第四、五讲作业题参考答案
一、填空题
1、拉格朗日插值基函数在节点上的取值是（ 0或1 ）。
2、当1,1,2x =-，时()034f x =-，
，，则()f x 的二次插值多项式为 （
2527
633
x x +- ）。 3、由下列数据
所确定的唯一插值多项式的次数为（ 2次 ）。
4、根据插值的定义，函数()x f x e -=在[0,1]上的近似一次多项式1()P x =
（ 1(1)1e x --+ ），误差估计为（ 18 ）。
5、在做曲线拟合时，对于拟合函数x y ax b =
+，引入变量变换y =（ 1
y
），x =（
1
x
）来线性化数据点后，做线性拟合y a bx =+。 6、在做曲线拟合时，对于拟合函数Ax y Ce =，引入变量变换（ ln()Y y = ）、
X x =和B C e =来线性化数据点后，做线性拟合Y AX B =+。 7、设3()1f x x x =+-，则差商[0,1,2,3]f =（ 1 ）。
8、在做曲线拟合时，对于拟合函数()A f x Cx =，可使用变量变换（ln Y y =）（ln X x = ）和B C e =来线性化数据点后，做线性拟合Y AX B =+。 9、设(1)1,(0)0,(1)1,(2)5,()f f f f f x -====则的三次牛顿插值多项式为
（ 3211
66x x x +-），其误差估计式为（
4()(1)(1)(2),(1,2)24f x x x x ξξ+--∈-） 10、三次样条插值函数()S x 满足：()S x 在区间[,]a b 内二阶连续可导，
(),,0,1,2,,,k k k k S x y x y k n ==（已知）且满足()S x 在每一个子区间1[,]
k k x x +上是（ 三次多项式 ）。
11、1()[a,b]()f x L x =函数在上的一次（线性）插值函数（公式）
（ ()()
x b x a
f a f b a b b a
--+-- ），1()R x =（ 1()()(),2f x a x b a b ξξ''--≤≤ ）。
1()ln(2)[01]()f x x L x =+=函数在区间，上的线性插值函数（
ln 2(ln 3ln 2)x +- ）
，其余项估计1()R x ≤（ 1
32
）。 12、设(0)0,(1)16,(2)46[0,1]f f f f ====，则（ 16 ），[0,1,2]f =（ 7 ），
()f x 的二次牛顿插值多项式为（ 167(-1)x x x +或016-0)7(-0)(-1)x x x +＋（或279x x + ）。
13、已知332
201
()12x x S x x ax bx c x ?≤≤=?+++≤≤? 是三次样条函数，则a =( 3 )，b =( -3 )，c =( 1 )。
14、已知332
01()1
(1)(1)(1)13
2
x x S x x a x b x c x ?≤≤?=?-+-+-+≤≤??是三次样条函数，则
a =（ 3 ）
，b =（ 3 ），c =（ 1 ）。 15、过n 对不同数据1001(,),1,2,
,i i x y i n y a x a a a ==+，的拟合直线那么，
满足的法方程组是（ 0111
2011
11n n
i i i i n n n
i i i i i i i na a x y a
x a x x y =====?
+=????+=??∑∑∑∑∑ ） 16、已知函数()(0),(2),(3),(5),(6)f x f f f f f 的函数值，以及差商如下
(0)0,(0,2)4,(0,2,3)5,(0,2,3,5)1,(0,2,3,5,6)0f f f f f =====那么由这些数据构造的牛顿插值多项式的最高次幂的系数是（ 1 ）。
17、区间],[b a 上的三次样条插值函数)(x S 在],[b a 具有直到（ 二 ）阶的连续导数。
18、设)(x f 和)(x g 都是n 次多项式，如果在n+1个不同节点{}n
i i x 0=上都有
()(g x f i =)i x ，i=0,1,2,…n ，则有（)()(x g x f ≡）。
二、判断题
1、试判断下面的函数哪一个为三次样条函数？（ C ）
2
33233
0100()B ()01
sin 0(1)12
2110
()22101
x x x A f x f x x x x x x x x x x x C f x D x x x -≤
==≤
2、过(0，1)，(2，4)，(3，1)点的分段线性插值函数()P x =（ A ）
A 、 ?????≤<+-≤≤+3210320123x x x x
B 、 ?????≤<+-≤≤+32103201
232x x x x
C 、 ?????≤<+-≤≤-3210320123x x x x
D 、 ?????≤<+-≤≤+3
24201
23
x x x x
3、()P x 下列条件中，不是分段线性插值函数必须满足的条件为（ D ）
A (),(0,1,
,)()[,]()()k k P x y k n B P x a b P x P x ==、、在上连续
C 、在各子区间上是线性函数
D 、在各节点处可导
4、函数345345(),,[,,]f x x x x f x x x ≠在结点处的二阶差商（ B ）
3554335()()
f[,,]
B f x f x A x x x x x --、、
3445435435
35
[,][,][,][,]C
D f x x f x x f x x f x x x x x x ----、、
5、已知,,1,2,,k k n x y k n n =对观测数据（）这个点的拟合直线0101,,y a x a a a =+是
使（ D ）最小的解。
010111
A ()n
n
k k
k k k k y a a x B y a a x ==----∑∑、、
2201011
1
()
()n
n
k k
k k k k y a a x y a x a ==----∑∑C 、D 、
6、已知函数()y f x =的数据表
则()y f x =的拉格朗日插值基函数2()l x =（ A ）
A 、
(2)(1)5(52)(51)x x x ---- B 、(2)(5)(1)
(02)(05)(01)x x x ------
C 、
(5)(1)2(25)(21)
x x x ---- D 、(2)(5)
1(12)(15)x x x ----
三、问答题
1、依据如下函数值表建立不超过三次的拉格朗日插值多项式及牛顿插值多项式，
解：（1插值基函数
320(1)(2)(4)177
()1(01)(02)(04)884x x x l x x x x ---=
=-+-+---
321(0)(2)(4)18
()2(10)(12)(14)33x x x l x x x x ---=
=-+---
322(0)(1)(4)15
()(21)(21)(24)44x x x l x x x x ---=
=-+----
323(0)(1)(2)111
()(40)(41)(42)24812
x x x l x x x x ---=
=-+---
拉格朗日插值多项式为：
