第五章差值与最二乘法3.30.pptVIP

《数值分析》 主讲教师：陈松林 第五章 差值与最小二乘法 第五章 差值与最小二乘法 §5.1 差值问题与差值多项式 §5.2 Lagrange差值 §5.3 均差与Newton差值公式 §5.4 差分与Newton前后差值公式 §5.5 Hermite差值 §5.6 分段低次差值 §5.7 三次样条差值 §5.8 曲线拟合的最小二乘法 §5.9 正交多项式及其在最小二乘的应用 §5.1 差值问题与差值多项式 §5.2 Lagrange差值 §5.2.1 线性差值与二次差值 §5.2.2 Lagrange差值多项式 §5.2.3 差值余项与误差估计 §5.2.1 线性差值与二次差值 §5.2.1 线性差值与二次差值 §5.2.2 Lagrange差值多项式 §5.2.2 Lagrange差值多项式 §5.2.2 Lagrange差值多项式 §5.2.2 Lagrange差值多项式 §5.2.3 差值余项与误差估计 §5.3 均差与Newton差值公式 §5.3.1 均差及其性质 §5.3.2 Newton差值 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.1 均差及其性质 §5.3.2 Newton差值 §5.4 差分与Newton前后差值公式 §5.4.1 差分及其性质 §5.4.2 等距节点差值公式 §5.4.1 差分及其性质 差分的性质 差分的性质 差分的性质 §5.4.2 等距节点差值公式 §5.4.2 等距节点差值公式 §5.5 Hermite差值 §5.5 Hermite差值 §5.5 Hermite差值 §5.5 Hermite差值 误差估计 Hermite插值的两个性质 §5.6 分段低次差值 §5.6.1 多项式差值的收敛性问题 §5.6.2 分段线性差值 §5.6.3 分段三次Hermite差值 §5.6.1多项式差值收敛性问题 前面介绍了n+1个插值节点上构造不超过n次的插值多项式的方法，并分析了他们的余项，从余项的表达式看到，插值多项式与被插函数逼近的程度是与分点的数目、位置及被插函数的特性有关。 考虑如下问题： 是否分点越多，插值多项式对函数的逼近程度就越好呢？——龙格现象 §5.6.2 分段线性差值 由于高次插值收敛性没有保证，实际的计算稳定性也没保证。 因此当插值节点n较大时通常不采用高次多项式插值，而改用低次分段插值。 §5.6.3 分段三次Hermite差值 §5.7 三次样条差值 §5.7.1 三次样条函数 §5.7.2 三弯矩方程 §5.7.3 三次样条差值收敛性 §5.7.1 三次样条函数 多项式插值虽有许多优点，但由于多项式“在一点的性质足以决定其整体性质”的特点，难以描述自然界“在不同的区域内的性状可以完全不相关”的大范围现象；另方面分段线性插值和分段Hermite插值的光滑性不够（例如船体、飞机的外形曲线设计常需二阶可导）。 下面介绍的样条是一种分段多项式，各相邻段又具有某种连接性质，因而它既保持了多项式的简单性，又在各段保持了相对独立的局部性质。 §5.7.2 三弯矩方程 §5.7.3 三次样条差值收敛性 §5.8 曲线拟合的最小二乘法 §5.9 正交多项式及其在最小二乘的应用 §5.9.1 内积与正交多项式 §5.9.2 Legendre多项式 §5.9.3 Chebyshev多项式 §5.9.4 其他正交多项式 §5.9.5 用正交多项式作最小二乘法 §5.9.1 内积与正交多项式 §5.9.2 Legendre多项式 §5.9.3 Chebyshev多项式 §5.9.4 其他正交多项式 §5.9.5 用正交多项式作最小二乘法 * *