插值法的应用与比较
信科1302 万贤浩 13271038
1格朗日插值法
在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·路易斯·拉格朗日命名的一种多项式插值方法.许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解.如对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点取到观测到的值.这样的多项式称为拉格朗日（插值）多项式.数学上来说，拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数.拉格朗日插值法最早被英国数学家爱德华·华林于1779年发现，不久后由莱昂哈德·欧拉再次发现.1795年，拉格朗日在其著作《师范学校数学基础教程》中发表了这个插值方法，从此他的名字就和这个方法联系在一起.
1.1拉格朗日插值多项式
图1
已知平面上四个点：(?9, 5), (?4, 2), (?1, ?2), (7, 9)，拉格朗日多项式：)(x L （黑色）穿过所有点.而每个基本多项式：)(00x l y ,)(11x l y , )(22x l y 以及)(x l y ??各穿过对应的一点，并在其它的三个点的x 值上取零.
对于给定的若1+n 个点),(00y x ,),(11y x ,………),(n n y x ，对应于它们的次数不超过n 的拉格朗日多项式L 只有一个.如果计入次数更高的多项式，则有无穷个，因为所有与L 相差
))((10x x x x --λ……)(n x x -的多项式都满足条件.
对某个多项式函数，已知有给定的1+k 个取值点：
),(00y x ,……,),(k k y x ,
其中i x 对应着自变量的位置，而i y 对应着函数在这个位置的取值.
假设任意两个不同的i x 都互不相同，那么应用拉格朗日插值公式所得到的拉格朗日插值多项式为：
)()(0
x l y x L j k
j j ∑==，
其中每个)(x l j 为拉格朗日基本多项式（或称插值基函数），其表达式为：
)()
()()()()()()()(111100,0k j k j j j j j j j k
j i i i
j i j x x x x x x x x x x x x x x x x x x x x x l --------=--=
++--≠=∏ ， 拉格朗日基本多项式()x l i 的特点是在j x 上取值为1，在其它的点i x ，j i ≠ 上取值为0. 例：设有某个多项式函数f ，已知它在三个点上的取值为：
? 10)4(=f ， ? 25.5)5(=f ， ?
1)6(=f ，
要求)18(f 的值.
首先写出每个拉格朗日基本多项式：
())64)(54()
6)(5(0----=x x x l ；
())65)(45()
6)(4(1----=x x x l ；
())
56)(46()
5)(4(2----=
x x x l ；
然后应用拉格朗日插值法，就可以得到p 的表达式（p 为函数f 的插值函数）：
)()6()()5()()4()(210x l f x l f x l f x p ++=
)
56)(46()
5)(4(1)65)(45()6)(4(25.5)64)(54()6)(5(10----?+----?+----?
=x x x x x x
)13628(4
12
+-=
x x ，
此时数值18就可以求出所需之值：11)18()18(-==p f .
1.2插值多项式的存在性与唯一性
存在性
对于给定的1+k 个点：),(),,(00k k y x y x 拉格朗日插值法的思路是找到一个在一点j x 取值为1，而在其他点取值都是0的多项式)(x l j .这样，多项式)(x l y j j 在点j x 取值为j y ， 而在其他点取值都是0.而多项式()∑==
k
j j
j x l
y x L 0
)(就可以满足
∑==++++==k
i j j j i y y x l y x L 0
000)()( ，
在其它点取值为0的多项式容易找到，例如：
)())(()(110k j j x x x x x x x x ----+- ，
它在点j x 取值为：)()()(10k j j j i x x x x x x ---+ .由于已经假定i x 两两互不相同，因此上面的取值不等于0.于是，将多项式除以这个取值，就得到一个满足“在j x 取值为1，而在其他点取值都是0的多项式”：
)
()
()()()()()()(111100k j k j j j j j j j i j j x x x x x x x x x x x x x x x x x x x
x l --------=--=++--∏
， 这就是拉格朗日基本多项式. 唯一性
次数不超过k 的拉格朗日多项式至多只有一个，因为对任意两个次数不超过k 的拉格朗日多项式：1p 和2p ，它们的差21p p -在所有1+k 个点上取值都是0,因此必然是多项式
)())((10k x x x x x x --- 的倍数.因此，如果这个差21p p -不等于0，次数就一定不小于
1+k .但是21p p -是两个次数不超过k 的多项式之差，它的次数也不超过k ，所以
021=-p p 也就是说21p p =.这样就证明了唯一性.