3
300123()()()
1()9()23()3()
i i i L x f x l x l x l x l x l x ===?+?+?+?∑
3211451
1442
x x x =-
+-+ （2）牛顿插值多项式
建立差商表：
()i i x f x 一阶差商二阶差商三阶差商
0124 1
9233
81410
－ 38－ 11
4
－ 牛顿插值多项式：
30010012010123012()[][,]()[,,]()()
[,,,]()()()11
18(0)3(0)(1)(0)(1)(2)4
N x f x f x x x x f x x x x x x x f x x x x x x x x x x x x x x x x =+-+--+---=+-+------
32114511442
x x x =-
+-+ （3）惟一性验证
通过比较牛顿多项式和拉格朗日插值多项式，知 33()()N x L x ≡
这一事实和插值多项式的惟一性一致。
2、
3()3N (x)f x Newton 写成的次插值多项式。 解：先建立差商表：
()i
i x f x 一阶差商二阶差商三阶差商
2
35
1342－－ 213
－－ 13
43 15
牛顿插值多项式：
3001001201012301232()[][,]()[,,]()()
[,,,]()()()
11
12(0)(0)(2)(0)(2)(3)35
12221)
5315N x f x f x x x x f x x x x x x x f x x x x x x x x x x x x x x x x x x x =+-+--+---=-+
-------+－＋（＝ 3、求三次多项式3()P x ，使满足插值条件
3333P 0=P 0=0P 1=1P 2=1'（）（），（），（）
解：法一、求插值多项式（用牛顿插值法或拉格朗日插值法，求出经过（0，0），
（1，1），（2，1）这三点的插值函数），记为2()L x ，2213
L ()22
x x x =-+。
3232P ()()(),Q()P ()()x L x Q x x x L x =+=-设即，为一不超过３次的多项式。
323232(0)(0)-(0)0,
(1)(1)(1)0,
(2)(2)(2)0Q P L Q P L Q P L ===-==-=且。
0,1,2()()(-0)(-1)(-2),Q x Q x A x x x A =即为的３个零点，于是可设待定常数。
22
22
2
13
()()()(1)(2)22
3
()()()(362)23
(0)(0)(0)0,202
3
4
x L x Q x x x Ax x x x L x Q x x A x x L Q A =+=-++--'''=+=-++-+'''=+=+=３３３ＰＰＰ得解得A=- 2332
33
()(1)(2)
4133
()(1)(2)224
7
()4
Q x x x x P x x x x x x P x x x =---=-+---=+所以３整理后即－４
23
2
3333()()23(0)0
(0)0
(1)1(2)2481
73
0,0,,44P x a bx cx dx
P x b cx dx P a P b P a b c d P a b c d a b c d '=++=++=='===+++==+++=====-
法二、设＋故四个未知量，四个方程，解方程组得
4、用最小二乘法求拟合函数1
y
=
使其与下列数据相拟合
1/y a bx y y ''=+=-------------- ----------------------（2分） 5047
01037a b ??????= ??? ??????? ------------------------------------（6分） a=9.4 b=3.7 ----------------------- ---------（2分）
5、用最小二乘法求形如bx y ae =的经验公式，使它与下列数据相拟合：
解：所求拟
合公式是一个指数函数，对它两边取自然对数，得到
ln ln y a bx =+
相应的对应关系为
0101ln ,ln ,,Y y A a A b Y A A x
====+记则有
于是原问题转化为求上面数据表的一次拟合多项式。此时正规方程组为
0101
01 1.500.4480.44841010.48103028.4461.500.448 1.500.448ln , 4.48Y x x
A A A A A A Y x Y y y e y e e ++=??
+=?=+====求得＝，＝于是因为所以因而所求经验公式为
6、已知函数表
写出：为了求函数()
f x 的三次样条插值函数
)(x S 所得的求013,,M M M 的三弯矩方程组（不必解方程组）
。
解：1）计算1012,0,1,2,1,1,1+=-====k k k h x x k h h h 0.5每个
2）计算1
1
,1,1,2μλμ--=
=-=+k k k k k k h k h h
11221
,
2μλμλ==== 0.5每个
3）计算[]116,,,1,2k k k k d f x x x k -+==
[][]101221236,,36,,3
d f x x x d f x x x ====- 1分每个
第一类边界条件001006([,]())6d f x x f x h '=
-=-，33232
6
(()[,])0d f x f x x h '=-= 建立三弯矩方程组0123216
11232
2
11322
201
2M M M M ??-???????????
?????=??????-?????????????
?
7、已知函数表
写出为求函数()f x 的三次样条插值函数)(x S 所得的求013,,M M M 的三弯矩方
程组（不必解方程组）。
解：解：1）计算1012,0,1,2,1,2,1k k k h x x k h h h +=-====
2）计算1
1,1,1,2μλμ--=
=-=+k k k k k k h k h h
3）计算[]116,,,1,2k k k k d f x x x k -+==
[][]101221236,,36,,5
d f x x x d f x x x ==-==-
因为是自然样条，故030,0M M == 建立方程组
8、已知函数表
写出为求函数()f x 的三次样条插值函数)(x S 所得的求013,,M M M 的三弯矩方
程组（不必解方程组）。
解：1）计算1012,0,1,2,1,1,1+=-====k k k h x x k h h h （1分）
2）计算1
1
,1,1,2μλμ--=
=-=+k k k k k k h k h h
（2分） 3）计算[]116,,,1,2k k k k d f x x x k -+==
[][]101221236,,36,,6
d f x x x d f x x x ====- （2分）
012123[,,][,,]
f x x x f x x x 1256
=-
=-
11221221,,,,
3333
μλμλ====--12M 2233M 2325??????
