第七章 插值与拟合.docVIP

PAGE PAGE 4 第七章 插值与拟合 一、插值定义 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后， HYPERLINK /N/N0489.HTM 牛顿， HYPERLINK /L/L0042.HTM 拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。插值方法可在一维空间也可在多维空间中使用，本节主要研究一维插值和二维插值问题。 1.1 一维插值定义 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] 1.2 一维插值的方法 1.2.1 拉格朗日插值 构造n次多项式，其中为n次多项式： (7.1) 称为拉格朗日插值基函数。 值得注意的是：并不是插值的次数越高，其逼近程度就越好，相反存在这样的反例，插值的次数越高，插值函数在端点处会出现大幅波动的现象，这种现象称为Runge现象。 1.2.2 分段线性插值 了避免高次插值可能出现的大幅度波动现象，在实际应用中通常采用分段低次插值来提高近似程度。比如可用分段线性插值来逼近已知函数。 已知n+1个不同节点x0,x1,…,xn ,构造分段一次线性多项式P(x)，使之满足 (1) P(x)在[a,b]上连续 (2) P(xk)=yk (3) P(x)在[xi,xi+1]上是线性函数， 通过计算满足上述条件的分段一次线性多项式P(x)具有下述形式： (7.2) 1.2.3 三次样条插值 为了克服分段线性插值总体光滑性较差这一缺点，一种全局化的分段插值方法——三次样条插值成为比较理想的工具。在数学上，光滑程度的定量描述是：函数(曲线)的k阶导数存在且连续，则称该曲线具有k阶光滑性。 对于给定n+1个不同节点x0,x1,…,xn及函数值y0,y1,…,yn，其中a=x0x1…xn=b。构造三次样条插值函数S(x)。S(x)称为三次样条函数时需满足： (1) S(x)在[a,b]上二阶导数连续 (2) S(xk)=yk (k=0,1,…,n) (3) 每个子区间[xk,xk+1]上S(x)是三次多项式(k=0,1,…,n) 易见，三次样条插值比分段线性插值更光滑。 1.3 二维插值的定义 设给定n各互异节点（xi,yi）及节点值zi，要求构造一个二元函数z=f(x,y)通过全部已知节点，即zi=f（xi,yi）,i=1,2,…,n。 1.4 二维插值的方法 二维插值的方法主要有最近邻插值法，分片线性插值法和双线性插值法。最邻近插值采用与被插值点最邻近的节点的函数值作为插值点。但最邻近插值一般不连续。具有连续性的最简单的插值是分片线性插值。 二、用Matlab求解插值问题 2.1 一维插值的Matlab函数 MATLAB中的一维插值函数为interp1(),其调用格式为 yi=interp1(x,y,xi, method) 其中x,y为观测数据点,xi为插值(自变量)向量，yi为xi的插值结果(函数值)。method 表示采用的插值方法。MATLAB提供的插值方法有几种: nearest最邻近插值; linear 线性插值; spline三次样条插值; cubic立方插值. 缺省时表示线性插值。 注意:所有的插值方法都要求x是单调的,并且xi不能够超过x的范围。 例1 在一天24小时内,从零点开始每间隔2小时测得的环境温度为(摄氏度) 12,9,9,10,18,24,28,27,25,20,18,15,13 推测在每一秒时的温度.并利用不同的插值方法描绘温度曲线? 解：Matlab 程序如下： x=0:2:24; y=[12 9 9 10 18 24 28 27 25 20 18 15 13];? xi=0:1/3600:24;? yi=interp1(x,y,xi,nearest); hold on plot(xi,yi,r); yi=interp1(x,y,xi,linear); plot(xi,yi,