数值逼近ppt
插值逼近 样条函数解读 PPT
20 输出u, v
分段插值函数
I1 ( x)
I ( x)
I 2 ( x)
I
n
(
x)
x (x0 , x1)
x (x1, x2 ) ...... x (xn1, xn )
其中I j
x xj x j1 x j
y j1
x x j1 x j x j1
zi1
hi 1 3
zi
yi hi
1 1
yi hi 1
(9)
利用Si' (ti )=Si' -1(ti ),得到
hi zi1 2(hi hi1)zi
hi
zi1
6 hi
(
yi1
yi
)
6 hi 1
(
yi
yi1)
(10)
其中i 1,2,...n -(1 内节点).
zi 1 6hi
(
x
ti
)3
C(
x
ti
)
D(ti
1
x)
(6)
这里,C 和D是积分常数
由插值条件 Si (ti ) yi 以及 Si (ti 1) yi 1 可以确定C和 D
Si (x)
zi 6hi
(ti
1
x)3
zi 1 6hi
(x
ti )3
(
yi 1 hi
x=linspace(0,2.25,10); y=sqrt(x); xx=linspace(0,2.25,100);yy = spline(x,y,xx);
数值逼近:有理逼近
Rm 1 am 1 Pm 1 a m Pm 2 bm 1 a bm qm 1 m 1 qm 1 a m qm 2 bm 1 bm Pm 1
bm 1 Pm a m 1 Pm 1 bm 1qm a m 1qm 1
由序列 { Pk }, {qk } 的定义,上式右端的分子为 Pm 1 分母为
但自由度只有 m n 1 个.
给定 f ( x ) 的 n m 1 个互异的节点 xi 处的值 yi f ( xi ),要求寻找一个有理分式
Rm ,n ( x i ) f ( x i )
( i 0, 1, , n m )
Rm ,n ( x )
使得
(6)
1°插值问题(6)是否有解,解是否唯一? 问题: 2°怎样构造插值函数? 3°插值函数的误差估计.
此处
P1 1, q1 0, P 0 b 0 , q0 1
(3)
则由(2)式定义的 Rk 等于 P k , qk 之比,即
Pk Rk qk ,
k 1, 2, , n来自(4)a1 b0 b1 a1 证: k 1 时,由(2)有 R1 b0 b1 b1
另一方面,由关系式(3)有
x x0 R( x ) v 0 ( x 0 ) x x1 v 1 ( x1 ) v2 ( x2 ) x x n 1 x x n 1 vn ( xn ) vn ( x )
(9)
(9)式是一个连分式,假设对于互异节点 x0 , x1 , , x n 函数 v k ( x) 在 x k 处有定义,那么有
R n的连分式可采用递推公式来计算.
R n b0 a1 b1 b2 a2 an bn
《数学函数逼近》PPT课件
---------(2)
a0 * 0(x) a1 * 1(x) an * n(x)
使得 * 2 2
m
(S * ( xi ) yi )2
i0
m
min S ( x)
2 2
min
S ( x)
i0
( S ( xi
)
yi
)2
n
其中S(x) a j j (x)为中的任意函数。
j0
---------(3)
EAST CHINA INSTITUTE OF TECHNOLOGY
理学院
n
称满足条件(3)的求函数S *(x) a*j j (x)的方法为 j0
数据拟合的最小二乘法.