=????????????11221
,
2μλμλ====
第一类边界条件
001006([,]()) 1.8d f x x f x h '=
-=，33232
6
(()[,])3d f x f x x h '=-=- （2分） 建立三弯矩方程组012321 1.8
11232
2
11622
231
2M M M M ?????????????
?????=????-??????????-??
???
?
9、用最小二乘法求拟合函数1
y a bx
=+使其与下列数据相拟合。做到求出法方程
解：有 1/y a bx y y ''=+= （2分）
（2分
52741.527199274a b ??????= ??? ???????
10
、（1）求[f （2）求四次牛顿插值多项式)(4x N （3）求)4(f 的近似值。 解：
所以]5,3,2,1,0[f =29120
（2）
40010012010123012012340123()[][,]()[,,]()()
[,,,]()()()[,,,,]()()()()
N x f x f x x x x f x x x x x x x f x x x x x x x x x x f x x x x x x x x x x x x x =+-+--+---+----
=12293(1)(1)(2)(1)(2)(3)2
3
120
x x x x x x x x x x ++----+---
（3）8.2514
)4()4(4==≈N
f 11、用最小二乘法做二次多项式)(2x P 拟合这些数据，试写出法方程（不必解方程）。 解：
设二次拟合多项式为22012(),P x a a x a x =++则用最小二乘法拟合的法方程为，则用最小二乘法拟合的法方程为
2023123422i i i i i i i i i i
i
i i n x x a y x x x a x y x x x
a x y ????????????=???????????????
??
?∑∑∑∑∑∑∑∑∑∑∑带入数据
012515552615552259255225979358a a a ??????
??????=??????????????????
学生实验报告
了解插值与拟合的基本原理和方法；掌握用MATLAB计算插值与作最小二乘多项式拟合和曲线拟合的方法；通过范例展现求解实际问题的初步建模过程； 通过动手作实验学习如何用插值与拟合方法解决实际问题，提高探索和解决问题的能力。这对于学生深入理解数学概念，掌握数学的思维方法，熟悉处理大量的工程计算问题的方法具有十分重要的意义。 二、实验仪器、设备或软件：电脑,MATLAB软件 三、实验内容 1．编写插值方法的函数M文件； 2．用MATLAB中的函数作函数的拟合图形； 3．针对实际问题，试建立数学模型，并求解。 四、实验步骤 1．开启软件平台——MATLAB，开启MATLAB编辑窗口； 2．根据各种数值解法步骤编写M文件； 3．保存文件并运行； 4．观察运行结果(数值或图形)； 5．写出实验报告，并浅谈学习心得体会。 五、实验要求与任务 根据实验内容和步骤，完成以下具体实验，要求写出实验报告（实验目的→问题→数学模型→算法与编程→计算结果→分析、检验和结论→心得体会）。 1．天文学家在1914年8月的7次观测中，测得地球与金星之间距离（单位：米），并取得常用对数值，与日期的一组历史数据如下表： 由此推断何时金星与地球的距离（米）的对数值为9.93518？ 解：输入命令
days=[18 20 22 24 26 28 30]; distancelogs=[9.96177 9.95436 9.94681 9.93910 9.93122 9.92319 9.91499]; t1=interp1(distancelogs,days,9.93518) %线性插值 t2=interp1(distancelogs,days,9.93518,'nearest') %最近邻点插值 t3=interp1(distancelogs,days,9.93518,'spline') %三次样条插值 t4=interp1(distancelogs,days,9.93518,'cubic') %三次插值 计算结果： t1 = 24.9949 t2 = 24 t3 = 25.0000 t4 =
插值和拟合的定义 1.定义：若x为自变量，y为因变量，则x与y之间有一个确定的函数表达式f（x），现实中，这个函数关系式很难确定，运用逼近的方法处理：取得一组数据点（xi,yi,i=1,2,3...n）,构造一个简单函数p(x)作为f(x)的近似表达式，且p(x)满足： p(xi)=f(xi)=yi i=1,2,3,4...n 这就是插值问题。 若不要求p(x)通过所有数据点，而是要求曲线在某种准则下整体与数据点接近，例如运用最小二乘法得到p(x),这种问题称为拟合。 2插值类型：一维插值是指对一维函数y=f(x)进行插值，二维插值就是对二维函数y=f(x,y)进行插值. 3.插值的matlab函数及其应用 （1）.一维插值：yi=interp1(x,Y,xi，’method’)，对一组节点（x,Y）进行插值，计算插值点xi 的函数值。method包括了一下几种类型： Nearest：线性最邻近插值（速度最快，平滑性最差） Linear：线性插值（默认项）（生成效果连续，但是顶点处有坡度变化） Spline：三次样条插值（运行时间较长，插值数据和导数均连续） Pchip：分段三次艾米尔特（hermite）插值 Cubic：双三次插值（较高版本的matlab不能运用，v5cubic能够运行） 运行的代码及插值效果： clear; clc; x=0:0.2:2; y=(x.^2-3*x+5).*exp(-3*x).*sin(x); xi=0:0.03:2; yi_nearest=interp1(x,y,xi,'nearest'); yi_linear=interp1(x,y,xi,'linear'); yi_spline=interp1(x,y,xi,'spline'); yi_pchip=interp1(x,y,xi,'pchip'); yi_cubic=interp1(x,y,xi,'v5cubic'); figure; hold on; subplot(2 ,3, 1); plot(x,y,'r*'); title('已知数据值'); subplot(2, 3 ,2); plot(x,y,'r*',xi,yi_nearest,'b-'); title('最邻近插值');
