第七讲matlab在插值与逼近中的应用.docVIP

第七讲MATLAB在插值与逼近中的应用 1 插值与逼近 1.1为什么要逼近 数学上來讲，逼近就是在精度要求的范围内对要研究函数给出近似的函数值，甚至函数表 达式。为什么我们不直接计算要研究的函数或函值本身？理由如下： 用给定函数表达式计算函値很困难甚至根本不可能。如，sinx、tgx、Inx等。 由实验与测暈得到的变暈间对应关系常常是一函数值表(今后我们也称为农列函数)。但 表所表示函在表某个屮间位置的函数值却是无法知道的。 函数可能被隐含地定义，而事实上又不能用一个直接规律给出。例如，由方程 ey+y+sinx=O确定的隐含数。 计算逼近函数的值往往比计算函值木身更快。特别地，当原來函数以无穷级数的形式给 岀，只能如此。 计算机存储量有限,而其计算量相对來说却很大，从某种意义上來讲,逼近实际上也是为 了取长补短。女n,我们不可能将所有的sinx的值都存在计算机内，但我们将会看到，利 用琏近我们的却可以很方便地算出任一点的函数值。 实际应用中，只要函数值符合某一个精度要求也就够了。 1.2逼近的分类 逼近函数是为了更方便地计算函数，更简单地表达函数。因此，常用一些简单函数或这 些简单函数的线性组合来逼近。通常的逼近形式有： 1?多项式：p(x) =》QrJ; k=0 分段多项式：在不同的区间上。用不同的多项式來逼近； 三角多项式：工［务 sin 也 + 优 cosg； *=o 有理分式：两个多项式之比几O)/p”O),其中几0)=工Q#几O)=工?0； /=0 /=0 加 指数函数：^ak exp(^x); i=0 其它形式,如,兀,sin兀,Inx,以等的线性组合。 上述123.6中逼近形式可统一表示为 于⑴二工d*(x) 1=0 我们称巾(x) ,i=0, 1, 2,…，m为逼近函数,f(x)称为逼近函数。 3逼近的原则 已知函数f(x)在n+1个点Xi (i = 0, 1, 2,…，n)的函数值为f(x) (i=0, 1, …，n)。要求出f(x)的逼近函数g(x),则要选定逼近基函数，确定上式中的常数 (i = 0, 1, 2,…，m)。基函数选定往往跟实际问题有关；而确定常数ai (1 = 0, 1, 2,…，m) 以保证逼近函数g(x)能更近似地表示函数f(x),则是我们这里要解决的问题。为此，就要首 先给出一个准则，来描述“更近似”。 定义距离: 定义距离: 1 v a 〕7 尸工乜⑴—/a)i? J=o ■ 其中,p0为一实数。则“更近似“即指“e更小“。因此,确定ai (i=0, 1, 2,…,m)使 得e取得最小即可。e称为逼近误差。若p二1,称为一致逼近，p=2,称为平方逼近。 从上式不难看出,就此式而言，e最好的最小值为零,此时,g(xj=f(xi),逼近函数g(x) 恰好经过所有n+1个已知点(xi, f (xi)) , (i=0, 1, 2,…，n)。 1. 4什么叫插值 给定n+1个数据点(xo, y°) , (xi, yi),…，(x“, y“)，若逼近函数经过n+1个数据点，即在 已知数据点上的逼近误差为零，则称逼近函数为插值函数，简称为插值。 若存在 P(xi)=yi (i=0, 1,…,n) 称卩(x)为y=f (x)的插值函数，求插值函数P(x)的方法称为插值法。主要算法有Lagrange 插值、Newton插值、分段线性插值、Hermite插值及三次样条插值等。 1. 5 Lagrange 插值 1.5.1线性插值 过函数y二f (x)上的两点(xO, yO) (xl, yl)作一直线pl (x)近似地替代f (x) 即：pl (xO)=yO pl (xl)=yl 由点斜式 =yO - yOx -兀0 =yO - yO x -兀0xl 一 xO x 一 xO xl 一 xO yi x x- xO xl-xO 令 /0(x)= X~xl ,/l(x) = xO- xl 则 /O(xO) = l,/O(xl)=O /l(xO) = O,/l(xl) = l pl(x) = /0(x)y0 + /l(x)yl 1.5.2抛物插值 过函数y=f(x)±的三点(xO, yO), (xl,yl), (x2, y2)作一抛物线p2(x)近似地替代f (x) 即： p2 (xO)=yO p2 (xl)=yl p2(x2)=y2 作二次式l0(x),使其满足 lo(xo)=l, lo(xi)=o, lo(x2)=O, 易推出:假设 l()(x) = c(x-^1)(x-%2) 由 *o(xo)= ,得 叶 d)( —2) (x0 -%,)(%0 -x2) 同理 （兀| —尢0）（兀］—兀2） T（「H） （兀2 -兀0）（兀2 一兀1） p2(兀)=lO(x)yO + Zl(x)yl + I2(x