计算方法简明教程习题全集及解析.docx

《计算方法简明教程习题全集及解析.docx》由会员分享，可在线阅读，更多相关《计算方法简明教程习题全集及解析.docx（50页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、计算方法简明教程习题全集及解析例1已知数据表xk10111213f(xk)2.30262.39792.48492.5649试用二次插值计算f(11.75)(计算经过保留4位小数)并回答用线性插值计算f(11.75)，应取哪两个点更好？解由于11.75更接近12，故应取11，12，13三点作二次插值先作插值基函数已知x0=11,y0=2.3979，x1=12,y1=2.4849，x2=13,y2=2.5649P2(x)=y0l0(x)+y1l1(x)+y2l2(x)P2(x)=f(11.75)?P2(11.75)=2.4638若用线性插值，由于所求点x11.75在11与12之间，故应取x=11,

2、x=12作线性插值适宜注：在作函数插值时，应根据要求，使所求位于所取的中央为好，任意取点一般近似的效果差些第五章插值与最小二乘法5.1插值问题与插值多项式ex实际问题中若给定函数是区间上的一个列表函数，假如,且f(x)在区间上是连续的，要求用一个简单的，便于计算的解析表达式在区间上近似f(x)，使 (5.1.1)就称为的插值函数，点称为插值节点，包含插值节点的区间称为插值区间.通常，其中是一组在上线性无关的函数族，表示组成的函数空间表示为 (5.1.2)这里是(n+1)个待定常数，它可根据条件(5.1.1)确定.当时，表示次数不超过n次的多项式集合，此时 (5.1.3)称为插值多项式，假如为三

3、角函数，则为三角插值，同理还有分段多项式插值，有理插值等等.由于计算机上只能使用+、-、运算，故常用的就是多项式、分段多项式或有理分式，本章着重讨论多项式插值及分段多项式插值，其他插值问题不讨论.从几何上看，插值问题就是求过n+1个点的曲线，使它近似于已给函数，如图5-1所示.插值法是一种古老的数学方法，它来自生产实践.早在一千多年前，我国科学家在研究历法时就应用了线性插值与二次插值，但它的基本理论却是在微积分产生以后才逐步完善的，其应用也日益广泛.十分是由于计算机的使用和航空、造船、精细机械加工等实际问题的需要，使插值法在理论上和实践上得到进一步发展.尤其是近几十年发展起来的样条(Splin

4、e)插值，获得了极为广泛的应用，并成为计算机图形学的基础.本章主要讨论怎样求插值多项式、分段插值函数、三次样条插值、插值多项式的存在唯一性及误差估计等.此外，还讨论列表函数的最小二乘曲线拟合问题与正交多项式.讲解：插值多项式就是根据给定n+1个点，求一个n次多项式：使即这里是n+1个待定系数，根据n+1个条件得到的方程组是关于参数的线性方程组。当节点互异时由于系数行列式所以解是存在唯一的。但直接求解较复杂，也得不到统一的表达式。所以通常求插值多项式不用这种方法，而使用下节给出的基函数方法。5.2Lagrange插值5.2.1线性插值与二次插值最简单的插值问题是已知两点及，通过此两点的插值多项式

5、是一条直线，即两点式 (5.2.1)显然，知足插值条件，所以就是线性插值.若记则称为与的线性插值基函数.如图5-2所示.于是当n=2，已给三点,称为关于点的二次插值基函数，它知足 (5.2.2)的图形见图5-3.它们是知足(5.2.2)的二次插值多项式.知足条件的二次插值多项式可表示为 (5.2.3)的图形是通过三点的抛物线.5.2.2Lagrange插值多项式将n=1及n=2的插值推广到一般情形，考虑通过(n+1)个点，的插值多项式,使 (5.2.4)用插值基函数方法可得 (5.2.5)其中 (5.2.6)称为关于的n次插值基函数，它知足条件显然(5.2.5)得到的插值多项式知足条件(5.2

