03、插值及拟合.ppt

* 数学模型 Mathematica modelling 南 昌 大 学 基 础 课 部 马 新 生 插值与拟合 插 值 与 拟 合 2. 拟 合 的 基 本 原 理；线 性 最 小二 乘 拟 合。 3. 面 对 一 个 实 际 问 题，应 该 用 插 值，还 是 拟 合。 1. 插值的基本原理；三种插值方法：拉格朗日 插值，分段线性插值，三次样条插值。 插 值 问 题 实 例 1 标准正态分布函数 ?(x) 求?(1.014) ?(1.014)=0.8438? (0.8461?0.8438)?0.4=0.8447 查 函 数 表 插 值 问 题 实 例 2 ? ? ? ? ? ? ? ? ? x y 机翼下轮廓线 插 值 问 题 的 提 法 已知 n+1个节点 其中 互不相同，不妨设 求任一插值点 处的插值 ? ? ? ? ? 节点可视为由 产生,， 表达式复杂,， 或无封闭形式,， 或未知.。 ? ? ? ? ? ? 求 解 插 值 问 题 的 基 本 思 路 构造一个(相对简单的)函数 通过全部节点, 即 再用 计算插值，即 ? 1.拉格朗日(Lagrange)多项式插值 1.1 插值多项式 有唯一解 1.拉格朗日(Lagrange)多项式插值 1.2 拉格朗插值多项式 又（2）有唯一解，故（3）与（1）相同。 1.拉格朗日(Lagrange)多项式插值 1.3 误差估计 1.拉格朗日(Lagrange)多项式插值 1.4 例 将[0,?/2] n等分，用g(x)=cos(x)产生n+1个节点，作Ln(x)（取n=1,2) ,计算cos(?/6), 估计误差。 解: n=1, (x0,y0)=(0,1), (x1,y1)=(?/2,0), L1(x)=y0l0+y1l1=1-2x/?, cos(?/6)=0.6667 n=2, (x0,y0)=(0,1), (x1,y1)=(?/4,0.7071),(x2,y2)=(?/2,0), L2(x)=y0l0+y1l1+y2l2=8(x-?/4)(x-?/2)/?2-16x(x-?/2)0.7071/?2 cos(?/6)=L2(?/6)=0.8508 精确值：cos (?/6)=0.8660 1.拉格朗日(Lagrange)多项式插值 1.5 拉格朗日插值多项式的振荡 To MATLAB (runge) Runge现象: 2.分段线性插值 ? ? ? ? ? ? xj xj-1 xj+1 x0 xn 计算量与n无关; n越大，误差越小. 3. 三次样条插值 插值方法小结 拉格朗日插值（高次多项式插值）：曲线光滑；误差估计有表达式；收敛性不能保证（振荡现象）。用于理论分析，实际意义不大。 1.对于n+1个节点，拉格朗日插值为什么用n次多项式， 次数大于n或小于n会如何？另外，得到的Ln(x)次数 会不会小于n？ 2.若产生n+1个节点的g(x)为m次多项式，Ln(x)与g(x) 的关系如何（m<n，m>n)？ 分段线性和三次样条插值（低次多项式插值）：曲线不光滑（三次样条插值已大有改进）；误差估计较难（对三次样条插值）；收敛性有保证。简单实用，应用广泛。 思考 3.样条插值为什么用3次多项式，而不是2或4次？ 4. 三次样条插值中自然边界条件的几何意义是什么？ 1. 拉格朗日插值:自编程序,如名为 lagr1.m 的M文件， 第一行为 function y=lagr1(x0,y0,x) 输入:节点x0,y0, 插值点x (均为数组，长度自定义)）； 输出:插值y (与x同长度数组)）。 应用时输入x0,y0,x后,运行 y=lagr1(x0,y0,x) 2. 分段线性插值:已有程序 y=interp1(x0,y0,x) 3. 三次样条插值:已有程序 y=interp1(x0,y0,x, ’spline’) 或 y=spline(x0,y0,x) 用MATLAB作插值计算 用MATLAB作插值计算 为例，作三种插值的比较 以 To MATLAB (Chazhi1) 0 1.0000 1.0000 1.0000 1.0000 0.5000 0.8000 0.8434 0.7500 0.8205 1.0000 0.5000 0.5000 0.5000 0.5000 1.5000 0.3077 0.2353