4.1 高斯消元法 4.2 矩阵的LU分解 4.3 雅可比迭代 4.4 高斯-塞德尔迭代 4.5 收敛性定理 4.6 应用实例

1.1 拉格朗日插值公式 1.2 牛顿插值公式 1.3 埃特金插值公式 1.4 存在惟一性定理 1.5 插值余项 1.6 分段三次埃尔米特插值 1.7 三次样条插值 1.8 应用实例

非线性科学是当今科学发展的一个重要研究方向，而非线性方程的求根也成了一 个不可缺的内容。但是，非线性方程的求根非常复杂。 通常非线性方程的根的情况非常复杂：

给出一组离散点，确定一个函数逼近原函数，插值是这样的一种手段。 在实际中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。 因此，我们需要一种新的逼近原函数的手段： ①不要求过所有的点（可以消除误差影响）；

插值 问题的提出: 不少实际问题不但要求在节 点上函数值相等,而且 还要求它的导数值也相等(即 要求在节点上具有一阶光 滑度),甚至要求高阶导数也相 等,满足这种要求的插值 多项式就是埃尔米特 ( Hermite)插值多项式。下面只讨 论函数值与导数值个数相等的 情况

问题的提出: 上面讨论的分段低次插值函数 都有一致收敛性,但光滑 性较差,对于像高速飞机的机翼 形线,船体放样等型值线 往往要求有二阶光滑度,即有二 阶连续导数,早期工程师 制图时,把富有弹性的细长木条 (所谓样条)用压铁固定 在样点上,在其它地方让它自由 弯曲,然后画下长条的曲 线,称为样条曲线。它实际上是 由分段三次曲线并接而成,在连 接点即样点上要求二阶导数连

前面我们根据区间[ab]上给出的节点做 插值多项式Ln(x)近似表示f(x)。一般总 以为Ln(x)的次数越高,逼近f(x)的精度 越好,但实际并非如此,次数越高,计 算量越大,也不一定收敛。因此高次插 值一般要慎用,实际上较多采用分段低 次插值

2)式代入(1)式得:+(x-x)(x-x)f[x,x,x](3)为了提高精度,增加节点x2,则

用均方误差最小作为度量标 准,研究函数f(x)∈Cab]的逼近多项 式,就是最佳平方逼近问题。 若存在P(x)∈H,使 f-Ppll -.[(x)-P:(x,dx=infllf-Ppl P\(x)就是f(x)在{ab]上的最佳平 方逼近多项式

二乘法 一般的最小二乘逼近(曲线拟合 的最小二乘法)的一般提法是:对 给定的一组数据(x2y)(=0, 要求在函数类0={…,n中找 一个函数y=S(x),使误差平方和 6l2=∑62=∑S(x)-yF=min∑[S(x)-y