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

要求掌握基本的定理及各种插值方法。 插值方法是数学分析中很古老的一个分支它有悠久的历史等距结点内插公 式是由我国隋朝数学家刘焯(公元544610年首先提出的而不等距结点内插公 式是由唐朝数学家张遂(公元683—727年)提出的这比西欧学者相应结果早一 千年 插值方法在数值分析的许多分支(例如,数值积分