第七章 插值及拟合.pdfVIP

第七章 插值与拟合 一、插值定义 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插 值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在 其他点处的近似值。早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17 世纪之 后，牛顿，拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据 处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值 解法的重要基础，许多求解计算公式都是以插值为基础导出的。插值方法可在一维空间也可 在多维空间中使用，本节主要研究一维插值和二维插值问题。 1.1 1.1 11..11 一维插值定义 设函数y=f(x)在区间[a,b]上连续，在[a,b]上有互异点x,x,…,x处取值y,y,…,y 。 0 1 n 0 1 n 如果函数φ(x)在点x 上满足φ(x)=y (i=0,1,2,…,n)，则称φ(x)是函数y=f(x)的插值函 i i i 数，x,x,…,x 是插值节点。若此时φ(x)是代数多项式P(x)，则称P(x)为插值多项式。显 0 1 n 然 f(x)≈φ(x)，x∈[a,b] 1.2 1.2 11..22 一维插值的方法 1.2.1 1.2.1 11..22..11 拉格朗日插值 n 构造n次多项式P(x)= L(x)⋅y ，其中L(x)为n次多项式： n ∑ i i i i=0 (x− x )(x− x )⋯(x− x )(x− x )⋯(x− x ) L(x)= 0 1 i−1 i+1 n (7.1) i (x − x )(x − x )⋯(x − x )(x − x )⋯(x − x ) i 0 i 1 i i−1 i i+1 i n 称为拉格朗日插值基函数。 值得注意的是：并不是插值的次数越高，其逼近程度就越好，相反存在这样的反例， 插值的次数越高，插值函数在端点处会出现大幅波动的现象，这种现象称为Runge 现象。 1.2.2 1.2.2 11..22..22 分段线性插值 了避免高次插值可能出现的大幅度波动现象，在实际应用中通常采用分段低次插值来提 高近似程度。比如可用分段线性插值来逼近已知函数。 1 已知n+1个不同节点x,x,…,x ,构造分段一次线性多项式P(x)，使之满足 0 1 n (1) P(x)在[a,b]上连续 (2) P(x)=yk k (3) P(x)在[x,x ]上是线性函数， i i+1 通过计算满足上述条件的分段一次线性多项式P(x)具有下述形式： n P(x)= y l (x) ∑ j j j=0 ⎧ x− xj−1 ⎪ ,x ≤ x≤ x