第二章逼近问题.docVIP

第二章 逼近问题 1，函数逼近 1、插值问题： 求一条曲线严格通过数据点 2、曲线拟合问题： 求一条曲线在一定意义下靠近数据点 2，插值问题 1、定义： 求一个简单函数φ(x)作为f(x)的近似表达式，以满足 我们称这样的问题为插值问题； 并称φ(x)为 f (x)的插值函数； f (x)为被插函数， x0 , x1, x2, …, xn是插值节(基)点；是插值原则. 3，插值多项式 1、定义： 求一个次数不超过n的多项式使满足插值原则(条件)称Pn(x)为 f (x)的n次插值多项式 2、定理： 在n+1个互异节点处满足插值原则且次数不超过n的多项式Pn(x)存在并且唯一。 注：若不将多项式次数限制为 n ，则插值多项式不唯一。 也是一个插值多项式，其中可以是任意多项式。 4,插值问题 拉格朗日差值 牛顿插值 二次插值基函数 一阶差商 k阶差商 零阶差商 1.差商与节点的排列次序无关，称为差商的对称性 2.高阶差商可由低阶差商反复作一阶差商得到，计算具有递推性 3.若f(x)在[a, b]上存在n阶导数，则 为了使得|ωn+1(x)|尽可能小一些，插值基点的选取原则是：使x尽可能位于区间Ix的中部，这里Ix是包含x以及所用基点的最小闭区间。 1.计算量省，便于程序设计 2.具有承袭性的插值公式，便于理论分析 埃尔米特差值 插值条件中除函数值插值条件外，还有导数值插值条件，即已知：2n+2个条件 求:一个次数不超过2n+1的多项式H2n+1(x) 解法1：基函数法 解法2：承袭法 分段低次插值 原因：当插值基点无限加密时，Pn(x)也只能在很小范围内收敛，这一现象称为龙格(Runge)现象，它表明通过增加基点来提高逼近程度是不宜的。 定义：设在[a,b]上给出插值条件：求一个折线插值函数Ih(x)满足 xi x0 x1 … xn f(xi) f0 f1 … fn 1°Ih(x)是[a,b]上的连续函数 2°Ih(xk)=fk，k = 0,1,…,n 3°Ih(x)在每个小区间[xk,xk+1]上是线性函数 则称Ih(x)为分段线性插值函数 数学表达： 性质： 1°分段线性插值多项式是分段函数； 2°可以预见，但n充分大时，Ih(x)能很好逼近f(x)。 3°Ih(x)有一个缺点：在插值点处有尖点，即一阶导数不连续，不够光滑。 解决办法：三次埃尔米特插值 三次样条插值 两种构造方法 5，最小二乘法 定义：已知：一组实验数据（xi，yi）(i=0,1,…,m)，且观测数据有误差 求：自变量x与因变量y之间的函数关系y=F(x) ，不要求y=F(x)经过所有点，而只要求在给定点上误差按某种标准最小。 度量标准： (1)使残差的最大绝对值为最小 (2)使残差的绝对值之和为最小 (3)使残差的平方和为最小 3、最小二乘法——多项式拟合 已知：一组数据（xi，yi）(i = 0,1,…,m) 求：在次数不超过n的多项式中找一个函数，使误差平方和最小，即 这里： 解： 故： 解得： 4、最小二乘法—非多项式拟合—参数线性 ①已知：一组数据（xi，yi）(i = 0,1,…,m) 求：在函数类中找一个函数 ，使误差平方和最小，即 这里： ②已知：一组数据（xi，yi），且每个点对应权因子wi 0, (i=1,2,…,m). 求：在函数类中找一个函数 ，使误差平方和最小，即 这里： 最小二乘法—非多项式拟合—参数非线性 第三章 定积分 1，求解定积分问题方法：（求曲边梯形面积） 旧：（1）牛顿—莱布尼兹公式 【需要寻求原函数的困难】【已知点离散】 新：（2）机械求积公式 【多项式机械求积公式】***【解决原函数的困难】 【中矩形公式】***【解决原函数的困难】 【梯形公式】***【解决原函数的困难】 【插值型求积公式】***【解决离散问题】 2，代数精度 （1）目的： 数值求积方法是近似方法，为了保证精度，我们自然希望公式能对“尽可能多”的函数准确成立，这就提出了所谓代数精度的概念。 （2）定义： ①若某个求积公式对于次数≤m的多项式均能够准确成立，但对于m+1次多项式就不一定准确，则称该求积公式有m次代数精度。 ②若某个求积公式对于1, x,…, xm 均能够准确成立，但对于xm+1就不准确成立，则称该求积公式有m次代数精度。 （3）定理： 当n为偶数时，牛顿—柯特斯公式至少有n+1次代数精度。注：在实际应用时，出于对计算复杂性和计算速度的考虑，我们常常使用低阶偶数求积公式，代替高一阶的奇数求积公式。 3，插值求积公式 （1）定理：具有n+1个求积节点的机械求积公式至少有n次代数精度的充分必要条件是，它是插值型的。 试总结证明机械求