1.3性质
拉格朗日插值法中用到的拉格朗日基本多项式n l l l ,,,10 （由某一组n x x x <<< 10 确定）可以看做是由次数不超过n 的多项式所组成的线性空间：[]X n K 的一组基底.首先，如果存在一组系数：n λλλ,,,10 使得，
01100=+++=n n l l l P λλλ ，
那么，一方面多项式p 是满足n n x P x P x P λλλ===)(,,)(,)(1100 的拉格朗日插值多项式，另一方面p 是零多项式，所以取值永远是0.所以
010====n λλλ ，
这证明了n l l l ,,,10 是线性无关的.同时它一共包含1+n 个多项式，恰好等于[]X n K 的维数.所以n l l l ,,,10 构成了[]X n K 的一组基底.
拉格朗日基本多项式作为基底的好处是所有的多项式都是齐次的（都是n 次多项式）.
1.4优点与缺点
拉格朗日插值法的公式结构整齐紧凑，在理论分析中十分方便，然而在计算中，当插值点增加或减少一个时，所对应的基本多项式就需要全部重新计算，于是整个公式都会变化，非常繁琐.这时可以用重心拉格朗日插值法或牛顿插值法来代替.此外，当插值点比较多的时候，拉格朗日插值多项式的次数可能会很高，因此具有数值不稳定的特点，也就是说尽管在已知的几个点取到给定的数值，但在附近却会和“实际上”的值之间有很大的偏差.这类现象也被称为龙格现象，解决的办法是分段用较低次数的插值多项式.
2 重心拉格朗日插值法
重心拉格朗日插值法是拉格朗日插值法的一种改进.在拉格朗日插值法中，运用多项式
)())(()(10k x x x x x x x l ---= ，
图（2）
拉格朗日插值法的数值稳定性：如图(2)，用于模拟一个十分平稳的函数时，插值多项式的取值可能会突然出现一个大的偏差（图中的14至15中间） 可以将拉格朗日基本多项式重新写为：
∏
≠=--=
k
j
i i i j j
j x x x x x l x l ,0)
(1
)()(，
定义重心权
∏
≠=-=
k j
i i i j j x x ,0)
(1
ω，
上面的表达式可以简化为：j
j
j x x x l x l -=ω)
()(，
于是拉格朗日插值多项式变为：j k
j j
j
y x
x x l x L ∑=-=0
)
()(ω ， （1）
即所谓的重心拉格朗日插值公式（第一型）或改进拉格朗日插值公式.它的优点是当插值点的个数增加一个时，将每个j ω都除以)(1+-k j x x ，就可以得到新的重心权1+k ω，计算复杂度为
)(n O ，比重新计算每个基本多项式所需要的复杂度)(2n O 降了一个量级.
将以上的拉格朗日插值多项式用来对函数1)(≡x g 插值，可以得到：
∑
=-=?k
j j
j
x x x l x g x 0
)()(,ω，
因为1)(≡x g 是一个多项式. 因此，将)(x L 除以)(x g 后可得到：
∑
∑
==--=
k j j
j
k j j
j
x x x x x L 0
0)(ωω， （2）
这个公式被称为重心拉格朗日插值公式（第二型）或真正的重心拉格朗日插值公式.它继承了（1）式容易计算的特点，并且在代入x 值计算)(x L 的时候不必计算多项式)(x l 它的另一个优点是，结合切比雪夫节点进行插值的话，可以很好地模拟给定的函数，使得插值点个数趋于无穷时，最大偏差趋于零.同时，重心拉格朗日插值结合切比雪夫节点进行插值可以达到极佳的数值稳定性.第一型拉格朗日插值是向后稳定的，而第二型拉格朗日插值是向前稳定的，并且勒贝格常数很小.
3.分段线性插值
对于分段线性插值，我们看一下下面的情况.
3.1问题的重诉
已知2
11
)(x
x g +=
,66≤≤-x 用分段线性插值法求插值，绘出插值结果图形，并观察插值误差.
1.在[-6，6]中平均选取5个点作插值；
2.在[-6，6]中平均选取11个点作插值；
3.在[-6，6]中平均选取21个点作插值；
4.在[-6，6]中平均选取41个点作插值.
3.2问题的分析
在数值计算中，已知数据通常是离散的，如果要得到这些离散点以外的其他点的函数值，就需要根据这些已知数据进行插值.而本题只提供了取样点和原函数)(x g .分析问题求解方法如下：
（1）利用已知函数式2
11
)(x
x g +=
计算取样点X 对应的函数值Y ；将Y X ,作为两个等长的已知向量，分别描述采样点和样本值.因此被插值函数是一个单变量函数，可利用一维插值处理该数据插值问题.一维插值采用的方法通常有拉格朗日多项式插值（本题采用3次多项式插值），3次样条插值法和分段线性插值.
