[理学]数学建模讲座五插值和拟合.pptVIP

插值问题与拟合问题 插值与拟合的关系 插值和拟合都是函数逼近或者数值逼近的重要组成部分： 他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义 在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律的目的，即通过“窥几斑”来达到“知全豹”。????? 简单的讲，所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调整该函数中若干待定系数f(λ1, λ2,…,λn), 使得该函数与已知点集的 差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表 达式也可以是分段函数，这种情况下叫作样条拟合。???? 而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通 过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给定离散点上满足约束。插值函数又叫作基函数，如果该基函数定义在整个定义域上，叫作全域基，否则叫作分域基。如果约束条件中只有函数值的约束，叫作Lagrange插值，否则叫作Hermite插值。 ???? 从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式 未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个( 或几个分片光滑的)连续曲面来穿过这些点。 插值的主要内容 1. 各种插值方法 1.1 Lagrange插值法 1.2 分段插值法 1.3 三次样条插值法 1.4 二维插值 2. 插值的Matlab实现 2.1 一维插值 2.2 二维插值 3. 建模实例：水塔流量的估计 1.1 Lagrange插值 已知y = f(x)（该函数未知）在互异的n+1个点x0,x1,x2,…,xn处的函数值y0, y1,y2,…,yn,则构造一个过n+1个点（xk,yk）k=0,1,2,…,n的次数不超过n的多项式 y = Ln(x)， （称为插值多项式） 使其满足 Ln(xk) = yk （称为插值条件） 然后用y = Ln(x)作为准确函数y = f(x)的近似值。此方法称为插值法。 Theorem：满足插值条件的次数不超过n的多项式是唯一存在的。 Lagrange插值多项式的构造 显然，Ln（x）就是满足插值条件的n次多项式 Lagrange插值程序 function y=lagr(x0,y0,x) % lagrange插值法的程序 （x0，y0)表示已知的n个节点 % x表示m个插值点 y表示对应于x的m个插值 n=length(x0); m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end Lagrange插值法的缺点 多数情况下，Lagrange插值法效果是不错的，但随着节点数n的增大，Lagrange多项式的次数也会升高，可能造成插值函数的收敛性和稳定性变差。如龙格（Runge）现象。 在[-1,1]上用n+1个等距节点作插值多项式Ln(x),使得它在节点处的值与函数y = 1/(1+25x2)在对应节点的值相等，当n增大时，插值多项式在区间的中间部分趋于y(x)，但对于满足条件0.728|x|1的x， Ln(x)并不趋于y(x)在对应点的值，产生了Runge现象。 Runge现象的程序(1) clc;clf;clear all; m=21; x=-1:1/(m-1):1; y=1./(1+25*x.^2);z=0*x; n=3; x0=-1:1/(n-1):1;y0=1./(1+25*x0.^2);y1=lagr(x0,y0,x); subplot(2,2,1), plot(x,z,r-,x,y,m-),hold on %原曲线 plot(x,y1,b),gtext(L4(x),FontSize,12),pause %Lagrange曲线 n=5; x0=-1:1/(n-1):1;y0=1./(1+25*x0.^2);y1=lagr(x0,y0,x); subplot(2,2,2), plot(x,z,r-,x,y,m-),hold on %原曲线 plot(x,y1,b),gtext(L8(x),FontSize,12),paus