插值法和拟合实验报告 一、 实验目的 1.通过进行不同类型的插值，比较各种插值的效果，明确各种插值的优越性； 2.通过比较不同次数的多项式拟合效果，了解多项式拟合的原理； 3.利用matlab 编程，学会matlab 命令； 4.掌握拉格朗日插值法； 5.掌握多项式拟合的特点和方法。 二、 实验题目 1.、插值法实验 将区间[-5,5]10等分，对下列函数分别计算插值节点 k x 的值，进行不同类型 的插值，作出插值函数的图形并与)(x f y =的图形进行比较： ;11)(2x x f += ;a r c t a n )(x x f = .1)(42 x x x f += (1) 做拉格朗日插值； (2) 做分段线性插值； (3) 做三次样条插值. 2、拟合实验 给定数据点如下表所示： 分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数 ),(i i y x 和拟合函数的图形。 三、 实验原理 1.、插值法实验
∏∑∏∏∏∑∑≠==≠=≠=≠=+-==--= =-= ==-=-=----==++==j i j j i i i i i n i i n n j i j j n j i j j i i n j i j j n i i i n i i n n n o i n i i n x x x x x y x l x L x x c n i x x c x x x c x x x x x x x x c y x l x L y x l y x l y x l x L ,00 ,0,0,01100 00 )(l )()() (1 ,1,0, 1)()(l ) ()())(()()()()()()()(， 故， 得 再由，设 2、拟合实验
习题5.1： Matlab程序如下： clc,clear x=1:0.5:10; y=x.^3-6*x.^2+5*x-3; y0=y+rand; f1=polyfit(x,y0,1) y1=polyval(f1,x); plot(x,y,'+',x,y1); grid on title('一次拟合曲线'); figure(2); f2=polyfit(x,y0,2) y2=polyval(f2,x); plot(x,y,'+',x,y2); grid on title('二次拟合曲线'); figure(3); f4=polyfit(x,y0,4) y3=polyval(f4,x); plot(x,y,'+',x,y3); grid on title('四次拟合曲线'); figure(4); f6=polyfit(x,y0,6) y4=polyval(f6,x); plot(x,y,'+',x,y4); grid on title('六次拟合曲线'); 计算结果及图如下 f1 = 43.2000 -148.8307 f2 = 10.5000 -72.3000 90.0443
f4 = 0.0000 1.0000 -6.0000 5.0000 -2.3557 f6 = -0.0000 0.0000 -0.0000 1.0000 -6.0000 5.0000 -2.3557 5.2高程数据问题解答如下：matlab程序: clc,clear x0=0:400:5600 y0=0:400:4800 z0=[1350 1370 1390 1400 1410 960 940 880 800 690 570 430 290 210 150 1370 1390 1410 1430 1440 1140 1110 1050 950 820 690 540 380 300 210 1380 1410 1430 1450 1470 1320 1280 1200 1080 940 780 620 460 370 350 1420 1430 1450 1480 1500 1550 1510 1430 1300 1200 980 850 750 550 500
《数值分析》课程实验一：插值与拟合 一、实验目的 1. 理解插值的基本原理，掌握多项式插值的概念、存在唯一性； 2. 编写MA TLAB 程序实现Lagrange 插值和Newton 插值，验证Runge 现象； 3. 通过比较不同次数的多项式拟合效果，理解多项式拟合的基本原理； 4. 编写MA TLAB 程序实现最小二乘多项式曲线拟合。 二、实验内容 1. 用Lagrange 插值和Newton 插值找经过点(-3, -1), (0, 2), (3, -2), (6, 10)的三次插值公式，并编写MATLAB 程序绘制出三次插值公式的图形。 2. 设 ]5,5[,11 )(2 -∈+= x x x f 如果用等距节点x i = -5 + 10i /n (i = 0, 1, 2, …, n )上的Lagrange 插值多项式L n (x )去逼近它。不妨取n = 5和n = 10，编写MATLAB 程序绘制出L 5(x )和L 10(x )的图像。 (2) 编写MA TLAB 程序绘制出曲线拟合图。 三、实验步骤 1. (1) Lagrange 插值法：在线性空间P n 中找到满足条件： ?? ?≠===j i j i x l ij j i , 0,, 1)(δ 的一组基函数{}n i i x l 0)(=，l i (x )的表达式为 ∏ ≠==--= n i j j j i j i n i x x x x x l ,0),,1,0()( 有了基函数{}n i i x l 0)(=，n 次插值多项式就可表示为 ∑==n i i i n x l y x L 0 )()( (2) Newton 插值法：设x 0, x 1, …, x n 是一组互异的节点，y i = f (x i ) (i = 0, 1, 2, …, n )，f (x )在处的n 阶差商定义为
MATLAB中的插值、拟合与查表 插值法是实用的数值方法，是函数逼近的重要方法。在生产和科学实验中，自变量x与因变量y的函数y = f(x)的关系式有时不能直接写出表达式，而只能得到函数在若干个点的函数值或导数值。当要求知道观测点之外的函数值时，需要估计函数值在该点的值。 如何根据观测点的值，构造一个比较简单的函数y=φ(x)，使函数在观测点的值等于已知的数值或导数值。用简单函数y=φ(x)在点x处的值来估计未知函数y=f(x)在x点的值。寻找这样的函数φ(x)，办法是很多的。φ(x)可以是一个代数多项式，或是三角多项式，也可以是有理分式；φ(x)可以是任意光滑（任意阶导数连续）的函数或是分段函数。函数类的不同，自然地有不同的逼近效果。在许多应用中，通常要用一个解析函数（一、二元函数）来描述观测数据。 根据测量数据的类型： 1．测量值是准确的，没有误差。 2．测量值与真实值有误差。 这时对应地有两种处理观测数据方法： 1．插值或曲线拟合。 2．回归分析（假定数据测量是精确时，一般用插值法，否则用曲线拟合）。 MATLAB中提供了众多的数据处理命令。有插值命令，有拟合命令，有查表命令。 2.2.1 插值命令 命令1 interp1 功能一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。各个参量之间的关系示意图为图2-14。 格式 yi = interp1(x,Y,xi) %返回插值向量yi，每一元素对应于参量xi，同时由向量x 与Y的内插值决定。参量x指定数据Y的点。若Y为一矩阵，则按Y的每列计算。yi是阶数为length(xi)*size(Y,2)的输出矩阵。 yi = interp1(Y,xi) %假定x=1:N，其中N为向量Y的长度，或者为矩阵Y的行数。 yi = interp1(x,Y,xi,method) %用指定的算法计算插值： ’nearest’：最近邻点插值，直接完成计算；