n
S *(x) a*j j (x)为最小二乘解. j0 n
S(x) a j j (x)为拟合函数, a j ( j 0,1, , n)为拟合系数. j0 * 2 称为最小二乘解的平方误差. 2
解: 从数据的散点图可以看出
y与x之间具有三角函数关系 cos x y与x之间还具有指数函数关 系ex
y与x之间还具有对数函数关 系ln x 因此假设拟合函数与基函数分别为
设x, y的关系为
y S(x)
其中S(x)来自函数类 如(1)中y(x)来自线性函数类
设函数类 的基函数为 i(x)(i 0,1,,n) 一般要求n m
也称是由i(x)(i 0,1,, n)生成的函数集 ,即
span{0(x),1(x),,n(x)}
n
i0
k 0,1,,n 即
m
m
m
a0 0(xi )k (xi ) a1 1(xi )k (xi ) an n(xi )k (xi )
第三章 数值逼近2
设满足前述2n+2个条件的插值多项式 H 2 n1 ( x )为
H 2 n1 ( x ) f ( xi ) i ( x ) f ( xi ) i ( x )
i ( x j ) ij i( x j ) 0
其中 i ( x ) ,
i 0 i 0
n
n
其中
i ( x ) [1 2( xi x )
k 0 k i
n
1 2 ]li ( x ) xi xk
i ( x ) ( x xi )l ( x ) i 0,1, 2,, n
2 i
如n=1时Hermite插值多项式 H 3 ( x ) 为
并推导其插值余项(已知 f ( x ) 具有4阶连续导数)。
解: 首先构造满足插值条件 H 3 ( xi ) f ( xi ) i 0,1, 2 的多项式
N 2 ( x ) f ( x0 ) f [ x0 , x1 ]( x x0 ) f [ x0 , x1 , x2 ]( x x0 )( x x1 )
一般只考虑 f ( x )与 f ( x ) 的值。
对于Hermite插值问题,主要讨论下面的特殊情形: Qestion:已知函数 f ( x ) 在互异节点 xi i 0处的函数值 f ( x i )i 0
n
n
以及导数值 f ( x i )i 0 ,要构造不超过2n+1次的多项式 H 2 n1 ( x )
H9(x) f(x)
2 2
2
2
y f ( x) y H9 ( x)
x0 x1 x2
x
x3
x4
Quiz: 给定 xi = i +1, i = 0, 1, 2. 下面哪个与 2 ( x )的图像形状相似?
四章 多项式插值与数值逼近PPT课件
Ci
ji
ห้องสมุดไป่ตู้
( xi
1
xj )
j 0 j i
li(x)
n ji
(x xj ) (xi xj )
j0
n
Ln(x) li(x)yi i0
li(x ) (x ( ix x x 0 ) 0 ( ) ( x x i x x 1 1 ) )( ( x x i x x ii 1 1 ) ) ( ( x x i x x i i1 ) 1 )(( x x i x n x ) n )
( x是) 满足插值条件(*)的不超过n次的插值多项式,则对
x[a存,b在] (,x满) 足[a,b] R n(x)f(x)(x)f(n (n 1)1 ()!)n1(x)
n
其中 n1(x) 。(x且当xi) 在区f间(n[1)a( x,b) ]有上
i0
界M
时,有
n1
Rn(x) (nMn11)!n1(x)
第四章 多项式插值与函数逼近
/*Polynomial Interpolation and Approximation of Functions */
本章主要内容: 1、Lagrange插值方法 2、Newton插值方法 3、Hermite插值方法 4、三次样条插值方法 5、函数逼近:最佳平方逼近和最佳一致逼近
则称 ( 为x ) 在f ( 函x ) 数集合 中关于节点 并称 为被插f值( x函) 数,[a,b]为插值区间,
(*)式为插值条件。
的一x i个为ni 插插0 值值函节x i数点ni ,,0
设 M m a xx i n i 0, m m inx i n i 0
内插法:用 ( x计) 算被插值函数 f在( x点) x处(的m近,M似)值 外插法:用 ( x计) 算被插值函数 f在( x点) x [a,b处],的x 近(似m 值,M )
第三章 数值逼近4
0 ( x),1( x), ,n ( x) 为区间[a, b上]的一个线性无关函数系
c0 , c1, , cn 为一组实常数。
广义多项式
若线性无关函数系取 1, x, x2 , , xn1, xn
就是我们前面讨论的多项式逼近
常用的函数系:
➢ 幂 函数系: 1, x, x2 , , xn
