第七讲MATLAB在插值及逼近中及应用.docVIP

第七讲 MATLAB在插值与逼近中的应用 1 插值与逼近 1.1 为什么要逼近 数学上来讲，逼近就是在精度要求的范围内对要研究函数给出近似的函数值，甚至函数表达式。为什么我们不直接计算要研究的函数或函值本身 ？理由如下： 用给定函数表达式计算函值很困难甚至根本不可能。如，sinx、tgx、Inx等。 由实验与测量得到的变量间对应关系常常是一函数值表（今后我们也称为表列函数）。但表所表示函在表某个中间位置的函数值却是无法知道的。 函数可能被隐含地定义，而事实上又不能用一个直接规律给出。例如，由方程 ey+y+sinx=0确定的隐含数。 计算逼近函数的值往往比计算函值本身更快。特别地，当原来函数以无穷级数的形式给出，只能如此。 计算机存储量有限，而其计算量相对来说却很大，从某种意义上来讲，逼近实际上也是为了取长补短。如，我们不可能将所有的sinx的值都存在计算机内，但我们将会看到，利用琏近我们的却可以很方便地算出任一点的函数值。 实际应用中，只要函数值符合某一个精度要求也就够了。 1.2 逼近的分类 逼近函数是为了更方便地计算函数，更简单地表达函数。因此，常用一些简单函数或这些简单函数的线性组合来逼近。通常的逼近形式有： 我们称ф（x）,i＝0，1，2，…，m为逼近函数，f(x)称为逼近函数。 1.3 逼近的原则 已知函数f(x)在n+1个点xi（i＝0，1，2，…，n）的函数值为f(xi)（i＝0，1，2，…，n）。要求出f(x)的逼近函数g(x)，则要选定逼近基函数，确定上式中的常数ai（i＝0，1，2，…，m）。基函数选定往往跟实际问题有关；而确定常数ai（I＝0，1，2，…，m）以保证逼近函数g(x)能更近似地表示函数f(x)，则是我们这里要解决的问题。为此，就要首先给出一个准则，来描述“更近似”。 定义距离： 其中，p0为一实数。则“更近似“即指“e更小“。因此，确定ai（i＝0，1，2，…，m）使得e取得最小即可。e称为逼近误差。若p=1，称为一致逼近，p=2，称为平方逼近。 从上式不难看出，就此式而言，e最好的最小值为零，此时，g(xi)=f(xi)，逼近函数g(x)恰好经过所有n+1个已知点（xi，f(xi)），（i＝0，1，2，…，n）。 1.4 什么叫插值 给定n+1个数据点（x0,y0），(x1,y1)，…，(xn,yn)，若逼近函数经过n+1个数据点，即在已知数据点上的逼近误差为零，则称逼近函数为插值函数，简称为插值。 若存在P(xi)=yi (i=0,1,…,n) 称P(x)为y=f(x)的插值函数，求插值函数P(x)的方法称为插值法。主要算法有Lagrange 插值、Newton插值、分段线性插值、Hermite插值及三次样条插值等。 1.5 Lagrange 插值 1.5.1 线性插值 过函数y=f(x)上的两点 (x0,y0) (x1,y1)作一直线p1(x)近似地替代f(x) 即：p1(x0)=y0 p1(x1)=y1 由点斜式 1.5.2 抛物插值 过函数y=f(x)上的三点 (x0,y0),(x1,y1),(x2,y2)作一抛物线p2(x)近似地替代f(x) 即： p2(x0)=y0 p2(x1)=y1 p2(x2)=y2 作二次式l0(x),使其满足 l0(x0)=1,l0(x1)=0,l0(x2)=0, 易推出： 同理 则 1.5.3 Lagrange 插值 设函数y=f(x) 在给定的两两互异的节点x0,x1,…,xn上的函数值为y0,y1,…,yn,求作一个次数≤n的多项式 使它满足 这就是Lagrange 插值多项式 1.5.4 Lagrange插值的流程图 1.5.5 Lagrange 编程 function y=lagrange(x0,y0,x) %lagrange insert n=length(x0); p=0; for i=1:n l=1.0; for j=1:n if j~=i l=l*(x-x0(j))/(x0(i)-x0(j)); end end p=p+l*y0(i); end y=p; 例 例 给出f(x)=e-x 的数值表，用lagrange插值计算e-0.2 的近似值 x 0.10 0.15 0.25 0.30 ln(x) 0.904837 0.860708 0.778801 0.740818 x