一、给定函数y=sinx的函数表如下表，用拉格朗日插值求sin0.57891的近似 值 M文件： function yh=lagrange2(x0,y0,xh) n = length(x0); m = length(xh); yh=zeros(1,m); for k = 1:m for i = 1:n xp = x0([1:i-1 i+1:n]); yp = prod((xh(k)-xp)./(x0(i)-xp)); yh(k) = yh(k) + yp*y0(i); end end 执行：>> x0=[0.4,0.5,0.6,0.7] x0 = 0.4000 0.5000 0.6000 0.7000 >> y0=[0.38942,0.47943,0.56464,0.64422] y0 = 0.3894 0.4794 0.5646 0.6442 >> lagrange2(x0,y0,0.57891) 执行结果： ans = 0.5471
二、 1. 给定sin110.190809,sin120.207912,sin130.224951,o o o ===构造牛顿 插值函数计算'sin1130o 。 M 文件： function fp = newpoly(x,y,p) n = length(x); a(1) = y(1); for k = 1 : n - 1 d(k, 1) = (y(k+1) - y(k))/(x(k+1) - x(k)); end for j = 2 : n - 1 for k = 1 : n - j d(k, j) = (d(k+1, j - 1) - d(k, j - 1))/(x(k+j) - x(k)); end end d for j = 2 : n a(j) = d(1, j-1); end Df(1) = 1; c(1) = a(1); for j = 2 : n Df(j)=(p - x(j-1)) .* Df(j-1); c(j) = a(j) .* Df(j);
数值计算之美SHU ZHI JI SUAN ZHI MEI 胡家威 http://hujiaweibujidao.github.io/ 清华大学逸夫图书馆·北京
内容简介 本书是我对数值计算中的若干常见的重要算法及其应用的总结，内容还算比较完整。 本人才疏学浅，再加上时间和精力有限，所以本书不会详细介绍很多的概念，需要读者有一定的基础或者有其他的参考书籍，这里推荐参考文献中的几本关于数值计算的教材。 本书只会简单介绍下算法的原理，对于每个算法都会附上我阅读过的较好的参考资料以及算法的实现(Matlab或者其他语言)，大部分代码是来源于参考文献[1]或者是经过我改编而成的，肯定都是可以直接使用的，需要注意的是由于Latex对代码的排版问题，导致中文注释中的英文字符经常出现错位，对于这种情况请读者自行分析，不便之处还望谅解。写下这些内容的目的是让自己理解地更加深刻些，顺便能够作为自己的HandBook，如有错误之处，还请您指正，本人邮箱地址是：hujiawei090807@https://www.doczj.com/doc/2c8518416.html,。
目录 第四章曲线拟合和多项式插值1 4.1曲线拟合 (1) 4.1.1使用线性方程进行曲线拟合 (1) 4.1.2非线性方程进行曲线拟合 (2) 4.1.3使用二次或者高次多项式进行曲线拟合[最小二乘问题].3 4.2多项式插值 (4) 4.2.1拉格朗日插值多项式 (4) 4.2.2牛顿插值多项式 (5) 4.2.3分段线性插值 (7) 4.2.4保形分段三次插值 (8) 4.2.5三次样条插值 (10) 4.3Matlab函数解析 (13) 参考文献14
第四、五讲作业题参考答案 一、填空题 1、拉格朗日插值基函数在节点上的取值是（ 0或1 ）。 2、当1,1,2x =-，时()034f x =-， ，，则()f x 的二次插值多项式为 （ 2527 633 x x +- ）。 3、由下列数据 所确定的唯一插值多项式的次数为（ 2次 ）。 4、根据插值的定义，函数()x f x e -=在[0,1]上的近似一次多项式1()P x = （ 1(1)1e x --+ ），误差估计为（ 18 ）。 5、在做曲线拟合时，对于拟合函数x y ax b = +，引入变量变换y =（ 1 y ），x =（ 1 x ）来线性化数据点后，做线性拟合y a bx =+。 6、在做曲线拟合时，对于拟合函数Ax y Ce =，引入变量变换（ ln()Y y = ）、 X x =和B C e =来线性化数据点后，做线性拟合Y AX B =+。 7、设3()1f x x x =+-，则差商[0,1,2,3]f =（ 1 ）。 8、在做曲线拟合时，对于拟合函数()A f x Cx =，可使用变量变换（ln Y y =）（ln X x = ）和B C e =来线性化数据点后，做线性拟合Y AX B =+。 9、设(1)1,(0)0,(1)1,(2)5,()f f f f f x -====则的三次牛顿插值多项式为 （ 3211 66x x x +-），其误差估计式为（ 4()(1)(1)(2),(1,2)24f x x x x ξξ+--∈-） 10、三次样条插值函数()S x 满足：()S x 在区间[,]a b 内二阶连续可导， (),,0,1,2,,,k k k k S x y x y k n ==（已知）且满足()S x 在每一个子区间1[,] k k x x +上是（ 三次多项式 ）。
计算方法实验报告 专业班级：医学信息工程一班姓名：陈小芳学号：201612203501002 实验成绩： 1．【实验题目】 插值法与曲线拟合 2．【实验目的】 3．【实验内容】 4. 【实验要求】
5. 【源程序（带注释）】 （1）拉格朗日插值 #include
