差值与拟合.docVIP

第九章 插值与拟合 插值：求过已知有限个数据点的近似函数。 拟合：已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义 下它在这些点上的总偏差最小。 插值和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，究竟应该用插值还是拟合，有时 容易确定，有时则并不明显。 §1 插值方法 下面介绍几种基本的、常用的插值：拉格朗日多项式插值、牛顿插值、分段线性插 值、Hermite 插值和三次样条插值。 1.1 拉格朗日多项式插值 1.1.1 插值多项式 用多项式作为研究插值的工具，称为代数插值。其基本问题是：已知函数 f (x) 在 区间[a,b] 上 n + 1 个不同点 x0, x1,L, xn处的函数值 至多 n 次多项式 ?n(x) = a0+ a1x + L + anxn 使其在给定点处与 f ( x) 同值，即满足插值条件 ? x = y i = n yi= f (xi) (i = n 0,1,L, ) ，求一个 （1） n (xi) = f ( ) ( 0,1,L, ) （2） i ?n( x) 称为插值多项式， xi(i = i n 0,1,L, ) 称为插值节点，简称节点，[a,b] 称为插值区 (i = n 间。从几何上看， n 次多项式插值就是过 n +1 个点 ( xi, f ( xi)) 多项式曲线 y = ?n( x) 近似曲线 y = f (x) 。 0,1,L, ) ，作一条 n 次多项式（1）有 n + 1 个待定系数，由插值条件（2）恰好给出 n + 1 个方程 ? + + 2 + + n = a0a1x0a x L a x y ? + + 2 0 2++ n 0 n= 0 ?a0a1x1a x L a x y ? ?L ?  +  + 2 1 2 + + n 1 LLLLLLLLLLL n = 1 （3） ?a0a1xna x 2 n L x y ann n 记此方程组的系数矩阵为 A ，则 1 x x2  xn 1 0 0 x x2 L 0 xn det( A) = 1 1 L 1  1  x2 LLLLLLL xn xnn L n 是范德蒙特(Vandermonde)行列式。当 x0, x1,L, xn互不相同时，此行列式值不为零。因 此方程组（3）有唯一解。这表明，只要 n + 1 个节点互不相同，满足插值要求（2）的 插值多项式（1）是唯一的。 插值多项式与被插函数之间的差 R n x ? ? (x) = f ( ) n x ( )  -175-  称为截断误差，又称为插值余项。当 f (x) 充分光滑时， f(n+1)() Rn( x) = f ( x) ? L x = ξ ω x ξ ∈ b  其中  n ωn+1(x) = ∏ ( j=0  ? x xj  )  。 n ( ) (n +1)! n+1 ( ), (a, ) 1.1.2 拉格朗日插值多项式 实际上比较方便的作法不是解方程（3）求待定系数，而是先构造一组基函数 ? ? ? ( x x0)L( x ? xi?1)(x x ) ( x x ) l x ( ) = i+1L n i ? (x x ) ( ? x )( ? x ? ) (x x ) i ? 0 L xii?1 xii+1L i n n x x = ∏ ? j , (i = 0 1 , ,L ,n) j=0 ≠ j i x x i j li( x) 是 n 次多项式，满足 ( ) = lixj 令  ?0 ??1 n  ≠ j i = j i  ? ? n  ? x x  ? ? ( ) = ∑ Lnx ( ) = ∑ ∏y l x j （4） i =0 yii i=0 i ?? j=0 ? x ?? ? ≠ j i xij ? 上式称为 n 次 Lagrange 插值多项式，由方程（3）解的唯一性， n + 1个节点的 n 次 Lagrange 插值多项式存在唯一。 1.1.3 用 Matlab 作 Lagrange 插值 Matlab 中没有现成的 Lagrange 插值函数，必须编写一个 M 文件实现 Lagrange 插值。 设 n 个节点数据以数组 x0, y0 输入（注意 Matlat 的数组下标从 1 开始），m 个插值 点以数组 x 输入，输出数组 y 为 m 个插