插值与拟合(2012年) 2.pptVIP

;2.;如果不要求曲线（面）通过所有的数据点，而是要求它反映对象整体的变化趋势，可得到更简单实用的近似函数，这就是数据拟合，又称曲线拟合或曲面拟合． ;插值问题的提法:;求插值问题的基本思路：;在学习高等数学时，我们经常遇到一些近似计算问题，;这就是一种插值方法--分段线性插值． ;(1) 拉格朗日插值;然后用 作为准确值 的近似值． ;为了确定插值多项式中的系数，将(2)代入(1)，有;方程组（３）简写作;该作法为： ;令 ;例１给定;　　;代入 x =175，计算得;与准确值相比较，发现L1(175)的误差比L2(175)的误差大． ;Ln(x)是经过数据点(xi, yi)(i=0,1,···, n)的次数不高于 n的多项式．则对区间[a, b]上的任何 x都存在ξ(ξ依赖于 x)属于 (a, b) ，使得 ;则 ; 例２ 利用余项公式估计例１中的L1(175)和L2(175)的误差，并作比较． ;用拉格朗日插值多项式Ln(x)近似函数 f (x) (a≤x≤b)，随着节点个数的增加， Ln(x)的次数n变大，多数情况下|rn(x)|会变小 ．但是n增加时 ，由于Ln(x)的起伏增加，有时会出现很大的震荡．;下面例子以图形的方式体会Runge现象：;Runge现象:;把插值多项式不收敛的现象称作Runge现象．;（2）分段插值法;