网站大量收购闲置独家精品文档,联系QQ:2885784924

交大硕士研究生必修基础数学-数值分析-插值与拟合方法.docVIP

交大硕士研究生必修基础数学-数值分析-插值与拟合方法.doc

  1. 1、本文档共81页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE PAGE 144 第5章 插值与拟合方法 插值与拟合方法是用有限个函数值去推断或表示函数的方法,它在理论数学中提到的不多。 本章主要介绍有关解决这类问题的理论和方法,涉及的内容有多项式插值,分段插值及曲线拟合等。对应的方法有Lagrange插值,Newton插值,Hermite插值,分段多项式插值和线性最小二乘拟合。 1 实际案例 2 问题的描述与基本概念 先获得函数(已知或未知)在有限个点上的值 … … 由表中数据构造一个函数P(x)作为f (x) 的近似函数,去参与有关f (x)的运算。 科学计算中,解决不易求出的未知函数的问题主要采用插值和拟合两种方法。 1)插值问题的描述 已知函数在[a,b]上的n+1个互异点处的函数值,求f (x) 的一个近似函数P (x),满足 (5.1) P (x) 称为f (x)的一个插值函数; f (x) 称为被插函数;点为插值节点; 称为插值条件; 称为插值余项。 当插值函数P (x)是多项式时称为代数插值(或多项式插值)。 一个代数插值函数P (x)可写为 若它满足插值条件(5.1),则有线性方程组 (5.2) 当m=n,它的系数行列式为范德蒙行列式 因为插值节点互异,,故线性方程组(5.2)有唯一解,于是有 定理5.1 当插值节点互异时,存在一个满足插值条件的n次插值多项式。 定理 满足插值条件(5.1)的n次插值多项式是唯一的。 证明 设是两个满足插值条件(5.1)的n次插值多项式,于是有 令 显然有是次数≤n的多项式,且 说明有n+1个零点,由代数基本定理有H (x) ? 0,由此得。 插值的一个目的是对函数作近似计算。 假设[a, b] 是包含插值点的最小闭区间,当用插值函数P(x)来近似计算x在[a, b]的函数值时,称为内插计算,否则称为外插或外推计算。 2)拟合问题的描述 已知在[a,b]上的n+1个(互异或不互异)点处的函数值,求f (x) 的一个近似函数,满足拟合条件 这里是n+1维向量,是某种范数,,。 求出的称为拟合函数。 3)插值函数和拟合函数的几何解释 1) 插值函数图示 2)拟合函数图示 5.3插值法 Lagrange插值 Lagrange插值是 n次多项式插值。 基本思想 将待求的n次多项式插值函数改写成用已知函数值为系数的n+1个待定n次多项式的线性组合型式,再利用插值条件和函数分解技术确定n+1个待定n次多项式形式求出插值多项式。 1) 构造原理 已知数表 … … 设n次插值多项式 (5.3) 式中是与无关的n次多项式。 由插值条件(5.1),有 由于与无关,可得 (5.4) 为确定,注意到是n次多项式,由式(5.4)可知 式中a为待定常数,由确定,于是有 (5.5) 代入式(5.3),有 (5.6) 由n次插值多项式的唯一性,可知就是所求的n次插值多项式。 式(5.6)称为n次Lagrange插值多项式,而称为 Lagrange插值基函数。 2) 分析 定理3. 设函数在[a,b]上有n+1阶导数,是满足插值条件的n次插值多项式,则有对任何成立 式中。 证明 因为,故有 于是Rn(x)可分解为 (5.8) 为求出k(x),做辅助函数 (5.9) 则有在时,g(t)=0,即g(t)在[a,b]上有n+2个零点。 显然g(t)在由组成的n+1个小闭区间上满足Rolle中值定理,故g(t) 在[a,b]上有n+1个零点。 类似的有g?(t) 在[a,b]上有n个零点,反复运用Rolle中值定理,有在[a,b]上有1个零点,设为?,则有。 在式(5.9)两边对t求n+1阶导数,有 将t =? 代入上式,解得 代入式(5.8),即得定理结果。 定理3中若能算出在[a,b]上的最大值,则有余项估计式 (在一点的误差估计) 若想估计函数在插值区间[a,b]上的误差,要计算出,此时有区间[a,b]上的误差估计为 由n次插值多项式的唯一性及式(5.7),得到有如下重要结果 定理4 若函数f ( x )在[a,b]上有n+1阶导数,则f ( x )可表示为 对n=1的插值多项式,称为线性插值; n=2的插值多项式称为抛物线插值或辛普森插值. 例1 已知的函数表为 x 3.0 3.1 3.2 3.3 3.4 y=f(x) 1.098612 1.131402 1.163151 1.193922 1.223775 试用线性插值和抛物线插值分别计算的近似值,并估计相应的误差。 解 线性插值需要两个节点,内插比外推好,因为,故选,由的Lagrange 插值公式,有 所以有 为保证内插,对抛物线插值,选取三个节点为由n=

文档评论(0)

smashing + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档