3插值与逼近的Matlab文稿.docVIP

第3讲 插值与逼近 第一节 引例与问题综述 2 一、引例 3 二、问题综述 4 第二节 拉格朗日插值 6 一、线性插值和抛物线插值 7 二、拉格朗日插值多项式 16 三、插值多项式的存在唯一性 18 四、插值余项（误差分析） 20 五、例题分析 21 六、MATLAB编程 25 第三节 差商与牛顿插值公式 31 一、差商及其公式 31 二、牛顿插值公式 37 三、牛顿插值余项（误差分析） 38 四、差分以及等距节点牛顿插值多项式 39 五、例题与编程 40 第四节 埃尔米特插值 50 1 定义 50 第五节 分段线性插值 55 一、多项式插值的病态分析 55 二、分段线性插值 59 第六节 三次样条插值 61 定义 61 第七节 曲线拟合的最小二乘法 64 一、概念的介绍 65 第一节 引例与问题综述 一、引例 引例1 血药浓度问题 0.25 0.5 1 1.5 2 3 4 6 8 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01 确定血药浓度与时间的函数关系。 通过有限个函数值去推断函数的表达式 引例2 对数表等 二、问题综述 对于函数关系，可以用一个比较熟悉的简单函数来近似表示。 1、定义 设函数在区间上有定义，且已知在上个互异节点上的函数值。若存在一个的近似函数，满足 则称为的一个插值函数，为被插函数，点为插值节点，称上式为插值条件，而误差函数称为插值余项。 2、根据插值函数的类型，可以有多项式插值、三角函数插值、指数函数插值等。 3、多项式插值 当插值函数是多项式时，称为代数插值（或多项式插值）。 多项式（或分段多项式）的优点：计算简单，分析容易。 若存在一个次数不超过的多项式，满足 ， 则称为的次插值多项式。 本章讨论： 1、次插值多项式是否存在？ 2、如何求解？ 3、误差或余项的估计 4、曲线拟合 有时候，（在实际应用中，特别是通过采样得到的数据），节点上的函数值不一定很精确，（如存在着测量误差等），插值会保留这些误差，从而影响精度。为了减少这种影响，可以采用曲线拟合的方式。 曲线拟合不一定要求近似函数所表示的曲线严格通过已知数据点，，，而是通过观察这些点的分布规律，选择某种能描述这一近似规律的函数作为逼近函数，然后按某种原则使得逼近效果总体上尽可能好。 最简单的是最小二乘法。 第二节 拉格朗日插值 一、线性插值和抛物线插值 1、线性插值 讨论的情形。 有给定区间及端点函数值，。求线性插值多项式，使它满足 ， 显然，就是通过点、的直线。 由直线函数，其中为斜率，，代入任意一点，有 ，因此有 代入直线函数，有 即： 事实上，我们可以构造如下的两个函数：，，这两个函数满足下表： 1 0 0 1 这样，可以有 ，显然，如上表所示，有 1 0 0 1 0 0 对于函数，考虑到且，观察，有 0 基本上满足以上的条件，要完全满足，只需要对在时的值除上，就可以得到下表： 1 0 由此，函数构造完毕。显然，有。 称，为线性插值的基函数。 2、抛物插值 对于的情况，存在三个点，即、、，要求插值多项式。 当然，对于此类插值，最简单的方法是构造下式： 及求解未知量为的线性方程组，其系数矩阵为： ，常数项为。 但是，这种方法存在着一定的问题，主要是计算工作量很大，不推荐使用，而是如同线性插值的方法，构造基函数来获得插值函数。 在这里，可以构造三个基函数，，，使得下表成立 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 考察，因为有 1 0 0 显然，对于，由及有，即， 由，可得，， 即， 同理可得 最终构成 二、拉格朗日插值多项式 对于任意的个点，，，可以仿照抛物插值的形式，构造如下式子： 对于 有 利用上面的方法，对可以构造如下的式子： 该式也可以表示成 对于 这就是次的拉格朗日插值公式。 三、插值多项式的存在唯一性 正如对于3点的抛物插值可以构造线性方程组进行求解，对于任意的点的插值，可以构造一个元线性方程组，这样，可以求得个未知系数，其中一个是常数项，因此可以建立一个次的多项式插值函数。 方程式如下： 系数矩阵为 该矩阵形成的行列式不为0，存在唯一解。（范得蒙行列式） 四、插值余项（误差分析） 虽然在节点处，有与严格相等，但是，在其他位置，有，称为插值多项式余项。 假设在包含个互异节点，，，的区间上具有阶连续导数，且在内存在阶导数，则对任意，存在，使得 其中 结论： 1）插值点的选择，外推是不可靠的。 2）误差的估计依赖于有足够的高阶导数。