[理学]第四章插值与拟合1026.ppt

Lagrange插值公式的标准型公式: Lagrange插值算法特点局限性 4.3 逐次线性插值 （本节为了解内容） 埃特金插值特点 埃特金插值是将一个高次插值过程归结为线性插值的多次重复。埃特金插值的每个数据均为插值结果，从这些数据的一致程度即可判断插值结果的精度。这样可以逐步生成插值结果，每做一步检查一下计算结果的精度，如不满足要求，则增加一个节点再算，直到满足要求为止。在节点较多时，用这种方法可降低插值次数 要求熟练掌握的内容： 线性插值、抛物线插值的算法。 拉格朗日插值多项式的构成，基函数及其特点； 最小二乘法拟合原理及多项式拟合的算法。 要求了解的内容： 差商的定义；牛顿插值公式。 拉格朗日插值多项式的余项及结果的误差估计； 了解高次插值的龙贝格现象和分段插值。 作 业 P186 第3题 第4题 函数类（即函数的形式） 代数多项式 三角函数 其它正交多项式 罗尔(Rolle)定理 Lagrange中值定理 ∴ 的近似值为1.5。 已知f(x)在三个互异点 0,1,2的函数值1,3,9 用（0,1 ), (1,3 )作插值 用（0,1 ), (2,9 )作插值 用（1,P01), (2 ,P02 )作插值 一般得到的观测数据本身不一定完全可靠，个别数据的误差甚至可能很大，且数据很多。曲线拟合是从已知的一大堆数据中找出规律，即设法构造一条曲线（拟合曲线）反映数据点总的趋势。 §4.8 曲线拟合的最小二乘法 曲线拟合问题 曲线拟合同插值法的区别:曲线拟合考虑实验数据带有测量误差，同时测量数据又多，若用插值法时得到的插值多项式次数将很高，不实用。 曲线拟合得到的多项式不必通过每一点。 设已知某物理过程（函数关系） 的一组观测（实验）数据 ，要求在某特定函数类（例如多项式）中找出一个函数 ，作为 的近似函数，使得在 上的误差（或称残差） 按某种度量标准为最小，这就是拟合问题，也称曲线拟合。 曲线拟合的定义 记向量 ，要求残差 按某种度量标准为最小，即要求向量 的某种范数 最小。例如，可要求 的1-范数 或 -范数 即： 或 最小。但由于不便于微分运算 ，因此，通常用2-范数。 1 为最小，这种要求误差平方和最小的拟合称为曲线拟合的最小二乘法。 一、最小二乘拟合原理 最小二乘法的几何意义 求在给定点 x0, x1,…, xm 处与点(x0,y0), (x1,y1), … ,(xm, ym) 的距离平方和最小的曲线：y =F(x), 二、多项式拟合 这样的曲线拟合叫多项式拟合。 满足上式的y 叫最小二乘拟合多项式. 特别地, 当n=1时,一次多项式拟合又叫直线拟合。当N=m时，所得的拟合多项式就是拉格朗日或牛顿插值多项式。 对给定的一组数据(xi,yi)(i=1,…,N),寻求m次多项式（N m ） 使总误差满足 目标函数 由于目标函数J 可看作是关于 的多元函数，故拟合多项式的问题变为求极值问题。 由求极值的必要条件 得 即 对a0偏导 对a1偏导 例 上述方程组是关于aj的线性方程组，通常称为正则方程组。它有唯一解。由方程组可求出系数aj。 多项式拟合的一般方法可归纳为以下几步：  写出正规方程组，求出系数，得到拟合多项式 注：当m较大时，方程组一般病态。 由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数m； 列表计算 例1 测得铜导线在温度 时的电阻 如下表求电阻R与温度T的近似函数关系。 85.10 83.90 82.35 80.80 79.25 77.80 76.30 50.0 45.1 40.0 36.0 30.1 25.0 19.1 6 5 4 3 2 1 0 i 解：把表中数据画在坐标纸上，会看到数据点的分布可用一条直线来近似