6、.4)，则称为Lagrange(拉格朗日)插值多项式.引入记号 (5.2.7)则于是由(5.2.6)得到的可改写为进而(5.2.4)中的可改为表达式 (5.2.8)并有下面关于插值多项式的存在唯一性结论.定理2.1知足条件(5.2.4)的插值多项式是存在唯一的.证实存在性已由(5.2.5)给出的证实，下面只需证实唯一性.用反证法，假定还有另一个使成立，于是有且，它表明n次多项式有n+1个根这与代数基本定理n次多项式只要n个根矛盾，故.证毕.5.2.3插值余项与误差估计若插值区间为,在上有插值多项式，则称为插值余项.定理2.2设(表示f(x)在上(n+1)阶导数连续)，且节点，则知足条件(5.2

7、.4)的插值多项式对有 (5.2.9)这里是(5.2.7)所定义的.证实由插值条件(5.2.4)可知，故对任何x有 (5.2.10)其中K(x)是依靠于x的待定函数.将x看做区间上任一固定点，作函数，显然，且，它表明在上有n+2个零点及x，由Rolle定理可知在上至少有n+1个零点.反复应用Rolle定理，可得在上至少有一个零点,使即代入(5.2.10)则得余项表达式(5.2.9).证毕.注意定理中依靠于x及点，此定理只在理论上讲明存在，实际上仍依靠于x，即便x固定，也无法确定.因而，余项表达式(5.2.9)的准确值是算不出的，只能利用(5.2.9)式做截断误差估计，由可得误差估计 (5.2.

8、11)当n=1时可得线性插值的误差估计 (5.2.12)当n=2时有二次插值的误差估计 (5.2.13)利用余项表达式(5.2.9)，当时，由于，于是有即(5.2.14)它表明当时，插值多项式就是它本身，(5.2.14)也给出了插值基函数的性质，十分当k=0时有例5.1已给，用线性插值及二次插值计算sin0.3367的近似值并估计误差.解由题意知被插函数为，给定插值点为，.由(5.2.1)知线性插值函数为当x=0.3367时其截断误差由(5.2.12)得其中.因f(x)=sinx,f(x)=-sinx，故于是若用二次插值，在(5.2.3)中取n=2，则得这个结果与6位有效数字的正弦函数表完全一

9、样.其截断误差由(5.2.13)得其中于是例5.2设，试证解由于的线性插值于是例5.3证实,其中是关于点5的插值基函数.解讲解：当n=1及n=2得到的是线性插值和抛物线插值，对于一般情形给定被插值函数的n+1个点，要求可通过n+1个点的插值基函数得到，其中就是由5.2.6给出的，它在点的初值为1，其余点上为0，于是有5.2.5它显然知足条件就是Legrange插值多项式。在区间上用它的余项为5.2.9这里是依靠于和插值点，实际是给不出来的。所以也不可能准确得到，但当在区间上有最大值，则得误差估计利用余项表达式5.2.9，令则得到插值基函数得一个重要性质5.2.14十分当K0有用这一性质能够证实

10、例5.3得等式。5.3均差与Newton插值公式5.3.1均差及其性质利用插值基函数求出Lagrange插值多项式(5.2.8)，在理论上是很重要的，但用计算f(x)近似值却不大方便，十分当精度不够，需增加插值节点时，计算要全部重新进行.为此我们能够给出另一种便于计算的插值多项式，它表达为 (5.3.1)其中为待定常数.显然，它可根据插值条件 (5.3.2)直接得到，例如当时，得；当时，由(5.3.1)得，得.实际上就是直线方程的点斜式.，.为了给出的系数的表达式，先引进下面定义.定义3.1记为f的零阶均差，零阶均差的差商记为称为函数关于点的一阶均差.一般地，记(k-1)阶均差的差商为 (5.