➢三角函数系: 1,cos x,sin x, ,cos nx,sin nx
2
2 j 1
aj
(Pj , f ) (Pj , Pj )
(P0, f )
1 e xdx 2.3504
1
(P1, f )
1 xexdx 0.7358
1
(P2, f )
1 1 (3x2 1)exdx 0.1431 1 2
(P3, f )
1 1 (5x3 3x)exdx 0.02013 1 2
a
由极值的必要条件
F b f ( x) ( x)2W ( x)dx 0 k 0,1, , n
ak ak a
b
a
f
(
x)
(
x)k
(
x)W
(
x)dx
0
k 0,1,
,n
即:
b
b
a ( x)k ( x)W ( x)dx a f ( x)k ( x)W ( x)dx
k 0,1, 2, , n
0 i j
如果
(i , j ) ri ( 0) i j
则称 j ( x)( j 0,1, , n) 为区间[a, b]上关于权函数
W ( x) 的正交(直交)函数系。
r 1 特别,若 i
称之为标准(规范)正交函数系
《函数的数值逼近》PPT课件
精选课件ppt
7
2、插值多项式的存在唯一性
定理 若插值结点 x0,x1,…, xn是(n+1)个互异点,则满足插值条件 P(xk)= yk (k = 0,1,…,n)
精选课件ppt
10
§2 代数多项式插值
一、线性插值与抛物线插值
1. 线性插值(n =1)
设已知区间[ xk , xk+1]端点处的函数值yk= f (xk),yk+1 = f (xk+1),
求线性插值多项式L 1(x ) ,使其满足
L1 ( xk ) yk
L1
(
xk
1
)
yk 1
x 0 xk
y = L1(x)
P(x) = a0 + a1 x + ⋯ + an xn
则称P( x)为n 次插值多项式. 相应的插值法称为多项式插 值法(代数插值法)。
x
y = f (x) •
(xi, yi)
y = P(x) 曲线 P ( x)
近似 f ( x)
0 a=x0 x1 x2 x3
xn=b y
精选课件ppt
6
研究问题:
构造法:
先求 插值基函数l k-1(x), l k (x), l k+1(x) (二次函数), 满足:
lk1(xk1)1, lk1(xk)lk1(xk1)0;
lk(xk)1,
lk(xk1)lk(xk1)0;
(4)
lk1(xk1)1, lk1(xk1)lk1(xk)0,
数值逼近误差计算.ppt to doc
第一章 绪论逼近的目的,就是用简单的函数来逼近复杂的函数,数值逼近各种方法求得的数学问题的解,只是其一个近似解,与准确解之间存在着误差。
误差来源模型误差:忽略许多次要因素,把模型“简单化”、“理想化”;观测误差:受工具、方法、观测者的主观因素、不可预料的随机干扰等影响; 截断误差:模型难于直接求解,其近似解与精确解之间的误差; 舍入误差:运算过程中,初始参数与中间结果都必须进行四舍五入。
例1 求 x e 时,可将x e 展开为级数形式:在实际计算时,我们只取前面有限项(例如n 项)计算部分和 ()n S x 作为xe 的值必然产生误差,其误差为:1()(1)!n n e R x x n ξ+=+这个误差就是“截断误差”。
误差来源分析在本课程中,不分析模型误差;观测误差作为初始舍入误差;截断误差是主要讨论对象,是计算中误差的主要部分。
在各种算法中,通过数学方法可推导出截断误差限的公式;舍入误差产生往往有很大的随机性,讨论比较困难,在问题本身呈现病态或不稳定时,它可能成为计算中误差的主要部分。
误差分析是一门专门的学科,经过训练的计算工作者,当发现计算结果与实际不符时,应当能找出误差的来源,并采取相应的措施加以改进,甚至对模型进行修改。
误差的相关概念误差、误差限、有效数字相对误差限及与有效数字的联系 四则运算结果的误差限在近似计算中应该注意的事项 误差的概念定义1.1 设 x 为准确值,*x 为x 的一个近似值,称x x -*为 x 近似值的绝对误差,简称误差。
注: ①误差是有量纲的量 ,它可正可负② 绝对误差为正时,近似值偏大,叫强近似值 ③ 绝对误差为负时,近似值偏小,叫弱近似值 绝对误差限212!!n xx x e x n =+++++2()12!!nn x x S x x n =++++通常我们并不知道准确值 x ,也不能算出误差的准确值,但能根据测量工具或计算情况相对误差估计出误差的绝对值的上限,这个上限称为近似值*x 的误差限,记为ε。
分析06-一致逼近 数值分析 教学课件 ppt-西南交通大学
,F为切 点,作为近似直线:
Y
图6-3
OA是不是最好的?回答是否
arctgx
B
定的!