（2）分别利用以上插值方法求插值.以0.5个单位为步长划分区间[-6，6]，并将每一点作为插值函数的取样点.再根据插值函数计算所选取样点的函数值.最后再利用所得函数值画出相应的函数图象，并与原函数)(x g 的图象进行对比.
3.3问题的假设
为了解决上述分析所提到的问题，本题可以作出如下假设：
（1）假设原函数)(x g 仅作为求解取样点对应的样点值的函数关系式.而其他各点的函数值都是未知量，叙用插值函数计算.
（2）为了得到理想的对比函数图象，假设)(x g 为已知的标准函数.可以选取0.5个单位为步长划分区间[-6，6]，分别计算插值函数和标准函数)(x g 在该区间的取样点的函数值.画出函数图象进行对比.
3.4分段线性插值原理
给定区间[]b a ,, 将其分割成b x x x a n =<<<= 10，已知函数)(x f y =在这些插值结点的函数值为
),1,0)((n k x f y k k ==；求一个分段函数)(x I k ,使其满足：
(1) k k h y x I =)(，),1,0(n k =；
(2) 在每个区间[]1,+k k x x 上, )(x I h 是个一次函数.
易知,)(x I h 是个折线函数, 在每个区间[]1,+k k x x 上,),1,0(n k =
1111)(++++--+--=
k k
k k
k k k k k h y x x x x y x x x x x I ,
于是, )(x I h 在[]b a ,上是连续的，但其一阶导数是不连续的. 于是即可得到如下分段线性插值函数：
)()(0
x l y x I n
i i i n ∑==,
其中
????
????
?=≤≤--=≤≤--=+++---.
,0;,
;0,111
11
1
其他时舍去时，且当时舍去时，且当n i x x x x x x x i x x x x
x x x l i i i i i i i i i
i i
3.5问题的求解
在MATLAB 中实现分段线性插值，最近点插值，3次多项式插值，3次样条插值的命令
为interp 1,其调用格式为: Y 1=interp 1(X ,Y ,X 1，’method ’)
函数根据X ,Y 的值，计算函数在X 1处的值.X ,Y 是两个等长的已知向量，分别描述采样点和样本值，X 1是一个向量或标量，描述欲插值点，Y 1是一个与X 1等长的插值结果.method 是插值方法，包括：
linear ：分段线性插值.它是把与插值点靠近的两个数据点用直线连接，然后在直线让选取对应
插值点的数.
nearest ：近点插值法.根据已知两点间的插值点与这两点间的位置远近插值.当插值点距离前点
远时,取前点的值,否则取后点的值.
cubic ：3次多项式插值.根据已知数据求出一个3次多项式，然后根据多项式进行插值. spline ：3次样条插值.在每个分段（子区间）内构造一个3次多项式，使其插值函数除满足插
值条件外，还要求个节点处具有光滑条件.再根据已知数据求出样条函数后,按照样条函数插值.
运用Matlab 工具软件编写代码，并分别画出图形如下： (一)在[-6，6]中平均选取5个点作插值：
-10-5
05
10
00.20.40.60.81分段线性插值
g(x)y1-10
-5
0510-0.50
0.513次样条插值
g(x)y2
-10
-5
5
10
00.20.40.60.81最近点插值
g(x)y3
-10
-5
0510
00.20.40.60.813次多项式插值
g(x)y4
（二）在[-6，6]中平均选取11个点作插值：
-10-5
05
1000.20.40.60.81
-10
-5
051000.20.40.60.81
-10
-5
5
10
00.20.40.60.81最近点插值
-10
-5
0510
00.20.40.60.813次多项式插值
g(x )y1
g(x )y2
g(x )y3
g(x )y4
（三）在[-6，6]中平均选取21个点作插值：
-10-5
05
1000.20.40.60.81分段线性插值
-10
-5
5
1000.20.40.60.813次样条插值
-10
-5
5
10
00.20.40.60.81最近点插值
-10
-5
5
10
00.20.40.60.813次多项式插值
g(x )y1
g(x )y2
g(x )y3
g(x )y4
（四）在[-6，6]中平均选取41个点作插值
-10-5
05
1000.20.40.60.81
g(x )y1
-10
-5
051000.20.40.60.81
g(x )y2
-10
-5
5
10
00.20.40.60.81最近点插值
g(x )y3
-10
-5
0510
00.20.40.60.813次多项式插值
g(x )y4
3.6 分段插值方法的优劣性分析
从以上对比函数图象可以看出，分段线性插值其总体光滑程度不够.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.一般情况下，阶数越高光滑程度越好.分段线性插值具有零阶光滑性，也就是不光滑.3次样条插值就是较低次数的多项式而达到较高阶光滑性的方法.总体上分段线性插值具有以下特点：
优点: 1.分段线性插值在计算上具有简洁方便的特点.