11、3.3)称为f关于点的k阶均差.均差有下面重要性质：(1)均差对称性.k阶均差可表示为函数值的线性组合，即 (5.3.4)这个性质可用归纳法证实，见3.(5.3.4)表明均差与节点排列次序无关，称为均差对称性.(2)假如是x的m次多项式，则是x的(m-1)次多项式.证实由均差定义可知右端分子为x的m次多项式，且当时，此式为零，所以分子含有的因子，与分母相约后得到(m-1)次多项式.(3)若，并且互异，则有,其中(5.3.5)这公式可直接由Rolle定理证实(略).其他均差性质可作为习题本人证实.均差可列均差表，见表515.3.2Newton插值根据均差定义，把x看成上一点，可得只要把后一式代入

12、前一式，就得到其中 (5.3.6) (5.3.7)是由(5.2.7)定义的.由(5.3.6)确定的多项式显然知足插值条件，且次数不超过n，它就是形如(5.3.1)的多项式，其系数为我们称为Newton均差插值多项式.系数就是均差表5-1中加横线的各阶均差，它比Lagrange插值的计算量少，且便于程序设计.(5.3.7)为插值余项，由插值多项式的唯一性可知，它与(5.2.9)是等价的.事实上，利用均差与导数关系式(5.3.5)，可由(5.3.7)推出(5.2.9).但(5.3.7)更有一般性，它对f是由离散点给出的情形或f导数不存在时均适用.例5.4给出f(x)的函数表(见表5-2)，求四次牛

13、顿插值多项式，并由此计算f(0.596)的近似值.从均差表看到四阶均差已近似于常数.故取四次插值多项式做近似即可.于是截断误差这讲明截断误差很小，可忽略不计.讲解：均差即差为函数值之差商比相应自变量之差。K阶均差是K1阶均差的均差。由5.3.3给出，它有很多性质，其中5.3.4及5.3.5最重要，利用均差定义则可推出Newton均差插值公式，进而得到Newton均差插值多项式及均差形式的余项表达式5.3.7，实际受骗则的极限就是函数在处的Taylor多项式。余项极限就是Taylor多项式。Newton插值多项式有点是计算简单。且增加一个插值点就增加一项。前面计算都是有效的。注意，由于插值点固定

14、时插值多项式是存在唯一的。因而Newton插值多项式与Lagrange插值多项式只是形式不同，它们都是同一个多项式。5.4差分与Newton前后插值公式5.4.1差分及其性质当插值节点为等距节点时，称h为步长，此时均差及Newton均差插值多项式(5.3.6)均可简化.定义4.1设，记 (5.4.1) (5.4.2)分别称为在处以h为步长的一阶向前差分及一阶向后差分.符号及分别称为向前差分算子及向后差分算子.利用一阶差分可定义二阶差分为二阶向前差分二阶向后差分一般地，可定义m阶向前差分及m阶向后差分为此外还可定义不变算子I及位移算子E为： (5.4.3)于是，由,可得同理可得.由差分定义并应用

15、算子符号运算可得下列基本性质.性质1各阶差分均可用函数值表示.例如 (5.4.4) (5.4.5)其中为二项式展开系数.性质2可用各阶差分表示函数值.例如，可用向前差分表，由于于是 (5.4.6)性质3均差与差分有的关系.由定义可知，向前差分一般地有 (5.4.7)同理，对向后差分有 (5.4.8)利用(5.4.7)及(5.3.5)又可得到 (5.4.9)其中，这就是差分与导数的关系.差分的其他性质从略.计算差分可列差分表，表5-3是向前差分表.表535.4.2等距节点插值公式将牛顿均差插值多项式(5.3.6)中各阶均差用相应差分代替，就可得到各种形式的等距节点插值公式.这里只推导常用的前插与

16、后插公式.假如有节点，要计算附近点x的函数f(x)的值，可令，于是将此式及(5.4.7)代入(5.3.6)，则得 (5.4.10)称为Newton前插公式，其余项由(5.2.9)得 (5.4.11)假如要用函数表示附近的函数值f(x)，此时应用牛顿插值公式(5.3.6)，插值点应按的次序排列，有作变换，并利用公式(5.4.8)，代入上式得 (5.4.12)称为Newton后插公式，其余项 (5.4.13)例5.5设，给出在的值.试用三次等距节点插值公式求f(1.01)及f(1.28)的近似值.解此题只要构造出f的差分表，再按Newton前插公式及后插公式计算即可.的差分表如下所示.计算f(1.