E
∵在x=α处产生较大偏差
A
或者说误差最大。
那么CB是不是最好的?
C
结论仍然是否定的!
D
X
第章
O
α
1 6-6
W
C∵B在的x中=0线,)x=,1处在产OA生到较引D大E间偏,例差C不(B仅到续如DE此2间:)直作线D都E(不O是A最与好
Y
的,∵若最好的近似直线在OA到DE间,必然在x=α处产
ቤተ መጻሕፍቲ ባይዱ
生较大偏差,若在CB到DE间则必然在x=0及x=1处产生较
大偏差。∴只有DE才是符合这里“标准”的最好近似直
线
(误差均匀),不产生最大偏差标准下的使最大偏差达到
了最小。
这样的DE如何求:设为a0+a1x,误差YR(x)=arctgx-a0-图a61-x3。
推论2
(∵n+2个点是唯一的)
设f(x)C[a,b],则f(x)在Hn中的最佳一致逼近多项 式Pn(x),就是f (x)在[a,b]上的某个n次Lagrange插 值多项式。
第章
(推论2证明下屏)6-10
W
Y
切比雪夫定理(续1)
∵Pn(x)有n+2个偏差点,亦即使f (x) -Pn (x)在[a,b]上至 少有n+2个点交替换正负号,亦就是说f(x) Pn(x)=0在 [a,b]上有n+1个根存在n+1个点:a x0<…< xn b 使f (xi) Pn (xi)=0 即:f (xi)=Pn(xi) (i =0,1,2,…,n) , 所以, 以此作为插值条件可得到Pn(x),因此,Pn(x)就是以 x0,x1,…,xn为插值节点的n次值多项式 。
数值分析第三章函数逼近与快速傅立叶变换 ppt课件
45
x1=1/(2a1)2. 因为x=0,1为交错点,由〔x-(a0+a1x)〕x=0=〔x-(a0+a1x)〕 得 a1=1
将a1=1代入x1=1/(2a1)2得x1=1/4.
〔x-(a0+a1x)〕x1=1/4=-〔x-(a0+a1x)〕x2=1 得a0=1/8
说明n次多项式Q(x)至少在[a,b]上有n+1个根, 矛盾.
‖f(x)- pn(x)‖∞≤‖f(x)-qn(x)‖∞.
36
三、关于最佳一致逼近多项式的求解
定理 在区间1,1] 上所有最高次项系数为1的n次多项式中,
n(x)21n1Tnx 与零的偏差最小,其最小偏差为
1 2 n1
对任意首一n次多项式f(x),Chebyshev多项式 对零的一致误差最小
13
3.2 正交多项式
定义1:设
f(x )g ( ,x ) c a ,b ,称 a b(x )f(x )g (x ) d 为 x
f(x),g(x)关于权(x)的内积,记为(f, g).
定义2 如果函数f(x), g(x) 在[a,b]上连续,满足
a b(x)f(x)g(x)d x0
则称f(x)与g(x)在[a,b]上关于权 (x)正交,如果[a,b]
第三章 函数逼近与 快速傅立叶变换
1
3.1 函数逼近的基本知识
第三章 第一节
函数逼近:用比较简单的函数代替复杂的函数 误差为最小,即距离为最小(不同的度量意义)
对同一个被逼近函数,不同度量意义下的逼近, 逼近函数是不同的.
