下载文档原格式
数值逼近知识点总结一、基本概念1.1 逼近误差在数值逼近中，我们通常会用逼近值来代替某个函数的真实值。
这个逼近值和真实值之间的差称为逼近误差，通常表示为ε。
逼近误差可以分为绝对误差和相对误差两种。
绝对误差是指逼近值与真实值之间的差值，表示为|f(x)-Pn(x)|。
相对误差是指绝对误差与真实值的比值，表示为|f(x)-Pn(x)|/|f(x)|。
通常情况下，我们希望逼近误差越小越好。
1.2 逼近多项式在数值逼近中，我们通常会用一个多项式来逼近某个函数。
这个多项式通常称为逼近多项式，记为Pn(x)，其中n表示多项式的次数。
逼近方法的目的就是找到一个逼近多项式，使得它可以尽可能地接近原函数。
1.3 逼近点在进行数值逼近的过程中，逼近点的选择对逼近结果有很大的影响。
通常情况下，我们会选择一些离散的点，然后通过这些点来构造逼近多项式。
这些点通常称为逼近点，记为(xi, yi)。
1.4 逼近方法数值逼近的方法有很多种，常见的包括插值法、最小二乘法、迭代法等。
这些方法各有特点，适用于不同的逼近问题。
在接下来的篇幅中，我将详细介绍这些方法的原理和应用。
二、插值法2.1 基本概念插值法是数值逼近中常用的一种方法，它的基本思想是通过已知的数据点来构造一个插值多项式，然后用这个多项式来逼近原函数。
插值法的优点是可以通过已知的数据点来精确地确定逼近多项式。
常见的插值方法包括拉格朗日插值法、牛顿插值法等。
2.2 拉格朗日插值法拉格朗日插值法是一种通过拉格朗日基函数来构造插值多项式的方法。
假设给定n+1个互不相同的插值点(xi, yi)，我们要求一个n次多项式Pn(x)，满足条件Pn(xi)=yi(i=0,1,...,n)。
那么Pn(x)的表达式为：\[Pn(x)=y0L0(x)+y1L1(x)+...+ynLn(x)\]其中Li(x)为拉格朗日基函数，表达式为：\[Li(x)=\prod_{j=0,j\neq i}^n\frac{x-xi}{xi-xj}\]拉格朗日插值法的优点是简单易懂，容易编程实现。