2.分段线性插值与3次多项式插值函数在每个小区间上相对于原函数都有很强的收敛性，（舍入误差影响不大），数值稳定性好且容易在计算机上编程实现等优点
缺点: 分段线性插值在节点处具有不光滑性的缺点(不能保证节点处插值函数的导数连
续)，从而不能满足某些工程技术上的要求.而3次样条插值却具有在节点处光滑的特点.
常见的插值方法及其原理 这一节无可避免要接触一些数学知识，为了让本文通俗易懂，我们尽量绕开讨厌的公式等。为了进一步的简化难度，我们把讨论从二维图像降到一维上。 首先来看看最简单的‘最临近像素插值’。 A,B是原图上已经有的点，现在我们要知道其中间X位置处的像素值。我们找出X位置和A,B位置之间的距离d1,d2，如图，d2要小于d1,所以我们就认为X处像素值的大小就等于B处像素值的大小。 显然，这种方法是非常苯的，同时会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是为什么会出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。 图10，最临近法插值原理 接下来是稍微复杂点的‘线性插值’（Linear） 线性插值也很好理解，AB两点的像素值之间，我们认为是直线变化的，要求X点处的值，只需要找到对应位置直线上的一点即可。换句话说，A,B间任意一点的值只跟A,B有关。由于插值的结果是连续的，所以视觉上会比最小临近法要好一些。线性插值速度稍微要慢一点，但是效果要好不少。如果讲究速度，这是个不错的折衷。 图11，线性插值原理
其他插值方法 立方插值，样条插值等等，他们的目的是试图让插值的曲线显得更平滑，为了达到这个目的，他们不得不利用到周围若干范围内的点，这里的数学原理就不再详述了。 图12，高级的插值原理 如图，要求B,C之间X的值，需要利用B,C周围A,B,C,D四个点的像素值，通过某种计算，得到光滑的曲线，从而算出X的值来。计算量显然要比前两种大许多。 好了，以上就是基本知识。所谓两次线性和两次立方实际上就是把刚才的分析拓展到二维空间上，在宽和高方向上作两次插值的意思。在以上的基础上，有的软件还发展了更复杂的改进的插值方式譬如S-SPline, Turbo Photo等。他们的目的是使边缘的表现更完美。
Newton 插值 Newton 插值函数 Newton 插值函数是用差商作为系数，对于01,,,n x x x …这1n +个点，其一般形式为： 00100120101011()[][,]()[,,]()()[,,,]()()() n n n 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 ?=+?+??++???…………对于011,,,n x x x ?…这n 个点， 100100120101012()[][,]()[,,]()()[,,,]()()() n n n 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 ??=+?+??++???…………差商的定义 若已知函数()f x 在点(0,1,2,,)i x i n =???处的函数值()i f x 。则称： 00[]()f x f x =为函数()f x 在点0x 的0阶差商； 100110 [][] [,]f x f x f x x x x ?= ?为函数()f x 关于01,x x 的1阶差商； 120101220 [,][,] [,,]f x x f x x f x x x x x ?= ?为函数()f x 过点012,,x x x 的2阶差商； 依此类推，一般地称 121012101210 [,,,,][,,,,] [,,,,,]k k k k k k k f x x x x f x x x x f x x x x x x x ??????????????= ?为函数()f x 关于01,,,k x x x ???的 k 阶差商。 表1 差商表 i x ()i f x 1阶差商 2阶差商 3阶差商 4阶差商 0x 1x 2x 3x 4x …… 0()f x 1()f x 2()f x 3()f x 4() f x …… 01[,]f x x 12[,]f x x 23[,]f x x 34[,]f x x …… 012[,,]f x x x 123[,,]f x x x 234[,,] f x x x …… 0123[,,,]f x x x x 1234[,,,] f x x x x …… 01234[,,,,]f x x x x x …… 根据Newton 插值函数编写的C 语言编程 根据Newton 插值函数并对照上面的差商表，可编写出Newton 插值法的C 语言程序如下： #include