2
精品资料
• 你怎么称呼老师? • 如果老师最后没有总结一节课的重点的难点,你
数值分析ppt第3章_函数逼近与曲线拟合
上页 下页
如果(u, v)=0,则称u与v正交(记为u⊥v),这是 向量相互垂直概念的推广. 关于内积空间有以下重 要定理. 定理2 设X为一个内积空间,对任意u, v∈X有如 下不等式成立
上页 下页
如果x, y∈ Cn,带权内积定义为
( x , y ) i xi yi
i 1பைடு நூலகம்
n
(14)
这里{ωi}仍为正实数序列. 在C[a, b]上也可以类是定义带权内积,为此先给 出权函数定义.
上页
下页
定义4 设[a, b]是有限或无限区间,在[a, b]上的 非负函数ρ(x)满足条件:
( u, v ) ( u, u)( v , v ).
它称为柯西-施瓦茨(Cauchy-Schwarz)不等式.
2
上页
下页
证明 当v=0时,显然成立. 设v≠0,则 (v, v)>0,
且对任何数t 有(这里设为实空间)
0 ( u tv, u tv) ( u, u) 2t ( u, v ) t (v , v ).
上页
下页
3.1.3 内积与内积空间
在线性代数中,Rn上的两个向量 x=(x1,x2,…,xn)T
与y=(y1,y2,…,yn)T的内积定义为
(x, y)= x1 y1 +x2 y2 +…+xn yn. 若将它推广到一般的线性空间X,则有下面的定义.
上页
下页
定义3 设X是数域K(R或C)上的线性空间,对任 意u,v∈X,有K中一个数与之对应,记为(u, v),它满 足以下条件:
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(x xn )
n
x xj
(xi xn )
j0 ji
xi
xj
满足条件(4.8) 式的n 次代数多项式lk(x) (k=0,1,…,n), 称为在n+1 个结点xi(i=0,1,…,n)上的n 次插值基函数。
11
§4.2 Lagrange 插值多项式
① 基函数
n
考虑最简单的插值问题。设离散数 是一个非负整数,0≤i≤n,
k=0
ik
1 0
k i k i
求插值多项式,记为 li
由于多项式 li必须满足插值条件
li (xk ) ik (k 0,1, , n)
(4.8)
对于[a, b] 上异于xi 的任一点x ,作辅助函数 F(t) = f(t) – Pn(t) – k(x)ωn+1(t) 则 F(t) 在[a, b] 上具有n+1 阶导数
F (n+1) (t) = f (n+1) (t) – k(x)(n+1)!
(4.7)
且F(x) = F(x0) = F(x1) = … = F(xn) = 0
定理1. 当插值结点互异时,满足插值条件(4.3) 的n 次 插值多项式Pn(x) 存在且唯一。
8
4、插值余项
记 Rn(x) = f(x) – Pn(x) , 则Rn(x) 是用代数多项式Pn(x) 近似代替函数f(x) 的截断误 差,通常称Rn(x) 为n 次插值多项式Pn(x) 的余项。
定理2. 若f(x) 在区间[a, b] 上有直到n+1 阶导数,Pn(x) 为f(x) 在n+1 个结点xi∈[a, b] (i=0, 1,…,n) 上的n 次插值 多项式,则对任何x∈[a, b] 有
即 x0 , , xi1, xi1, , xn 是 li 的根,故可取
12
li (x) a(x x0 ) (x xi1)(x xi1) (x xn )
且条件 li (xi ) 1
这时可确定系数a. 于是,
li
(x)
(x x0 ) (xi x0 )
(x xi1)(x xi1) (xi xi1)(xi xi1)
第四章 函数的数值逼近
§4.0 插值与拟合 §4.1 插值的基本理论 §4.2 Lagrange插值多项式 §4.3 分段插值与保形插值 §4.4 样条插值 §4.5 曲线拟合的最小二乘方法 §4.6 函数的最佳平方逼近
1
§4.0 插值与拟合
零件
1、问题的提出
◆ 函数没有明确的表达式
◆ 函数有明确的表达式,但不是(分段)有理函数
Rn (x)
f (n (n
1) ( )
1) !