利用matlab实现插值与拟合实验 张体强1026222 张影 晁亚敏 [摘要]：在测绘学中，无论是图形处理，还是地形图处理等，大多离不开插值与拟合的应用，根据插值与拟合原理，构造出插值和拟合函数，理解其原理，并在matlab平台下，实现一维插值，二维插值运算，实现多项式拟合，非线性拟合等，并在此基础上，联系自己所学专业，分析其生活中特殊例子，提出问题，建立模型，编写程序，以至于深刻理解插值与拟合的作用。 [关键字]: 测绘学插值多项式拟合非线性拟合 [ Abstract]: in surveying and mapping, whether the graphics processing, or topographic map processing and so on, are inseparable from the interpolation and fitting application, according to the interpolation and fitting theory, construct the fitting and interpolation function, understanding its principle, and MATLAB platform, achieve one-dimensional interpolation, two-dimensional interpolation, polynomial fitting, non-linear fitting, and on this basis, to contact their studies, analysis of their living in a special example, put forward the question, modeling, programming, so that a deep understanding of interpolation and fitting function. [ Key words]: Surveying and mapping interpolation polynomial fitting nonlinear
第五章 数据拟合 这就是数据拟合成曲线的思想，简称为曲线拟合(fitting a curve)。根据一组二维数据，即平面上的若干点，要求确定一个一元函数y = f (x )，即曲线，使这些点与曲线总体来说尽量接近， 曲线拟合其目的是根据实验获得的数据去建立因变量与自变量之间有效的经验函数关系，为进一步的深入研究提供线索。本章的目的，掌握一些曲线拟合的基本方法，弄清楚曲线拟合与插值方法之间的区别,学会使用MATLAB 软件进行曲线拟合。 §1 最小二乘法 给定平面上的点(x i, y i )，（i = 1,2,…,n ），进行曲线拟合有多种方法，其中最小二乘法是解决曲线拟合最常用的方法。最小二乘法的原理是： 求 ∑∑==-==n i i i n i i y x f x f 1212])([),(δδ使 达到最小 如图1所示，其中δi 为点(x i ,y i )与曲线y=f (x )的距离。曲线拟合的实际含义是寻求一个函数y=f (x )，使f (x )在某种准则下与所有数据点最为接近，即曲线拟合得最好。最小二乘准则就是使所有散点到曲线的距离平方和最小。拟合时选用一定的拟合函数f (x ) 形式，设拟合函数可由一些简单的“基函数”（例如幂函数，三角函数等等） )(),...,(),(10x x x m ???来线性表示： )(...)()()(1100x c x c x c x f m m ???+++= 图1 曲线拟合示意图 现在要确定系数c 0，c 1，…，c m ，使d 达到极小。为此，将f (x )的表达式代入d 中，d 就成为c 0，c 1，…，c m 的函数，求d 的极小，就可令d 对 c i 的偏导数等于零，于是得到m +1个方程组，从中求解出c i 。通常取基函数为1，x ，x 2，x 3，…，x m ，这时拟合函数f (x )为多项式函数。当m =1时，f (x ) = a + bx ，称为一元线性拟合函数，它是曲线拟合最简单的形式。除此之外，常用的一元曲线拟合函数还有双曲线f (x ) = a + b/x ，指数曲线f (x ) = a e bx 等，对于这些曲线，拟合前须作变量代换，转化为线性函数。
广州大学学生实验报告 开课学院及实验室： 2014年 月 日 学院 数学与信息科学学院 年级、专业、班 姓名 学号 实验课程名称 数学实验 成绩 实验项目名称 实验2 插值与拟合 指导老师 一、实验目的 1、掌握用MATLAB 计算拉格朗日、分段线性、三次样条三种插值的方法，改变节点的数目，对三种插值结果进行初步分析。 2、掌握用MATLAB 作线性最小二乘拟合的方法。 3、通过实例学习如何用插值方法与拟合方法解决实际问题，注意二者的联系和区别。 二、实验设备 电脑、MATLAB 三、实验要求 1..选择一些函数，在n 个节点上（n ）不要太大，如5～11）用拉格朗日，分段线性，三次样条三种插值方法，，计算m 各插值点的函数值（m 要适中，如50～100）.通过数值和图形的输出，将三种插值结果与精确值进行比较.适当增加n ，再作比较，由此作初步分析.下列函数供选择参考： a. y=sin x ,0≦x ≦2π； 2.用 1 2 y x =在x=0,1,4,9,16产生5个节点15,...,P P .用不同的节点构造插值公式来计算x=5处的插值（如用 15,...,P P ；14,...,P P ；24,...,P P 等）与精确值比较进行分析。 5.对于实验1中的录像机计数器，自己实测一组数据（或利用给出的数据），确定模型2 t an bn =+中的系数a,b. 6.用电压V=10伏的电池给电容器充电，电容器上t 时刻的电压为 0()()t v t V V V e -τ =--,其中 0V 是电容器的初始 电压，τ是充电常数。试由下面一组t ，V 数据确定0V 和τ. t/s 0.5 1 2 3 4 5 7 9 V/V 6.36 6.48 7.26 8.22 8.66 8.99 9.43 9.63 8. 弹簧在力F 的作用下伸长x ，一定范围内服从胡克定律：F 与x 成正比，即F=kx,k 为弹性系数.现在得到下面一组x ，F 数据，并在（x,F ）坐标下作图(图13).可以看出，当Ｆ大到一定数值(如x=9以后)后，就不服从这个定律了。试由数据拟合直线F=kx,并给出不服从胡克定律时的近似公式（曲线）。 1）要求直线与曲线在x=9处相连接。 2）要求直线与曲线在x=9处光滑连接. 四、实验程序 预备： function y=lagr1(x0,y0,x) n=length(x0);m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=s+p*y0(k); end y(i)=s; end 五、实验操作过程 当n=5时 clear; n=5; %在n 个节点上进行插值 m=75; %产生m 个插值点，计算函数在插值点处的精确值，将来进行对比 x=0:4/(m-1):2*pi; y=sin(x); z=0*x; x0=0:4/(n-1):2*pi; y0=sin(x0); y1=lagr1(x0,y0,x); % y1为拉格朗日插值 y2=interp1(x0,y0,x); % y2为分段线性插值 y3=spline(x0,y0,x); % y3为三次样条插值 [x' y' y1' y2' y3'] plot(x,z,'k',x,y,'r:',x,y1,'g-.',x,y2,'b',x,y3,'y--') gtext('Lagr.'), gtext('Pieces. linear'), gtext('Spline'), gtext('y=sin(x)') hold off; %比较插值所得结果与函数在插值点处的精确值 s = ' x y y1 y2 y3' [x' y' y1' y2' y3'] 结果 ans = 0 0 0 0 0 0.0541 0.0540 0.0495 