牛顿插值法 插值法是利用函数f (x)在某区间中若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f (x)的近似值。如果这特定函数是多项式，就称它为插值多项式。当插值节点增减时全部插值基函数均要随之变化，这在实际计算中很不方便。为了克服这一缺点，提出了牛顿插值。牛顿插值通过求各阶差商，递推得到的一个公式： f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+...f[x0,...xn](x-x0 )...(x-xn-1)+Rn(x)。 插值函数 插值函数的概念及相关性质[1] 定义：设连续函数y-f(x) 在区间[a,b]上有定义，已知在n+1个互异的点 x0,x1,…xn上取值分别为y0,y1,…yn （设a≤ x1≤x2……≤xn≤b)。若在函数类中存在以简单函数P(x) ，使得P(xi)=yi,则称P(x) 为f(x)的插值函数. 称x1,x2,…xn 为插值节点，称[a,b]为插值区间。 定理：n次代数插值问题的解存在且唯一。
牛顿插值法C程序 程序框图#include 二次插值法亦是用于一元函数在确定的初始区间内搜索极小点的一种方法。它属于曲线拟合方法的范畴。 一、基本原理 在求解一元函数的极小点时，常常利用一个低次插值多项式来逼近原目标函数，然后求该多项式的极小点(低次多项式的极小点比较容易计算)，并以此作为目标函数的近似极小点。如果其近似的程度尚未达到所要求的精度时，可以反复使用此法，逐次拟合，直到满足给定的精度时为止。 常用的插值多项式为二次或三次多项式，分别称为二次插值法和三次插值法。这里我们主要介绍二次插值法的计算公式。 假定目标函数在初始搜索区间中有三点、和 ，其函数值分别为、和(图1}，且满足，，即满足函数值为两头大中间小的性质。利用这三点及相应的函数值作一条二次曲线，其函数为一个二次多项式 （1） 式中、、为待定系数。 图1 根据插值条件，插值函数与原函数在插值结点、、处函数值相等，得 （2） 为求插值多项式的极小点，可令其一阶导数为零，即 （3） 解式(3)即求得插值函数的极小点（4） 式(4)中要确定的系数可在方程组(2)中利用相邻两个方程消去而得: （5） （6）将式(5)、(6)代入式(4)便得插值函数极小值点的计算公式： （7）把取作区间内的另一个计算点，比较与两点函数值的大小，在保持两头大中间小的前提下缩短搜索区间，从而构成新的三点搜索区间，再继续按上述 方法进行三点二次插值运算，直到满足规定的精度要求为止，把得到的最后的作为 的近似极小值点。上述求极值点的方法称为三点二次插值法。 为便于计算，可将式(7)改写为 （8） 式中： （9） （10） 二、迭代过程及算法框图 (1)确定初始插值结点 通常取初始搜索区间的两端点及中点为，， 。计算函数值，，，构成三个初始插值结点、、。 GIS空间插值（局部插值方法）实习记录 一、空间插值的概念和原理 当我们需要做一幅某个区域的专题地图，或是对该区域进行详细研究的时候，必须具备研究区任一点的属性值，也就是连续的属性值。但是，由于各种属性数据（如降水量、气温等）很难实施地面无缝观测，所以，我们能获取的往往是离散的属性数据。例如本例，我们现有一幅山东省等降雨量图，但是最终目标是得到山东省降水量专题图（覆盖全省，统计完成后，各地均具有自己的降雨量属性）。 空间插值是指利用研究区已知数据来估算未知数据的过程，即将离散点的测量数据转换为连续的数据曲面。利用空间插值，我们就可以通过离散的等降雨量线，来推算出山东省各地的降雨量了。 二、空间插值的几种方法及本次实习采用的原理和方法 –整体插值方法 ?边界内插方法 ?趋势面分析 ?变换函数插值 –局部分块插值方法 ?自然邻域法 ?移动平均插值方法：反距离权重插值 ?样条函数插值法（薄板样条和张力样条法） ?空间自协方差最佳插值方法：克里金插值 ■局部插值方法的控制点个数与控制点选择问题 局部插值方法用一组已知数据点（我们将其称为控制点）样本来估算待插值点（未知点）的值，因此控制点对该方法十分重要。 为此，第一要注意的是控制点的个数。