17、01)可用Newton前插公式(5.4.10)，此时用到差分表中的上半部分划波纹线的各阶差分值.计算f(1.28)要用Newton后插公式(5.4.12)，它用到差分表下部分的差分(即下划直线的).f(1.01)与f(1.28)的7位有效数字分别为，可见计算结果已相当准确.讲解：实际使用时给定的函数表经常是等距节点的情形，这时只需考察函数值之差。于是均差变成了差分，相应的Newton均差插值变成Newton前插与后插公式，当插值节点由小到大排列得到的是前插公式，反之，插值点由大到小排列得到的是后插公式，而利用插值计算f(x)的值时假如只用到函数表中的部分值。那么计算x0附近点x的函数值就用前插

18、公式，而计算xn附近的函数值f(x),就用后插公式。5.5Hermite插值不少问题不但要求在插值节点上函数值相等，而且还要求节点上导数值相等，有的甚至要求高阶导数值也相等，知足这种要求的插值多项式称为Hermite插值多项式.若给出的插值条件有(m+1)个则可造出m次插值多项式.建立Hermite插值多项式的方法仍可采用插值基函数和均差插值的方法，较常见的一类带导数插值的问题，是在给出节点上已知要求，使 (5.5.1)若用基函数方法表示可得 (5.5.2)其中及是关于点的(2n+1)次Hermite插值基函数，它们为(2n+1)次多项式且知足条件 (5.5.3)若f(x)在上存在(2n+2)

19、阶导数，则其插值余项为 (5.5.4)其中与x有关，由(5.2.7)表示.下面只对n=1的情形给出的表达式.若插值节点为及，要求，使 (5.5.5)相应插值基函数为,它们知足条件根据给出条件可令显然再由及解得于是可得 (5.5.6)同理，可求得 (5.5.7)于是知足条件(5.5.5)的Hermite插值多项式为 (5.5.8)它的插值余项为，在与之间(5.5.9)下面再给出一个典型的例子.例5.6求,使及的插值多项式及其余项表达式.解这里给出了四个条件故可造三次插值多项式,由，可用Newton均差插值，令 (5.5.10)显然它知足条件，为待定参数.由可得解得 (5.5.11)于是得到的插值

20、多项式为(4.8)的p(x)，其中由(5.5.11)给出，它的余项表达式是 (5.5.12)其中在与之间，而.讲解：带有导数条件的插值统称Hermite插值，构造Hermite插值多项式原理与Lagrang插值一样，假如给定m+1个条件，则可构造次数不超过m次的插值多项式，构造原则是什么方法最简单就用什么方法。这里我们仍使用了基函数方法和均差插值方法。详细用哪种方法原则是使构造的多项式中待定参数尽量少。例如求时，由于已知xk+1为二重零点,故含因子，可令,b为待定参数，可由另两个条件及确定，再如对，由条件知为二重零点，而是单重零点，故可令只要一个待定参数A，由另一条件可立即求得A1。而例5.6

21、则直接利用了均差值给出了的表达式，它只要一个待定参数A至于导数插值多项式的余项表达式也是很有规律的，假如给出的插值条件是m+1个，则有，其中指数，假如点有0阶至阶导数条件则有因子显然Taylor多项式是在点处具有0到n阶导数值均相等的Hermite插值，其余项为根据这规律，例5.6中点有导数条件，而及点只给出函数值相等条件，故一共有4个条件，即m=3,余项表达式就是5.5.12。5.6分段低次插值5.6.1多项式插值的收敛性问题若在上任给一组插值节点，假定，按条件(5.2.4)造出Lagrange插值多项式，若极限 (5.6.1)就称插值多项式收敛于.但实际上甚至对各阶导数均存在的也不能保证(

22、5.6.1)成立，也就是插值多项式序列收敛性不成立，下面给出一个不收敛的例子.可造例5.7设在-5,5上取(n+1)个等距节点，插值多项式记，表5-4列出n=2,4,20的的计算结果及在处的误差.表5-4能够看出随n的增加几乎成倍增加，这讲明在-5,5上并不收敛.当n=10时，从的图形(见图5-4)可以看出它不收敛.这个例子是Runge于1901年首先给出的，故把插值多项式不收敛的现象称为Runge现象.Runge还证实了此例中时,，但在时发散.由于高次插值收敛性没有保证，实际的计算稳定性也没保证.因而当插值节点n较大时通常不采用高次多项式插值，而改用低次分段插值.5.6.2分段线性插值设已知

