（毕业学术论文设计）-三次样条插值法与最小二值法的分析及比较.docVIP

PAGE ３ - - 精品 数值计算方法期末论文 ————同等要求下三次样条插值法与最小二值 法的分析及比较。 引 言 在实际中，常常要处理由实验或测量所得到的一批离散数据.插值与拟合方法就是要通过这些数据去确定某一类已知函数的参数或寻找某个近似函数，使所得到的近似函数与已知数据有较高的拟合程度.如果要求这个近似函数（曲线或曲面）经过已知的所有数据点，则称此类问题为插值问题。 当所给的数据较多时，用插值方法所得到的插值函数会很复杂，所以，通常插值方法用于数据较少的情况.但数据一般都是由观测或试验得到的，往往会带有一定的随机误差，因而，要求近似函数通过所有的数据点也是不必要的.如果不要求近似函数通过所有数据点，而是要求它能较好地反应数据的整体变化趋势，则解决这类问题的方法称为数据拟合. 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。 本文由具体题目为基础，主要论述了在同等要求下三次样条插值法与最小二值法的分析及比较。 关键词：数值计算方法、三次样条插值法、最小二值法 目 录 引言 2 三次样条插值 4 1.1三次样条插值函数 4 1.2 分段线性插值 5 1.3插值理论 6 第二章 最小二乘法 7 2.1 线性最小二乘拟合法 7 2.2 一般线性最小二乘拟合法 8 2.3非线性最小二乘拟合法 9 算法对比与实现 10 3.1对比实例一 10 3.2对比实例二 11 3.3结果及分析 15 第四章 总结 16 三次样条插值 1.1三次样条插值函数： 若函数S（x）∈[a,b],且在每个小区间[]上是三次多项式，其中…是给定节点，则称S(x)是节点上的三次样条函数。若在节点上给定函数值并成立则称S(x)为三次样条插值函数。 三次样条插值的计算方法： 因为在每个小区间上是三次多项式，所以在每个小区间上是直线，可以写出它的表达式 其中是待定参数。 把它积分两次，得到 这里的c和d是积分常数，。 利用和可以确定c,d,于是有 将其求导数得到 至此，我们把以及它的一、二阶导函数都用两个参数表示出来。 ③我们令得到一个关于的线性方程组 （1.1） 其中， 该方程有个未知数，个方程。针对不同的边界条件可以有相应的附加方程，最常用到的是解出（1.1）及其附加方程得到再代进的表达式，就得到了全部解。 1.2分段线性插值： 所谓分段线性插值就是通过插值点用折线段连接起来逼近.设已知节点上的函数值记求一折线函数满足： 2 （）， 3在每个小区间[]上是线性函数。 则称为分段线性插值函数。 1.3插值理论： 设函数y=f(x)在区间[a,b]上连续，在[a,b]上有互异点x0,x1,…,xn处取值y0,y1,…,yn 。如果函数φ(x)在点xi上满足φ(xi)=yi (i=0,1,2,…,n)，则称φ(x)是函数y=f(x)的插值函数，x0,x1,…,xn是插值节点。若此时φ(x)是代数多项式P(x)，则称P(x)为插值多项式。显然 f(x)≈φ(x)，x∈[a,b]。 第二章 最小二乘法 在实际生活中，往往需要从一组实验数据（xi,yi）中寻找出变量x,y之间的函数关系.由于观测数据不可避免出现误差，因此并不需要y=f(x)一定要经过所有的点，而只要求在给定点xi上误差Δi=f(xi)-yi按某种标准达到最小.通常用欧式范数║Δ║2作为误差量度的标准.这就是所谓的最小二乘拟合法.最小二乘拟合法可以分为线性最小二乘拟合法和非线性最小二乘拟合法。 2.1 线性最小二乘拟合法 设是一个线性无关的函数系，则称线性组合为广义多项式.如三角多项式：. 设由给定的一组测量数据和一组正数,求一个广义多项式使得目标函数 （3.1） 达到最小,则称函数为数据关于权函数的最小二乘拟合函数,由于关于待定系数是线性的,故此问题又称为线性最小二乘问题. 要使最小二乘问题的目标函数(3.1)达到最小,则由多元函数取得极值的必要条件得 即 亦即 是未知量为的线性方程组,称之为正规方程组。 实际中可适当选择函数系,由正规方程组解出,于是可得最小二乘拟合函数。 2.2 一般线性最小二乘拟合法 将上面一元函数的最小二乘拟合问题推广到多元函数,即为多维线性最小二乘拟合问题. 假设已知多元函数的一组测量数据 和一组线性无关的函数系,求函数 对于一组正数,使得目标函数 达到最小,其中待定系数由正规方程组 确定,此处 , 上面的函数关于都是线性的,这就是线性最小二