控制点的个数与估算结果精确程度的关系取决于控制点的分布与待插值点的关系以及控制点的空间自相关程度。为了获取更精确的插值结果，我们需要着重考虑上述两点因素（横线所示）。 第二需要注意的是怎样选择控制点。一种方法是用离估算点最近的点作为控制点；另一种方法是通过半径来选择控制点，半径的大小必须根据控制点的分布来调整。 S6、按照不同方法进行空间插值，并比较各自优劣 打开ArcToolbox——Spatial Analyst 工具——插值，打开插值方法列表，如下图： 插值方法在图像处理中的应用 作者： 专业姓名学号 控制工程陈龙斌 控制工程陈少峰 控制工程殷文龙 摘要 本文介绍了插值方法在图像处理中的应用。介绍了典型的最近邻插值、双线性插值、双三次插值、双信道插值、分形插值的原理。以分形插值为重点，在图像放大领域用MATLAB进行仿真，并与其它方法的结果做了比对。指出了各种方法的利弊，期待更进一步的研究拓展新的算法以及改进现有算法。 一、引言 人类通过感觉器官从客观世界获取信息，而其中一半以上的信息都是通过视觉获得的。图像作为人类视觉信息传递的主要媒介，具有声音、语言、文字等形式无法比拟的优势，给人以具体、直观的物体形象。在数字化信息时代，图像处理已经成为重要的数据处理类型。数字图像比之传统的模拟图像处理有着不可比拟的优势。一般采用计算机处理或者硬件处理，处理的内容丰富，精度高，变通能力强，可进行非线性处理。但是处理速度就会有所不足。图像处理的主要内容有：几何处理、算术处理、图像增强、图像复原、图像重建、图像编码、图像识别、图像理解等。以上这些图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分。 日常生活中，越来越多的领域需要高分辨率图像，采用图像插值技术来提高数字图像的分辨率和清晰度，从软件方面进行改进就具有十分重要的实用价值。多媒体通信在现代网络传输中扮演重要角色，因此插值放大提高图像分辨率是一个非常重要的问题。此外，图像变换被广泛用于遥感图像的几何校正、医学成像以及电影、电视和媒体广告等影像特技处理中。在进行图像的一些几何变换时，通常都会出现输出像素坐标和输入栅格不重合的现象，也必须要用到图像插值。图像插值是图像处理中图像重采样过程中的重要组成部分，而重采样过程广泛应用于改善图像质量、进行有损压缩等，因而研究图像插值具有十分重要的理论意义和实用价值。 图像插值是一个数据再生过程。由原始图像数据再生出具有更高分辨率的图像数据。分为图像内插值和图像间插值。前者指将一幅较低分辨率的图像再生出一幅较高分辨率的图像。后者指在若干幅图像之间再生出几幅新的图像。插值过程就是确定某个函数在两个采样点之间的数值时采用的运算过程．通常是利用曲线拟合的方法进行插值算法，通过离散的输入采样点建立一个连续函数，用这个重建的函数求出任意位置处的函数值，这个过程可看作是采样的逆过程。 20世纪40年代末，香农提出了信息论，根据采样定理，若对采样值用sinc函数进行插值，则可准确地恢复原函数，于是sinc函数被接受为插值函数，也称为理想插值函数。理想插值函数有两个缺点： （1）它虽然对带限信号可以进行无错插值，但实际中带限信号只是一小部分信号。 （2）sinc函数的支撑是无限的，而没有函数既是带限的，又是紧支撑的。 为了解决这个问题，经典的办法是刚窗函数截断sinc函数，这个窗函数必须在0剑l 之间为正数，在l到2之间为负数。sinc函数对应的是无限冲激响应，不适于有限冲激相应来进行局部插值。对数字图像来说，对图像进行插值也称为图像的重采样。它分为两个步骤：将离散图像插值为连续图像以及对插值结果图像进行采样。 经典的图像插值算法是利用邻近像素点灰度值的加权平均值来计算未知像素点处的灰度值，而这种加权平均一般表现表现为信号的离散采样值与插值基函数之间的二维卷积。这种基于模型的加权平均的图像插值方法统称为线性方法。经典的插值方法有：最近邻域法，双线性插值，双三次B样条插值，双三次样条插值，sinc函数等。线性方法，它们一个共同点就是，所有这些基函数均是低通滤波器，对数据中的高频信息都具有滤除和抑制效应，因 牛顿插值法的分析与应用 学生： 班级： 学号： ： 指导教师： 成绩： 一．定义 )(x f 关于i x 的零阶差商 )(][i i x f x f = )(x f 关于i x ，j x 的一阶差商 i j i j j i x x x f x f x x f --= ][][],[ 依次类推，)(x f 关于i x ，1+i x ，……，k i x +的k 阶差商 i k i k i i k i i k i i i x x x x f x x f x x x f --= +-+++++] ,,[],,[],,,[111 二. 