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

一、抛物插值的逐步线性插值 二、Aitken插值 三、Neville算法 四、数值实例

用插值的方法对一函数进行近似,要求所得到的 插值多项式经过已知插值节点;在n比较大的情 况下,插值多项式往往是高次多项式这也就容 易出现振荡现象(龙格现象),即虽然在插值 节点上没有误差,但在插值节点之外插值误差变 得很大,从“整体”上看,插值逼近效果将变得“很 差”。 所谓数据拟合是求一个简单的函数,例如是一个 低次多项式,不要求通过已知的这些点而是要 求在整体上“尽量好”的逼近原函数。这时,在每 个已知点上就会有误差,数据拟合就是从整体上 使误差,尽量的小一些

从上节可知,如果插值多项式的次数过高,可能产生 Runge现象,因此,在构造插值多项式时常采用分段 插值的方法

一、研究有理插值问题的理论背景 二、有理函数插值的基本概念 三、有理插值问题的提出 四、研究的问题

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

§1 不等距节点下的牛顿基本差商公式 §2 等距节点下的牛顿基本差商公式 §3 拉格朗日插值公式 §4 等距节点下的分段插值公式 §5 插值公式的唯一性及应用 §6 反插值

5-1多项式插值的问题 前面根据区间[ab上给出 的节点做插值多项式Ln(x) 近似f(x),一般总认为L1(x)的次 数n越高逼近(x)的精度 越好,但实际上并非如此。这是 因为对任意的插值节点 ,当n>0时,L(x)不一定收敛 到∫(x),本世纪初龙格 ( Runge)就给出了一个等距节 点插值多项式Ln(x)不收 敛的f(x)的例子。他给出的函数 为f(x)=1(1+x)

实验目的 1、了解插值的基本内容。 2、掌握用数学软件包求解插值问题。 实验内容 [1]一维插值 [2]二维插值 [3]实验作业

一、多项式插值的问题 二、分段线性插值 三、分段三次埃尔米特插值 四、小结