23、节点上的函数值为，若一折线函数知足条件(1)；(2)；(3)在每个小区间上为线性函数.则称为分段线性插值函数，在每个小区间上表示为 (5.6.2)在区间上可表示为 (5.6.3)其中定理5.1若，则当h0时一致收敛于f(x).若，则余项有估计式 (5.6.4)5.6.3分段三次Hermite插值设函数f(x)在节点上的函数值为，一阶导数值为，若知足条件(1)；(2)；(3)在每个子区间上是次数不大于3的多项式.则称是f(x)的分段三次Hermite插值函数.在每个子区间上的表达式为 (5.6.5)在上用插值基函数表示为 (5.6.6)其中能够证实，若，则当h0时一致收敛于f(x).讲解：由例5

24、.7看到插值多项式次数增加时误差可能更大，它讲明高次插值收敛性没有保证，因而当插值点较多时，为了求在区间上的近似值，通常采用分段插值若在上节点为，分段线性插值就是用折线近似曲线，它在每个小区间上的方程5.6.2就是前面介绍的线性插值，余项也是线性插值余项。分段线性插值固然当时，。但它的导数不连续，且误差较大。5.7三次样条插值5.7.1三次样条函数分段低次插值的优点是具有收敛性与稳定性，缺点是光滑性较差，不能知足实际需要.例如高速飞机的机翼形线、船体放样形值线、精细机械加工等都要求有二阶光滑度，即二阶导数连续，通常三次样条(Spline)函数即可知足要求.定义7.1设上给出一组节点，若函数s(

25、x)知足条件(1)；(2)s(x)在每个小区间上是三次多项式.则称s(x)是节点上的三次样条函数.若s(x)在节点上还知足插值条件(3)(5.7.1)则称s(x)为上的三次样条插值函数.例5.8设是以0，1，2为节点的三次样条函数，则,b,c应取何值?解因,故在处由及连续，可得解得=-2,b=3,c=-1.此时s(x)是0,2上的三次样条函数.由定义7.1可知s(x)在每个小区间上是三次多项式，它有四个待定系数，中共有n个小区间，故待定的系数为4n个，而由定义给出的条件，在这(n-1)个内点上应知足 (5.7.2)它给出了3(n-1)个条件，此外由插值条件(5.7.1)给出了(n+1)个条件，

26、共有(4n-2)个条件，求三次样条插值函数s(x)尚缺两个条件.为此要根据问题要求补充两种边界条件，它们分别是问题(5.7.3)问题(5.7.4)问题当f(x)为周期函数，因，此时，且，.这时s(x)称为周期样条函数.由此看到针对不同类型问题，补充相应边界条件后完全能够求得三次样条插值函数s(x).下面我们只就问题及问题介绍三弯矩方程及其解法.5.7.2弯矩方程设s(x)在节点上的二阶导数值，在上是三次多项式，故s(x)在上是一次函数，可表示为对此式积分两次，并利用可确定积分常数，进而得到 (5.7.5)这里是未知量，但它可利用条件(5.7.2)中得到关于的方程组，由(5.7.5)对s(x)求

27、导得 (5.7.6)由此可得 (5.7.7)当，类似(5.7.6)可得于是 (5.7.8)由，可得到 (5.7.9)其中 (5.7.10)(5.7.9)是关于的(n-1)个方程，对问题，可由(5.7.3)补充两个方程，它们可由(5.7.7)当i=0时及(5.7.8)当i=n时得到，即 (5.7.11)将(5.7.9)与(5.7.11)合并则得到关于的线性方程组，用矩阵形式表示为 (5.7.12)这是关于的三对角方程组.对于问题，可直接由条件(5.7.4)得到将它代入(5.7.9)，并用矩阵形式表示为 (5.7.13)它是关于的三对角方程组，不管是(5.7.12)还是(5.7.13)，它们中每个

