【主要内容】 介绍几种基本插值方法(如Lagrange插值、....pptVIP

插值可以理解为，要根据一个用表格表示的函数，计算表中没有的函数值。 【引例2】 拟 合 设 R=at+b a,b为待定系数 根据一组数据（平面上若干点），确定一条曲线，使这些点与曲线总体来说尽量接近，这就是曲线拟合。 已知一组（二维）数据，即平面上 n个点（xi, yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) ?i 为点（xi, yi) 与曲线 y=f(x) 的距离 (xi,yi) ?i 拟合与插值的关系 曲线插值与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，二者在数学方法上是完全不同的。 若不要求曲线（面）通过所有数据点，而是要求它反映对象 整体的变化趋势，这就是数据拟合，又称曲线拟合或曲面拟 合。 若要求所求曲线（面）通过所给所有数据点，就是插值问题； 曲线拟合问题最常用的解法——线性最小二乘法 第一步:先选定一组函数 r1(x), r2(x), …rm(x), mn, 令 f (x)=a1 r1(x)+a2 r2(x)+ …+am rm (x) （1） 其中 a1, a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： 使n个点（xi, yi) 与曲线y=f (x)的距离?i 的平方与最小 。 记 问题归结为，求a1,a2, …am 使J(a1,a2, …am)最小。 注：线性最小二乘拟合 f(x)=a1r1(x)+ …+am rm (x)中函数 {r1(x), …rm (x)}的选取，主要是将数据 (xi, yi)，i=1, …n 作图，通过直观判断确定f (x)： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + f=a1+a2x f=a1+a2x+a3x2 f=a1+a2x+a3x2 f=a1+a2/x f=aebx f=ae-bx 用Mathematic做线性最小二乘拟合 Fit[数据表，基函数表，拟合变量] 实例4 施肥效果 某研究所为了研究氮肥（N）的施肥量对土豆产量的影响， 做了十次实验，实验数据见下表，其中ha代表公顷，t代表 吨，kg代表千克。 30.75 40.83 43.46 43.15 39.45 34.03 32.29 25.72 21.36 15.18 产 量 (t/ha) 471 404 336 259 202 135 101 67 34 0 施肥量 (kg/ha) 试分析氮肥的施肥量与土豆产量之间的关系。 先画散点图看看数据点的位置关系: 数据散点图 拟合函数 拟合效果图为: 实例5 沙岩体空间分布 某浅层天然气开发公司所提供的某地区浅层十几口 深井沙岩体主状图与井位图表，数据如下表，要求 建立该地区的沙岩体空间分布数学模型，并在计算 机上模拟沙岩体的空间分布数学三维图形及其等值 线图，进而为该地区油气勘探提供一些可行的决策 依据。 18.2 1.1 13.1 17 20.3 0.9 10.4 16 18.3 0.9 7.8 15 17.2 3.2 13.8 14 27.8 3.2 10.9 13 23.4 5.1 12.1 12 20.9 4.0 8.3 11 15.9 7.5 13.8 10 22.4 7.5 10.7 9 21.3 6.5 9.3 8 22.2 7.0 5.7 7 20.2 5.3 4.7 6 27.5 3.0 5.7 5 20.7 0.8 0.3 4 25.1 2.5 1.7 3 22.4 5.2 2.2 2 17.3 7.2 0.7 1 砂岩厚度z(m) 横坐标x(m) 纵坐标y(m) 井号 三次拟合多项式为 砂岩体空间分布图 等值线图 * 【主要内容】 介绍几种基本的插值方法（如Lagrange插值、分段线性插值、三次样条插值等）与数据的最小二乘拟合方法。 【主要目的】了解Mathematica提供的插值函数与拟合函数的使用方法，通过实例学习如何用插值与拟合解决实际问题,注意两者的联系与区别。 第七讲 插值与拟合实验 【引例1】 插 值 插值在数学发展史上是个老问题。它最初来源于天体计算—由若干观测值计算任意时刻星球的位置。 插值在机械加工等工程技术与数据处理等科学研究中有广泛的应用。插值又是数值微分、数值积分、常微分方程数值解等数值计算的