- 1、本文档共81页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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)