28、方程只与三个相邻的相联络，而在力学上表示细梁在上的截面弯矩，故称(5.7.12)及(5.7.13)为三弯矩方程.方程(5.7.12)及(5.7.13)的系数矩阵都是严格对角占优矩阵，它们可用追赶法求解.得到后，代入(5.7.5)，则得到上的三次样条插值函数s(x).例5.9设f(x)为定义在0，3上的函数，插值节点为，且，.当时，试求三次样条插值函数s(x)，使其知足问题的边界条件(5.7.3).解根据三弯矩方程(5.7.12)，首先要求系数矩阵及右端项，由(5.7.10)及(5.7.11)可得于是由(5.7.12)得三弯矩方程为 (5.7.14)解此方程时可先消去得解得，代入(5.7.14)

29、得.将的值代入(5.7.5)可得三次样条函数的图形见图5-5.图5-55.7.3三次样条插值收敛性定理7.1设为问题或问题的三次样条函数，则有估计式 (5.7.15)其中，.定理证实见3.定理表明当h0(n)时，分别一致收敛于.讲解：分段三次样条插值简称Spline插值是通过形值点的一条光滑曲线，从数学上表示就是由定义7.1所给出的三条件得到的，它在区间上是二阶连续的，在每个小区间上是三次多项式并通过给定点，若补充上相应的边界条件，问题或问题，就可求得，通过解三弯矩方程5.7.12或5.7.13就可得到5.7.5所表示的。求三次样条插值函数有现成软件，但对三次样条插值定义及其条件一定要把握好。

30、5.8曲线拟合的最小二乘法在科学实验数据处理中，往往要根据一组给定的实验数据，求出自变量x与因变量y的函数关系，这是为待定参数，由于观测数据总有误差，且待定参数ai的数量比给定数据点的数量少(即nm)，因而它不同于插值问题.这类问题不要求通过点，而只要求在给定点上的误差的平方和最小.当时，即 (5.8.1)这里是线性无关的函数族，假定在上给出一组数据，以及对应的一组权，这里为权系数，要求使最小，其中 (5.8.2)这就是最小二乘逼近，得到的拟合曲线为y=s(x)，这种方法称为曲线拟合的最小二乘法.(5.8.2)中实际上是关于的多元函数，求I的最小值就是求多元函数I的极值，由极值必要条件，可得

31、(5.8.3)根据内积定义(见第三章)引入相应带权内积记号 (5.8.4)则(5.8.3)可改写为这是关于参数的线性方程组，用矩阵表示为 (5.8.5)(5.8.5)称为法方程.当线性无关，且在点集上至多只要n个不同零点，则称在X上知足Haar条件，此时(5.8.5)的解存在唯一(证实见3).记(5.8.5)的解为进而得到最小二乘拟合曲线 (5.8.6)能够证实对，有故(5.8.6)得到的即为所求的最小二乘解.它的平方误差为 (5.8.7)均方误差为在最小二乘逼近中，若取，则，表示为 (5.8.8)此时关于系数的法方程(5.8.5)是病态方程，通常当n3时都不直接取作为基，其详细方法下节再讨论

32、，下面只给出n=1的例子.例5.10已知一组实验数据如表所示.试求最小二乘拟合曲线.解将所给数据在坐标纸上标出，如图5-6所示，讲明它可用线性函数作曲线拟合，即选择形如作为拟合曲线.这里，故图5-6于是由(5.8.5)得法方程解得于是所求的最小二乘拟合曲线为均方误差为.使用最小二乘逼近时，模型的选择是很重要的，通常模型y=s(x)是由物理规律或数据分布情况确定的，不一定都是形如(5.8.1)的线性模型，但有的模型经过变换可化为线性模型，这些也应按线性模型处理，例如它是指数函数，关于系数，b并非线性，但对上式两端取对数得到令，则上式转化为，它是线性模型，仍可按上面介绍的方法求y=s(x).例5.

