插值法与数据拟合法.docVIP

第七讲 插值方法与数据拟合 § 7.1 引言 在工程和科学实验中，常常需要从一组实验观测数据 (xi , yi ) (i = 1, 2, …, n) 揭示自变量x与因变量y之间的关系，一般可以用一个近似的函数关系式y = f (x) 来表示。函数f (x) 的产生办法因观测数据与要求的不同而异，通常可采用两种方法：插值与数据拟合。 § 7.1.1 插值方法 引例1 已经测得在北纬32.3? 海洋不同深度处的温度如下表： 表7.1.1 深度x (m) 466 714 950 1422 1634 水温y (C?) 7.04 4.28 3.40 2.54 2.13 根据这些数据，我们希望能合理地估计出其它深度（如500米、600米、1000米…）处的水温。 解决这个问题，可以通过构造一个与给定数据相适应的函数来解决，这是一个被称为插值的问题。 2．插值问题的基本提法 对于给定的函数表 x x0 x1 … xn y = f (x) y0 y1 … yn 其中f (x) 在区间 [a, b] 上连续，x0，x1，…，xn为 [a, b] 上n ? 1个互不相同的点，要求在一个性质优良、便于计算的函数类 {P(x)} 中，选出一个使 P(xi ) = yi，i = 0, 1, …, n (7.1.1) 成立的函数P(x) 作为 f (x) 的近似，这就是最基本的插值问题（见图7.1.1）。 为便于叙述，通常称区间 [a, b] 为插值区间，称点x0，x1，…，xn为插值节点，称函数类 {P(x)} 为插值函数类，称式 (7.1.1) 为插值条件，称函数 P(x) 为插值函数，称f (x) 为被插函数。求插值函数 P(x) 的方法称为插值法。 § 7.1.2 数据拟合 引例2 在某化学反应中，已知生成物的浓度与时间有关。今测得一组数据如下： 表7.1.2 时间t（分） 1 2 3 4 5 6 7 8 浓度y?10?3 4.00 6.40 8.00 8.80 9.22 9.50 9.70 9.86 时间t（分） 9 10 11 12 13 14 15 16 浓度y?10?3 10.00 10.20 10.32 10.32 10.50 10.55 10.58 10.60 根据这些数据，我们希望寻找一个y = f (t) 的近似表达式（如建立浓度y与时间t之间的经验公式等）。从几何上看，就是希望根据给定的一组点（1, 4.00），…,（16, 10.60），求函数y = f (t) 的图象的一条拟合曲线。 数据拟合问题的基本提法 对于给定的函数表 x x0 x1 … xn y = f (x) y0 y1 … yn 其中f (x) 在区间 [a, b] 上连续，x0，x1，…，xn为 [a, b] 上n ? 1个互不相同的点，要求找一个简单合理的函数近似表达式 ? (x)，使 ? (x) 与f (x) 在某种准则下最为接近，这就是最基本的数据拟合问题（见图7.1.2）。 通常，我们称 ? (x) 为给定数据点的拟合函数。 图7.1.1 插值问题示意图图 7.1.2 数据拟合问题示意图 § 7.1.3 插值方法与数据拟合的基本理论依据 插值方法与数据拟合的基本理论依据，就是数学分析中的Weierstrass定理：设函数f (x) 在区间 [a, b] 上连续，则对 ?? 0，存在多项式P(x)，使得 。 即：有界区间上的连续函数被多项式一致逼近。 § 7.1.4 实际应用中两种方法的选择 在实际应用中，究竟选择哪种方法比较恰当？总的原则是根据实际问题的特点来决定采用哪一种方法。具体说来，可从以下两方面来考虑： 1．如果给定的数据是少量的且被认为是严格精确的，那么宜选择插值方法。采用插值方法可以保证插值函数与被插函数在插值节点处完全相等。 2．如果给定的数据是大量的测试或统计的结果，并不是必须严格遵守的，而是起定性地控制作用的，那么宜选用数据拟合的方法。这是因为，一方面测试或统计数据本身往往带有测量误差，如果要求所得的函数与所给数据完全吻合，就会使所求函数保留着原有的测量误差；另一方面，测试或统计数据通常很多，如果采用插值方法，不仅计算麻烦，而且逼近效果往往较差。 § 7.2 一维数据的基本插值方法简介 插值函数类的取法很多，可以是代数多项式，也可以是三角多项式或有理函数；可以是 [a, b] 上任意光滑函数，也可以是分段光滑函数。在此介绍最基本、最常用的两种插值方法：分段多项式插值与三次样条插值，及其Matlab实现。 § 7.2.1 一维数据的分段多项式插值 对于给定的一维数据 x