第4章函数数值逼近.pptVIP

电子工程学院 Confidential, for review only 第四章 问题的提出 函数解析式未知，通过实验观测得到的一组数据，即在某个区间[a,b]上给出一系列点的函数值 插值问题： 函数解析式未知，或计算复杂，用函数p(x)去近似代替它，使得 p(xi)= yi (i=0,1,2,…,n) 函数p(xi)称为插值函数。 x0,x1,… xn称为插值节点或简称节点。 插值节点所界的区间称为插值区间。 p(xi)= yi 称为插值条件。 构造n次多项式 Pn(x)= a0 + a1x + a2x2+…+ anxn 使满足 Pn(xi)= yi (i=0,1,2,…,n)， 讨论的主要内容： 如何求出插值函数； 插值函数的存在性； 收敛性和误差估计。 P1(x)= a0 + a1x P1(x)= a0 + a1x + a2x2 拉格朗日插值 插值多项式的存在唯一性： 判断系数矩阵的奇异性 结论： 通过n+1个节点的n阶插值多项式唯一存在。 例：一次和二次插值 一次插值： 由直线的点斜式公式可知： 直线公式： 一次插值基函数 例：已知lg10=1,lg20=1.3010,利用一次多项式插值计算 lg12的近似值。 二次插值 二次插值的基函数： 构造三个插值基函数，使其满足： （1） 基函数为二次多项式。 （2） 函数值满足： 由插值基函数的要求： 插值公式 例：已知lg10=1,lg15=1.1761,lg20=1.3010,利用二次多项式插值计算 lg12的近似值。 拉格朗日插值多项式的一般形式 问题的提出： 插值基函数 插值公式： 4.2 插值的误差分析 定理： 证明 (略) 线性插值和二次插值的截断误差为： 思考： 演示：多项式插值的Runge现象 随着插值结点数增加，插值多项式的次数也相应增加，而对于高次插值容易带来剧烈振荡，带来数值不稳定。为了既要增加插值结点，减小插值区间，以便更好的逼近被插值函数，又要不增加插值多项式的次数以减少误差，我们可以采用分段插值的办法。 分段线性插值 由定义可知：Ih(x)在每个小区间[xk,xk+1]可表示为： 收敛性： 证明： 求解的思路： 这里给出了2 n +2 个条件，可唯一确定一个次数不超过2n+1的多项式H2n+1(x). 其形式为 根据上面的条件来确定 2n +2 个系数，显然非常复杂，因此，我们仍采用求拉格朗日插值多项式的基函数方法。 求解的思路： 确定基函数： 利用拉格朗日插值基函数。 确定基函数： 确定基函数： 确定基函数： Hermite插值的唯一性： 反证法： Hermite插值的余项 例： 按下表求Hermite插值多项式 分段Hermite插值： 分段线性插值函数的导数是间断的，若在节点上除已知函数值 f k外还给出导数值f k’=mk,，这样就可构造一个导数连续的分段插值函数。 4.4 三次样条插值 问题的提出： 数学定义： 讨论： 由定义，要求出S(x), 在每个小区间,需要确定4个系数，共需要确定4n个系数。 讨论： 从理论上，还需要2个方程。 通常，可以在[a,b]的两个端点附加条件。（边界条件） 三次样条函数的计算： (1) 利用分段三次Hermiter插值（三对角方程）。 三次样条函数的计算： (2) 利用二阶导数值计算（三弯矩方程） 积分两次得到： 插值方法的比较： x=-5:2:5;y=1./(1+x.*x);xi=-5:0.2:5; Yi(:,1)=1./(1+xi.*xi); Yi(:,2)=interp1(x,y,xi); Yi(:,3)=interp1(x,y,xi, spline); Yi(:,4)=interp1(x,y,xi, cubic); plot(xi,Yi) 问题的提出 函数解析式未知，通过实验观测得到的一组数据，即在某个区间[a,b]上给出一系列点的函数值 曲线拟合的最小二乘方法 一般情况： 前面例题的matlab实现： X=1:5; Y=[4 ,4.5,6,8,9]; P=polyfit(X,Y,2) x1=1:0.1:5 ; y1=polyval(P,x1); plot(X,Y,o,x1,y1,r) 4.6 最佳平方逼近 用均方误差最小作为度量标准，研究函数的逼近问题，就是最佳平方逼近问题。 权内积 权内积 法方程： 例： 例: 思考： 用正交函数族作最佳平方逼近： 作业： P 89~91 思考题：1 习题：3，5 补充题： 用最小二乘法，用形如y=a+bx的多项式拟合下列数据