0.0455 0.0611 0.1081 0.1079 0.0999 0.0910 0.1207 0.1622 0.1615 0.1510 0.1365 0.1787 0.2162 0.2145 0.2025 0.1819 0.2350 0.2703 0.2670 0.2541 0.2274 0.2896 0.3243 0.3187 0.3054 0.2729 0.3425 0.3784 0.3694 0.3563 0.3184 0.3936 0.4324 0.4191 0.4066 0.3639 0.4429 0.4865 0.4675 0.4559 0.4094 0.4904 0.5405 0.5146 0.5040 0.4548 0.5359 0.5946 0.5602 0.5508 0.5003 0.5796 0.6486 0.6041 0.5961 0.5458 0.6212 0.7027 0.6463 0.6396 0.5913 0.6609 0.7568 0.6866 0.6812 0.6368 0.6985 0.8108 0.7248 0.7208 0.6823 0.7341 0.8649 0.7610 0.7583 0.7278 0.7675
插值和拟合区别 运输1203黎文皓通过这个学期的《科学计算与数学建模》课程的学习，使我掌握了不少数学模型解决实际问题的方法，其中我对于插值与拟合算法这一章，谈一谈自己的看法可能不是很到位，讲得不好的地方也请老师见谅。 首先，举一个简单的例子说明一下这个问题。 如果有100个平面点，要求一条曲线近似经过这些点，可有两种方法：插值和拟合。 我们可能倾向于用一条（或者分段的多条）2次、3次或者说“低次”的多项式曲线而不是99次的曲线去做插值。也就是说这条插值曲线只经过其中的3个、4个（或者一组稀疏的数据点）点，这就涉及到“滤波”或者其他数学方法，也就是把不需要90多个点筛选掉。如果用拟合，以最小二乘拟合为例，可以求出一条（或者分段的多条）低次的曲线（次数自己规定），逼近这些数据点。具体方法参见《数值分析》中的“线性方程组的解法”中的“超定方程的求解法”。经过上面例子的分析，我们可以大致的得到这样一个结论。插值就是精确经过，拟合就是逼近。 插值和拟合都是函数逼近或者数值逼近的重要组成部分。他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律目的，即通过"窥几斑"来达到"知全豹"。 所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调
整该函数中若干待定系数f(λ1, λ2,…,λ3), 使得该函数与已知点集的差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表达式也可以是分段函数，这种情况下叫作样条拟合。 而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给定离散点上满足约束。 从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个(或几个分片光滑的)连续曲面来穿过这些点。 不过是插值还是拟合都是建立在一定的数学模型的基础上进行的。多项式插值虽然在一定程度上解决了由函数表求函数的近似表达式的问题，但是在逼近曲线上有明显的缺陷，很可能不能很好的表示函数的走向，存在偏差，在实际问题中我们往往通过函数近似表达式的拟合法来得到一个较为准却的表达式。
实验题目： 用多项式模型进行数据拟合实验 1 实验目的 本实验使用多项式模型对数据进行拟合，目的在于： （1）掌握数据拟合的基本原理，学会使用数学的方法来判定数据拟合的情况； （2）掌握最小二乘法的基本原理及计算方法； （3）熟悉使用matlab 进行算法的实现。 2 实验步骤 2.1 算法原理 所谓拟合是指寻找一条平滑的曲线，最不失真地去表现测量数据。反过来说，对测量 的实验数据，要对其进行公式化处理，用计算方法构造函数来近似表达数据的函数关系。由于函数构造方法的不同，有许多的逼近方法，工程中常用最小平方逼近（最小二乘法理论）来实现曲线的拟合。 最小二乘拟合利用已知的数据得出一条直线或曲线，使之在坐标系上与已知数据之间的距离的平方和最小。模型主要有：1.直线型2.多项式型3.分数函数型4.指数函数型5.对数线性型6.高斯函数型等，根据应用情况，选用不同的拟合模型。其中多项式型拟合模型应用比较广泛。 给定一组测量数据()i i y x ,，其中m i ,,3,2,1,0Λ=，共m+1个数据点，取多项式P （x ），使得 min )]([020 2=-=∑∑==m i i i m i i y x p r ，则称函数P （x ）为拟合函数或最小二乘解，此时，令 ∑==n k k k n x a x p 0 )(，使得min ])([02 002=??? ? ??-=-=∑∑∑===m i n k i k i k m i i i n y x a y x p I ，其中 n a a a a ,,,,210Λ为待求的未知数，n 为多项式的最高次幂，由此该问题化为求),,,(210n a a a a I I Λ=的极值问题。 由多元函数求极值的必要条件：0)(200 =-=??∑∑==m i j i n k i k i k i x y x a a I ，其中n j ,,2,1,0Λ= 得到： ∑∑∑===+=n k m i i j i k m i k j i y x a x )(，其中n j ,,2,1,0Λ=，这是一个关于n a a a a ,,,,210Λ的线 性方程组，用矩阵表示如下所示：
实验三 插值法与拟合实验 一、实验目的 1. 通过本实验学会利用程序画出插值函数，并和原图形相比较 2. 通过本实验学会拟合函数图形的画法，并会求平方误差 二、实验题目 1. 插值效果的比较 实验题目：区间[]5,5-10等分，对下列函数分别计算插值节点k x 的值，进行不同类型的插值，作出插值函数的图形并与)(x f y =的图形进行比较： 2 11)(x x f +=； x x f arctan )(=； 4 41)(x x x f += （1） 做拉格朗日插值； （2） 做三次样条插值. 2. 拟合多项式实验 实验题目：给定数据点如下表所示： 分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数),(i i y x 和拟合函数的图形. 三、实验原理 本实验应用了拉格朗日插值程序、三次样条插值程序、多项式拟合程序等实验原理. 四、实验内容 1（1） figure x=-5:0.2:5; y=1./(1+x.^2); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=1./(1+x1.^2); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25);