33、11给定数据如下：求的最小二乘拟合曲线.解不是多项式，但两端取对数得.若令，则有，它是线性最小二乘拟合问题.可取，为求得A，b,先将化为.转化后的数据表为根据最小二乘原理先求法方程系数故有法方程解得，于是得最小二乘拟合曲线讲解：曲线拟合的最小二乘法是处理实验数据一种经常使用的方法，它与插值不同，一是数据本身有误差，二是反映实验数据规律的数学模型，需要确定的待定参数个数较少，通常比m小得多，且一般不通过，而只要求在给定点处误差平方和最小。这是关于参数的多元函数求极值问题。在最小二乘法重确定数学模型是很重要的，一种是根据物理规律给定的，一种是由实验数据描图选定的，但这里我们只讨论关于参数为线性的模

34、型，即5.8.1所示，或通过变换能化为线性的模型，如例5.11给出的模型，当s(x)为多项式时则得到的法方程是病态方程组，求得的解误差较大，一般在时应该改用关于给定节点正交的多项式组才能算出正确结果。5.9正交多项式及其在最小二乘的应用5.9.1内积与正交多项式将空间向量的内积定义推广到连续函数空间，就有定义9.1设是上的权函数记 (5.9.1)称为函数f(x)与g(x)在上的带权内积.内积有下面性质：(1)；(2)；(3)；(4)(f,f)0，当且仅当f0时等号成立.定义9.2设为上的权函数，若则称f(x)与g(x)在上带权(x)正交.若函数序列在上两两正交，即则称为正交函数族.例5.12三

35、角函数族1，在-，上是正交函数族(权(x)1).实际上，而定义9.3设是首项系数的n次多项式，假如多项式序列知足 (5.9.2)则称多项式序列为在上带权(x)的正交多项式族，称为上带权(x)的n次正交多项式.只要给定区间及权函数(x)，均可由线性无关的一组基1,x,x2,xn,，利用正交化构造出正交多项式 (5.9.3)这样构造的正交多项式有下面性质：(1)是最高项系数为1的n次多项式；(2)任何n次多项式,均可表示为的线性组合；(3)当nm时，且与任一次数小于n的多项式正交；(4)递推关系 (5.9.4)其中这里.(5)设是在上带权(x)的正交多项式序列，则的n个根都是单重实根，且都在区间内

36、.以上性质的证实见4.下面给出常见的而又特别重要的正交多项式.5.9.2Legendre多项式在区间-1，1上权函数(x)=1的正交多项式称为Legendre多项式，其表达式为 (5.9.5)的首项的系数为，记 (5.9.6)则是首项系数为1的Legendre多项式.Legendre多项式有很多重要性质，其中较重要的有：(1)正交性 (5.9.7)只要令，则且.设多项式，用分部积分得当Q(x)为次数不超过(n-1)时，于是有当，则于是，这就证实了(5.9.7)的正确性.(2)递推公式 (5.9.8)图5-7其中.此公式可直接利用正交性证实.由(5.9.8)可得图5-7给出了的图形.(3)奇偶性

37、5.9.3Chebyshev多项式在区间-1，1上权函数的正交多项式称为Chebyshev多项式，它可表示为 (5.9.9)若令，则，这是的参数表示.利用三角公式可将展成的一个n次多项式，故(5.9.9)可视为x的n次多项式.下面给出的主要性质：(1)正交性 (5.9.10)只要对积分做变换x=，利用三角公式即可得到(5.9.10)的结果.(2)递推公式 (5.9.11)其中.由用三角公式则得(5.9.11).由(5.9.11)可推出到如下：图5-8给出了的图形.图5-8(3)奇偶性 (4)在(-1，1)内的n个零点为，在-1，1上有(n+1)个极点.(5)的最高次幂的系数为5.9.4其他正交

38、多项式除上述两个最常用的正交多项式外，较重要的还有无穷区间的正交多项式，它们是：(1)Laguerre多项式在区间0,)上，权函数的正交多项式称为Laguerre多项式，其表达式为 (5.9.12)它的递推公式为 (5.9.13)其中.正交性为 (2)Hermite多项式在区间(-,)上，带权函数的正交多项式称为Hermite多项式，其表达式为 (5.9.14)它的递推公式为 (5.9.15)其中.正交性为5.9.5用正交多项式作最小二乘拟合在最小二乘拟合中若，模型取为(5.8.8)时，由于法方程是病态方程，因而使用时应取为关于给定点的正交多项式，可避免求解病态方程组.类似定义9.3给出下面定

