式 前述的插值多项式均只要求插值点