n1
(
x)
(4.5)
n
其中n1(x) (x xi ), (a, b)且依赖于x。 i0 9
证:由插值条件(4.3) 可知, Rn(xi) =0 (i=0, 1, …, n) 故可设 Rn(x)=k(x)ωn+1(x) (4.6)
其中k(x)为待定函数。
f (x) (x)(x [a, b])
通常,称区间[a, b] 为插值区间,称点xi ( i=0, 1, …,n ) 为插值结点,称(4.1) 为插值条件, φ(x)为函数f(x) 在结点 xi ( i=0, 1, …,n ) 上的插值函数,f(x) 为被插值函数。
函数类{φ(x)}的取法有很多种,常用的有代数多项式, 三角函数和有理函数。本章只讨论代数多项式,相应的插值 问题称为多项式插值。
2、插值与拟合
◆ 插值问题:作一条曲线,其类型是事先人为给定的 (比如:代数多项式),使该曲线经过所有已知点。
◆ 拟合问题:作一条指定类型的曲线,使该曲线能在 “一定意义”下逼近已知点。
下一页
2
图4.1 心形图
上一页 3
§4.1 插值的基本理论
1、插值问题的提法
◆ 基本提法:对于给定函数表
表4.1
a0 a0
a1 x0 a1 x1
a2 x02 a2 x12
an x0n y0 an x1n y1
a0 a1xn a2 xn2 an xnn yn
其系数行列式
1 x0
1 D
x1
1 xn
x0n x1n (xi x j )
0 jin
xnn
(4.4)
7
系数行列式 D 是一个n+1 阶的Vandermond行列式, 因结点互异,故D≠0。再由Cramer法则,线性方程组有唯 一解。于是有
10
点ξ,即F (n+1) (ξ)=0 . 于是,由(4.7)式知, f (n+1) (ξ) – k(x)(n+1)! =0
故 k ( x) f (n1) ( )
(n 1)! 代入(4.6) 式,即得结论。
对于x = xi (i=0, 1, …, n),(4.5) 式显然成立。
注意:利用解方程组(4.4)去建立形如(4.2) 的插值多项式,计 算量大,有时还会对精度有较大的影响,因而是不可取的。
x
x0
x1
…
xn
y=f(x) y0
y1
…
yn
(其中f(x) 在区间[a, b] 上连续,x0,x1,…, xn 是[a, b] 上n+1 个互异点),要求在某函数类{φ(x)}中求一个函数φ(x),使
(4.1)
(xi ) yi (i 0,1, , n)
4
并用φ(x)作为函数f(x) 的近似函数,即
即F(t) 在[a, b] 上至少有n+2 个互异的零点x, x0, x1,…,xn. 由洛尔定理知,F(t) 在两个零点间 F’(t) 至少有一个零点, 故F’(t) 在(a, b) 上至少有n+1个互异零点。对F’(t) 再应用洛 尔定理,依次类推,可知F (n+1) (t) 在(a, b) 内至少有一个零
几何意义:通过曲线y=f(x)
上的n+1 个点Mi(xi, yi) (i=0,1, …, n) ,作一条n 次代
数多项式曲线y=Pn(x) 近似代 替曲线y=f(x) ,如图(4.2) 所
示。
图 4.2 6
3、插值多项式的存在唯一性
由插值条件(4.3) 知,插值多项式Pn(x) 的系数 a0,a1,…,an 满足线性方程组
5
2、多项式插值问题的基本提法
根据给出的函数表(4.1) ,求不高于n 次的代数多项式
Pn ( x) a0 a1x an xn (4.2)
使 Pn (xi ) yi (i 0,1, , n)
(4.3)
满足插值条件(4.3) 的多项式(4.2) ,称为函数f(x) 在结点 xi (i=0, 1, …, n) 上的 n 次插值多项式。