牛顿插值多项式 设给定的n+1个互异点))(,(k k x f x ，n k ,,1,0 =，j i x x ≠，j i ≠， 称满足条件 )()(k k n x f x N =，n k ,,1,0 = 的n 次多项式 )()](,,,[)](,[][)(10100100---++-+=n n n x x x x x x x f x x x x f x f x N 为Newton 插值多项式，称 ],[,)(],,,[)()()(0 10b a x x x x x x f x N x f x E n j j n n ∈-=-=∏= 为插值余项。 三.算法 步骤1：输入节点（xj ，yj ），精度ξ，计值点xx ，f0→p ，1→T ，1→i ； 步骤2：对k=1，2，……，i 依次计算k 阶均差 f[xi-k,xi-k+1,…,xi] = (f[xi-k+1,…,xi]- f[xi-k,…,xi])/( xi -xi-k ) 步骤3：（1）、若| f[x1,…,xi]- f[x0,…,xi-1]|< ξ，则p 为最终结果Ni-1(x)，余项Ri-1= f[x0,…,xi](xx-xi-1)T 。 （2）、否则(xx-xi-1)*T →T ，p+ f[x0,…,xi]*T →p ，转步骤4。 步骤4：若i CENTRAL SOUTH UNIVERSITY 数值分析实验报告 三次样条插值方法的应用 一、问题背景 分段低次插值函数往往具有很好的收敛性，计算过程简单，稳定性好，并且易于在在电子计算机上实现，但其光滑性较差，对于像高速飞机的机翼形线船体放样等型值线往往要求具有二阶光滑度，即有二阶连续导数，早期工程师制图时，把富有弹性的细长木条（即所谓的样条）用压铁固定在样点上，在其他地方让他自由弯曲，然后沿木条画下曲线，称为样条曲线。样条曲线实际上是由分段三次曲线并接而成，在连接点即样点上要求二阶导数连续，从数学上加以概括就得到数学样条这一概念。下面我们讨论最常用的三次样条函数及其应用。 二、数学模型 样条函数可以给出光滑的插值曲线（面），因此在数值逼近、常微分方程和偏微分方程的数值解及科学和工程的计算中起着重要的作用。 设区间[]b ,a 上给定有关划分b x x n =<<<= 10x a ，S 为[]b ,a 上满足下面条件的函数。 ● )(b a C S ,2∈； ● S 在每个子区间[]1,+i i x x 上是三次多项式。 则称S 为关于划分的三次样条函数。常用的三次样条函数的边界条件有三种类型： ● Ⅰ型 ()()n n n f x S f x S ''0'',==。 ● Ⅱ型 ()()n n n f x S f x S ''''0'''',==，其特殊情况为()()0''''==n n x S x S 。 ● Ⅲ型 ()() 3,2,1,0,0==j x S x S n j j ，此条件称为周期样条函数。 鉴于Ⅱ型三次样条插值函数在实际应用中的重要地位，在此主要对它进行详细介绍。 三、算法及流程 按照传统的编程方法，可将公式直接转换为MATLAB 可是别的语言即可；另一种是运用矩阵运算，发挥MATLAB 在矩阵运算上的优势。两种方法都可以方便地得到结果。方法二更直观，但计算系数时要特别注意。这里计算的是方法一的程序，采用的是Ⅱ型边界条件，取名为spline2.m 。 Matlab 代码如下： function s=spline2(x0,y0,y21,y2n,x) %s=spline2(x0,y0,y21,y2n,x) %x0,y0 are existed points,x are insert points,y21,y2n are the second 实验二插值法 1、实验目的： 1、掌握直接利用拉格郎日插值多项式计算函数在已知点的函数值；观察拉格郎日插值的龙格现象。 2、了解Hermite插值法、三次样条插值法原理，结合计算公式，确定函数值。 2、实验要求: 1)认真分析题目的条件和要求，复习相关的理论知识，选择适当的解决方案和算法； 2)编写上机实验程序，作好上机前的准备工作； 3)上机调试程序，并试算各种方案，记录计算的结果（包括必要的中间结果）； 4)分析和解释计算结果； 5)按照要求书写实验报告； 3、实验内容： 1) 用拉格郎日插值公式确定函数值；对函数f(x)进行拉格郎日插值，并对f(x)与插值多项式的曲线作比较。 