39、义.定义9.4设给定拟合数据及权可构造多项式，其中，且 (5.9.16)则称是关于点集.带权的正交多项式族，为k次正交多项式.根据定义，若令.由递推关系得 (5.9.17)利用正交性求得及为 (5.9.18)令，由法方程(5.8.5)可求得解 (5.9.19)进而得到最小二乘拟合曲线 (5.9.20)它仍然是多项式函数，即.用计算机计算时求系数及与求系数可同时进行.当k=0,1,n时若有时，计算停止，此时即为所求.讲解：将向量空间中两向量正交即垂直的概念推广到连续函数空间，任两函数，内积就称它们为正交，函数序列两两正交，称为正交函数族，若为n次多项式，则当它知足5.9.2就称为正交多项式。正交

40、多项式有很多重要性质，其中以正交性，递推关系和在区间a,b上有n个单实根的三个性质最重要。最常用也是最重要的正交多项式是Legendre多项式和Chebyshev多项式，它们是函数逼近的重要工具，在数值积分中也有重要应用，Legendre多项式是区间-1,1上权函数的正交多项式，其正交性由5.9.7式给出，递推关系式5.9.8都有详细应用是必须知道的。而Chebyshev多项式是区间-1,1上，权函数的正交多项式。它表示为由此表达式直接利用三角公式则可详细得到正交性5.9.10和递推关系5.9.11及其他重要性质。用正交多项式作最小二乘拟合，应根据给定数据及权定义关于离散点集带权的正交多项式它

41、本质上与在区间-1,1上定义的正交多项式类似，只是把积分变成求和，再以所得到关于点集正交的多项式作基求最小二乘的拟合曲线，这就避免了用一般多项式拟合出现解法方程的病态问题，当然这种做法通常都在计算机上计算，不必记公式，只要能利用已有软件算出拟合曲线即可。【本章小结】1.根据给定条件求插值多项式并由此计算的近似值和估计误差是本章的重点。由于n次多项式有n+1个待定参数，故需要给出n+1个条件才能唯一确定n次插值多项式。求插值多项式有两种方法，一种是基函数方法，求Lagrange插值多项式；一种是用均差方法求Newton插值多项式。原则上只要知足插值条件，不管用何种方法求插值多项式均可，但应以简单

42、方便为宜。1基函数方法理论上很重要，它便于理论分析。要把握好插值基函数(i=0.1，n)的性质，它本身是一种特殊的插值多项式。十分注意当f(x)为次数不超过超过n的多项式时，进而有.但在计算上Lagrange插值多项式并不方便，十分在增加插值点时要重新计算，不如Nerton插值方便。在有关插值的证实问题中常用基函数性质加以论证。2Nerton插值便于计算，每增加1个插值点只增加1项，前面结果仍然有效，便于在计算经过中根据精度要求确定插值多项式次数。Newton均差插值多项式形式上与函数Taylor展开类似，实际受骗n+1个节点趋于同一点，即为Taylor展开多项式。把握均差与差分定义及其性质，

43、并由此得到Newton均差插值、Newton前插与后插公式，利用它们计算函数近似值也是重要的。注意当为n次多项式时，其n阶均差与差分均为常数，而n+1阶均差与差分为零。一般的可以利用它们与导数关系计算。3利用的插值多项式计算的近似值并要估计误差。在f具有n+1阶导数时可直接用余项得到误差估计式5.8，这里求通常用微积分求极值方法求得，假如要求整个区间上，即右端也要求最大值，假如只估计在点的，则可直接计算.在等距节点情形下根据误差要求确定步长的大小，也仍由式5.8出发计算。对于一般导数不易计算或列表函数的误差估计均应由式5.15求进行估计，此时用近似，求得的误差是近似的。2.建立带导数条件的插值多项式原则上与按函数值插值近似，仍然采用基函数方法及均差插值方法。原则上条件较多用基函数方法，导数条件很少可用均差Newton插值，再加含有待定参数的项。总的原则是尽量使用已有结果，使构造的多项式表达式中待定参数尽量少。带导数插值不必死记公式，但要把握根据给定插值条件构造插值多项式的方法，并能写出其余项表达式。其表达式中共给出m+1个插值条件，则中包含，并乘上m+1个的因子。若在点除函数值相等，还有导数值相等，则乘十分是可看作带插值的一个特例。