m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（2） x=-5:0.2:5; y=atan(x); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=atan(x1); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（3） x=-5:0.2:5; y=x.^2./(1+x.^4); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=x1.^2./(1+x1.^4); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 2. x=[-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5]'; y=[-4.45 -0.45 0.55 0.05 -0.44 0.54 4.55]'; plot(x,y,'or'); hold on %三次多项式拟合 p1=mafit(x,y,3);
实验6 数据拟合&插值 一．实验目的 学会MATLAB软件中软件拟合与插值运算的方法。 二．实验内容与要求 在生产和科学实验中，自变量x与因变量y=f(x)的关系式有时不能直接写出表达式，而只能得到函数在若干个点的函数值或导数值。当要求知道观测点之外的函数值时，需要估计函数值在该点的值。 要根据观测点的值，构造一个比较简单的函数y=t (x),使函数在观测点的值等于已知的数值或导数值，寻找这样的函数t(x),办法是很多的。 根据测量数据的类型有如下两种处理观测数据的方法。 （1）测量值是准确的，没有误差，一般用插值。 （2）测量值与真实值有误差，一般用曲线拟合。 MATLAB中提供了众多的数据处理命令，有插值命令，拟合命令。 1.曲线拟合 >> x=[0.5,1.0,1.5,2.0,2.5,3.0]; >> y=[1.75,2.45,3.81,4.80,7.00,8.60]; >> p=polyfit (x,y,2); >> x1=0.5:0.05:3.0; >> y1=polyval(p,x1 ); >> plot(x,y,'*r',x1,y1,'-b')
2.一维插值 >> year=[1900,1910,1920,1930,1940,1990,2000,2010]; >> product = [75.995,91.972,105.711,123.203,131.669,249.633,256.344,267.893 ]; >> p2005=interp1(year,product,2005) p2005 = 262.1185 >> y= interp1(year,product,x, 'cubic'); >> plot(year,product,'o',x,y)
第十章 插值与拟合方法建模 在生产实际中，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经函数的参数，或寻求某个近似函数使之与已知数据有较高的拟合精度。插值与拟合的方法很多，这里主要介绍线性插值方法、多项式插值方法和样条插值方法，以及最小二乘拟合方法在实际问题中的应用。相应的理论和算法是数值分析的内容，这里不作详细介绍，请参阅有关的书籍。 §1 数据插值方法及应用 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的函数关系或得到样点之外的数据。与此有关的一类问题是当原始数据 ),(,),,(),,(1100n n y x y x y x 精度较高，要求确定一个初等函数)(x P y =（一般用多项式或分 段多项式函数）通过已知各数据点（节点），即n i x P y i i ,,1,0,)( ==，或要求得函数在另外一些点（插值点）处的数值，这便是插值问题。 1、分段线性插值 这是最通俗的一种方法，直观上就是将各数据点用折线连接起来。如果 b x x x a n =<<<= 10 那么分段线性插值公式为 n i x x x y x x x x y x x x x x P i i i i i i i i i i ,,2,1,,)(11 1 11 =≤<--+--= ----- 可以证明，当分点足够细时，分段线性插值是收敛的。其缺点是不能形成一条光滑曲线。 例1、已知欧洲一个国家的地图，为了算出它的国土面积，对地图作了如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当的分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标y1和y2，这样就得到下表的数据（单位：mm ）。
实用标准文档 CENTRAL SOUTH UN I VERS ITY MATLAB实验报告 题目：第二次实验报告 学生姓名： 学院：_____________________________ 专业班级：
学号: 年月 MATLAB第二次实验报告 ------- 插值与拟合插值即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。 所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}
通过调整该函数中若干待定系数f（入1,疋,…,血），使得该函数与已知点集的差别（最小二乘意义）最小 一、插值 <1>拉格朗日插值(课上例子) m=101; x=-5:10/(m-1):5; y=1./(1+x92);z=0*x; plot(x,z,'r',x,y,'Li neWidth',1.5), gtext('y=1/(1+x A2)'),pause n=3; x0=-5:10/( n-1):5; y0=1./(1+x0.A2); y1=fLagra nge(xO,yO,x); hold on ,plot(x,y1,'b'),gtext(' n=2'),pause, hold off n=5; x0=-5:10/( n-1):5;
y0=1./(1+x0.A2); y2=fLagra nge(xO,yO,x); hold on ,plot(x,y2,'b:'),gtext(' n=4'),pause, hold off n=7; x0=-5:10/( n-1):5; y0=1./(1+x0.A2); y3=fLagra nge(xO,yO,x);hold on, plot(x,y3,'r'),gtext(' n=6'),pause, hold off n=9; x0=-5:10/( n-1):5; y0=1./(1+x0.A2); y4=fLagra nge(xO,yO,x);hold on, plot(x,y4,'r:'),gtext(' n=8'),pause, hold off n=11; x0=-5:10/( n-1):5; y0=1./(1+x0.A2); y5=fLagra nge(xO,yO,x);hold on,