newch4函数及插值及拟合法.pptVIP

* 第四章 函数的插值与拟合法 4.1 引言　 　　　 　　 4.2 插值多项式的构造 　　 4.3 分段低次插值 　　　　 4.4 最小二乘法 一、插值问题的提出： 在许多实际问题中，f(x)往往有两种情况，一是f(x)是 表格函数；二是f(x)是解析函数，但表达式复杂，不易计算，而我们往往要研究函数的性质。为此，我们想构造一个新的函数来逼近原来的函数。插值就是求函数的近似表达式的一种方法。 4.1 引言 具体地说，给出f(x)在n+1个点上的函数值。 问题是根据该表格构造一个新的函数 一、插值多项式： 所谓插值多项式就是构造一个代数多项式来近似f(x)。 即已知f(x)在n+1个点上的函数值，求一个n次多项式 , 使 该处： 插值条件： 插值区间： 几何意义： 记 即有 所以，解存在且惟一，这说明由式 (4-2) 表示的 存在且惟一，证毕。 证 注： 唯一，但表达形式可以不唯一。 问题：由 确定一个次数不超过n次的代数插值多项式 满足 存在且惟一。 二、插值多项式的唯一性 4.2 插值多项式的构造 一、基本插值多项式 适合下列表函数 1.定义 的插值多项式 叫做以 为节点的基本插值多项式。 因为我们想一下子构造一个插值多项式比较困难，所以先构造最简单的。 由定义可知 2. 构造 由上， 有n个互不相同的零点， ——Lagrange基本插值多项式 注：1.n+1个节点n+1个基本插值多项式。 2. 仅与节点有关，与f(x)无关。 线性插值 (n=1) 二 、Lagrange插值多项式 抛物插值 (n=2) 注：1. 是 的线性组合。 2. 与节点的排列顺序无关。 3. 与节点及其值有关，而与f(x)无关。 例：已知列表函数 X -1 0 1 2 Y 1 1 1 -5 ,并计算f(0.5)的计算值。 解： 若是线性插值，取 若是线性插值，取 三、Lagrange插值多项式的余项 证:(作辅助函数） 注 （1）余项公式主要用于理论分析。实际使用时，代 之以误差估计式 （2）插值节点的选取应尽量靠近插值点，以使 尽可能小，以减小误差。 推论 例 4.1 给定函数表 试分别用线性插值和抛物插值求ln 1.46的近似值并估计误差。 0.530628 0.470004 0.405465 0.336472 0.262364 0.182322 lnx 1.7 1.6 1.5 1.4 1.3 1.2 x 作线性插值 得 作抛物插值 得 解 4.2.2 牛顿均差插值多项式 一、均差，均差表 节点 一阶均差 二阶均差 三阶均差 四阶均差 五阶均差 一、均差，均差表 其中： 注： 推论 ：若f(x)是一个次数不超过n次多项式，则它的插值多项式就是它自己。 例1：已知 1.25386 1.02652 0.88811 0.69615 0.57815 0.41075 y 1.05 0.90 0.80 0.65 0.55 0.40 x (2)与0.596最接近的三个 0 0.40 0.41075 1.1160 0.2800 0.197 0.034 0 1 0.55 0.57815 1.1860 0.3583 0.214 0.034 2 0.65 0.69615 1.2757 0.4336 0.231 3 0.80 0.88811 1.3848 0.5260 4 0.90 1.02652 1.5156 5 1.05 1.25386 i 一阶 二阶 三阶 四阶 五阶 解: (1) 例 2 给定表格函数