插值与数据拟合模型.docVIP

第二讲 插值与数据拟合模型 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上是完全不同的。而面对一个实际问题，究竟用插值还是拟合，有时容易确定，有时则并不明显。 在数学建模过程中，常常需要确定一个变量依存于另一个或更多的变量的关系，即函数。但实际上确定函数的形式（线性形式、乘法形式、幂指形式或其它形式）时往往没有先验的依据。只能在收集的实际数据的基础上对若干合乎理论的形式进行试验，从中选择一个最能拟合有关数据，即最有可能反映实际问题的函数形式，这就是数据拟合问题。 一、插值方法简介 插值问题的提法是，已知个节点，其中互不相同，不妨设，求任一插值点处的插值。可以看成是由某个函数产生的，的解析表达式可能十分复杂，或不存在封闭形式。也可以未知。 求解的基本思路是，构造一个相对简单的函数，使通过全部节点，即，再由计算插值，即。 1．拉格朗日多项式插值 插值多项式 从理论和计算的角度看，多项式是最简单的函数，设是n次多项式，记作 （1） 对于节点应有 （2） 为了确定插值多项式中的系数，将（1）代入（2），有 （3） 记 方程组（3）简写成 （4） 注意是Vandermonde行列式，利用行列式性质可得 因互不相同，故，于是方程（4）中A有唯一解，即根据个节点可以确定唯一的n次插值多项式。 拉格朗日插值多项式 实际上比较方便的做法不是解方程（4）求A，而是先构造一组基函数： （5） 是n次多项式，满足 （6） 令 （7） 显然是满足（2）的n次多项式，由方程（4）解的唯一性，（7）式表示的的解与（1）式相同。（5）、（7）称拉格朗日插值多项式，用计算插值称拉格朗日多项式插值。 误差估计 插值的误差通过插值多项式与产生节点的之差来估计，记作。虽然我们可能不知道的解析表达式，但不妨设充分光滑，具有阶导数。利用泰勒展开可以推出，对于任意。 （8） 若可以估计 （9） 则 （10） 实际上因为常难以确定，所以（10）式并不能给出精确的误差估计。但是可能看出，n增加，减少；越光滑，越小，越小；x越接近，越小。 例 将区间n等分，用产生个节点，然后作拉格朗日插值多项式。用计算（取4位有效数字）。估计（取）。 解 若，则, 。由（5）、（7）式 若，则，，由（5）、（7）式。 。 估计：对于可设，记节点间隔。当时 于是（10）式给出 可以算出 n 1 2 3 4 0.3 0.04 的精确值是0.8660（4位有效数字）的误差在范围内。 插值多项式的振荡 用拉格朗日插值多项式近似虽然随着节点个数的增加，的次数变大，多数情况下误差会变小，但n增加时，的光滑性变坏，有时会出现很大的振荡。理论上，当时，在内并不能保证处处收敛于。Runge给出了一个有名的例子： 取。对于作，会得到如下图所示的结果。可以看出，对于较大的，随着n的增加，的振荡越来越大，事实上可以证明，仅当时，才有，而在此区间外，是发散的。 高次插值多项式的这些缺陷，促使人们转而寻求简单的低次数多项式插值。 2. 分段线性插值 简单地说，将每两个相邻的节点用直线连起来，如此形成的一条折线就是分段线性插值函数，记作，它满足，且在每个小区间上是线性函数。 可以表示为 （12） （13） 有良好的收敛性，即对于有，。 用计算点的插值时，只用到左右的两个节点，计算量与节点个数无关。但越大，分段越多，插值误差越小。实际上用函数表作插值计算时，分段线性插值就足够了，如数学、物理中用的特殊函数表，数理统计中用的概率分布表等。 3. 三次样条插值 样条函数的由来 分段线性插值虽然简单，足够大时精度也相当高。但是折线在节点处显然不光滑，即在节点处导数不连续。这影响了它在诸如机械加工等领域(希望插值曲线光滑)中的应用。 所谓样条(Spline)，来源于船舶、飞机等设计中描绘光滑外形曲线用的绘图工具。一根有弹性的细长木条用压铁固定在节点上，其它地方让它自然弯曲，如此画出的曲线称为样条曲线。因为这种曲线的曲率是处处连续的，所以要求样条函数的二阶导数连续。人们普遍使用的样条函数