第1章 插值法_xin.ppt

（2) Taylor余项 （3) Taylor插值 求做n次多项式 ，使满足 例题：求做 在 的一次和二次Taylor多项式，利用它们计算 的近似值并估计误差。（P14) 2.5 Aitken算法 Lagrange插值法中，若要增加一个插值节点，所有系数都要重算 Aitken算法将一个高次的插值过程归结为线性插值的多次重复 Aitken算法可在逐次线性插值的过程中控制计算精度，便于程序设计 有关记号 表示用 进行k次插值所得结果。 Aitken算法流程图 3.1 具有承袭性的插值公式 §4 Hermite插值 不但要求在插值节点上函数值相等，而且导数值也相等，甚至高阶导数值也相等，满足这种要求的多项式称为Hermite插值多项式。 4.1 Hermite插值问题 已知插值节点为 ，及 4.2 Hermite 插值多项式的基函数表示 4.3 只含有两个节点的Hermite插值多项式 满足条件的Hermite插值多项式为 2. 分段线性插值函数的表示 其中基函数可表示为 3. 分段线性插值的误差估计 2. 分段三次Hermite插值的表示 在[a,b]上用插值基函数表示为 其中 一、直线拟合 超定方程组 构造拟合曲线的三个准则 设 为按拟合直线求得的近似值，它与实测值之差 称为残差。 准则1： 准则2： 准则3： 问题描述 给定数据点(xi,yi)(i=1,2,…,m),求做一次函数y=a+bx,使总误差 为最小. 直线拟合问题的求解 三、最小二乘问题的求解 确定函数类Φ.通常将所给数据描绘在坐标纸之上，依据这些点的分布规律确定此函数的具体表达式。 确定系数aj*（j=0,1,…,n），从而求出S*(x). 此问题转化为求以下多元函数的极小点 四、多项式拟合 问题描述 问题求解 3. 正则化方程组 4. 正则化方程组解的唯一性 定理 当xi(i=1,2,…,N)互异时，正则化方程组（6.9）解唯一。若将其解记为aj (j=1,2,…,m)，则 必为最小二乘问题(6.7)的解. 5. 五点二次修匀公式 由 可得 举例P38.例8, (如图8所示). 补充例题： 给定数据表如下： 求 的最小二乘拟合曲线. 答案： (如图9所示） 2.13 2.01 1.88 1.75 1.63 lny 8.46 7.45 6.53 5.79 5.10 y 2.00 1.75 1.50 1.25 1.00 x 4.00 3.00 2.00 1.00 0.00 i （6.2） 图8 图9 二、曲线拟合的最小二乘问题 （6.3） 由极值存在的必要条件可得 即 （6.4） * 其中 （6.5） * （6.6） （6.7） （6.8） （6.9） 作业: 习题一（P56）：35,37 * 小 结 插值法是一个古老而又实用的数值方法。它不仅是数值微分、数值积分、函数逼近以及微分方程数值解等数值分析的基础，而且在许多实际问题中，也有直接的应用。 本章只简要介绍了有关插值法的一些基本概念、多项式插值的基础理论和几个常用的插值方法，例如Lagrange插值公式 * 、Newton基本插值公式和仅适用于等距离节点下的Newton向前（后）插值公式，以及应用最广且有二阶连续导数的三次样条插值。作为一种直接应用，也可介绍了利用插值法求导数的基本原理和常用公式。 实际上，插值法的内容，包括插值函数类的选择，公式的构造与应用，误差的估计，以及收敛性、稳定性的讨论等，都是十分丰富的。 *