数据插值与曲线拟合.ppt

对于非确定性关系， 1 引例 例1：对于下面给定的4组数据，求在x=175处 y 的值。 x 144 169 225 y 12 13 15 例1：对于下面给定的4组数据，求在x=175处 y 的值。 x 144 169 225 y 12 13 15 这就是一个插值问题。 例2：观测物体的直线运动，得以下数据，求物体 的运动方程。 t（秒） 0 0.9 1.9 3.0 3.9 5.0 s（米） 0 10 30 50 80 110 例2：观测物体的直线运动，得以下数据，求物体 的运动方程。 t（秒） 0 0.9 1.9 3.0 3.9 5.0 s（米） 0 10 30 50 80 110 2 数据插值的基本原理 当n=1时为线性插值。 稍加整理，即得 则它们满足： 当 n=2 时为抛物插值。 使它们满足 仿照线性插值的情形取基函数 也称为Lagrange 抛物插值函数。 一般地，满足插值条件的n次多项式为： 上述多项式插值又称为n次Lagrange插值。 说明： 其中Newton插值是拉格朗日插值的一种等价变形， Hermite插值一种带导数插值条件的插值。 例 将 [0,?/2] n 等分，用 g(x) = cos(x)产生 n+1个节点，作Pn(x)（取 n =1,2) ，计算cos(?/6) 。 解: n=1, (x0, y0)=(0,1), (x1,y1)=(?/2,0), P1(x)=1-2x/?, cos(?/6)= P1(?/6 )≈0.6667 n=2, (x0,y0)=(0,1), (x1,y1)=(?/4,0.7071), (x2,y2)=(?/2,0), P2(x)=8(x-?/4)(x-?/2)/?2-16x(x-?/2)0.7071/?2 cos(?/6)=P2(?/6) ≈ 0.8508 精确值：cos (?/6) ≈ 0.8660 下面来求解引例1(课堂练习)。 引例1：对于下面给定的4组数据，求在x=175处 y 的值。 x 144 169 225 y 12 13 15 解：用一次拉格朗日插值： 用二次拉格朗日插值： 由上例看出，二次插值的精度明显要比一次插值要高。 当n分别取2,4,6, 8,10时，绘出的插值图形如下。 这种现象叫做Runge 现象。 在分段插值中，较为简单的是分段线性插值。 如飞机机翼的下轮廓线。 在数学上，光滑程度的定量描述是： 光滑性的阶次越高，则越光滑。 就是一个很好的例子。 三次样条插值 3 三次样条插值 下面简单介绍一下三次样条插值的基本原理。 定义： 设给定区间 上的一个划分 如果函数 满足条件： （1）在每个子区间 是三次多项式； （2） 在区间 上连续，记作 （3）对于在节点上给定的函数值 满足 则称 为 在区间 上的三次样条插值函数。 简单地说，已经知道函数 在节点 上的函数值 多项式函数 ，现要求一个三次 ，使满足 且 。 由定义可知， 是区间 上的分段三次插值 多项式，即 其中 是子区间 插值于两点 的三次多项式，即 下面简单介绍一下三次样条插值函数的推导。 现要求 为待定系数， 共4n个。 已知条件： 1） 共 n+1个方程； 2） 共 3(n-1) 个方程。 现要求 4n 个待定系数，但只有(n+1)+ 3(n-1)=4n-2 个方程， 故需要补充两个方程，即所谓的边界条件。 通常有以下三类边界条件： 3.1）给定两个端点 处的导数 ，即 3.2）给定两个端点 处的导数 即 3.3）周期性条件，即 4 用MATLAB软件求解插值问题 在MATLAB中提供了一个一维插值函数interp1， 该函数提供了四种可选的插值方法： nearest——最邻近点插值。 linear——线性插值。 spline——三次样条插值。 cubic——三次插值。 缺省时插值方法为分段线性插值。 下面用该函数来求解下列插值问题。 对于下面给定的4组数据，求在x=110处 y的值。 x 100 121 144 169 y 10 11 12 13 输入命令： x=[100 121 144 169]; y=[10 11 12 13]; cx=110; cy=interp1(x,y,cx,linear); 运行结果为cy =10.4762。 cy =10.4762、cy =10、cy =10.4869、cy =10.4877 通过比较，显然三次样条插值的结果最好。 例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，