已知函数表：（0.56160,0.82741）、（0.56280,0.82659）、（0.56401,0.82577）、（0.56521,0.82495）用三次拉格朗日插值多项式求x=0.5635时函数近似值。 2) 求满足插值条件的插值多项式及余项 1) 4、题目：插值法 5、原理： 拉格郎日插值原理： n次拉格朗日插值多项式为：L n (x)=y l (x)+y 1 l 1 (x)+y 2 l 2 (x)+…+y n l n (x) n=1时，称为线性插值， L 1(x)=y (x-x 1 )/(x -x 1 )+y 1 (x-x )/(x 1 -x )=y +(y 1 -x )(x-x )/(x 1 -x ) n=2时，称为二次插值或抛物线插值， L 2(x)=y (x-x 1 )(x-x 2 )/(x -x 1 )/(x -x 2 )+y 1 (x-x )(x-x 2 )/(x 1 -x )/(x 1 -x 2 )+y 2 (x -x 0)(x-x 1 )/(x 2 -x )/(x 2 -x 1 ) n=i时， Li= （X-X0）……(X-X i-1)(x-x i+1) ……(x-x n) （X-X0）……(X-X i-1)(x-x i+1) ……(x-x n) 6、设计思想： 拉格朗日插值法是根据n + 1个点x0, x1, ... x n(x0 < x1 < ... x n)的函数值f (x0), f (x1) , ... , f (x n)推出n次多項式p(x)，然后n次多項式p (x)求出任意的点x对应的函数值f (x)的算法。 7、对应程序： 1 ) 三次拉格朗日插值多项式求x=0.5635时函数近似值 #include"stdio.h" #define n 5 void main() { int i,j; float x[n],y[n]; float x1; float a=1; float b=1; float lx=0; printf("\n请输入想要求解的X：\n x="); scanf("%f",&x1); printf("请输入所有点的横纵坐标：\n"); for(i=1;i 《财务管理》教学中插值法的快速理解和掌握 摘要在时间价值及内部报酬率计算时常用到插入法，但初学者对该方法并不是很容易理解和掌握。本文根据不同情况分门别类。利用相似三角形原理推导出插入法计算用公式。并将其归纳为两类：加法公式和减法公式，简单易懂、理解准确、便于记忆、推导快捷。 关键词插入法；近似直边三角形；相似三角形 时间价值原理正确地揭示了不同时点上资金之间的换算。是财务决策的基本依据。为此，财务人员必须了解时间价值的概念和计算方法。但在教学过程中。笔者发现大多数教材插值法(也叫插入法)是用下述方法来进行的。如高等教育出版社2000年出版的《财务管理学》P62对贴现期的。 事实上，这样计算的结果是错误的。最直观的判断是：系数与期数成正向关系。而4.000更接近于3.791。那么最后的期数n应该更接近于5，而不是6。正确结果是：n=6-0.6=5.4(年)。由此可见，这种插入法比较麻烦，不小心时还容易出现上述错误。 笔者在教学实践中用公式法来进行插值法演算，效果很好，现分以下几种情况介绍其原理。 一、已知系数F和计息期n。求利息率i 这里的系数F不外乎是现值系数(如：复利现值系数PVIF年金现值系数PVIFA)和终值系数(如：复利终值系数FVIF、年金终值系数FVIFA)。 (一)已知的是现值系数 那么系数与利息率(也即贴现率)之间是反向关系：贴现率越大系数反而越小，可用图1表示。 图1中。F表示根据题意计算出来的年金现值系数(复利现值系数的图示略有不同，在于i可以等于0，此时纵轴上的系数F等于1)，F为在相应系数表中查到的略大于F的那个系数，F对应的利息率即为i。查表所得的另一个比F略小的系数记作F，其对应的利息率为i。 多种插值法比较与应用 （一）Lagrange 插值 1． Lagrange 插值基函数 n+1个n 次多项式 ∏ ≠=--=n k j j j k j k x x x x x l 0)( n k ,,1,0ΛΛ= 称为Lagrange 插值基函数 2． Lagrange 插值多项式 设给定n+1个互异点))(,(k k x f x ，n k ,,1,0ΛΛ=，j i x x ≠，j i ≠，满足插值条件 )()(k k n x f x L =，n k ,,1,0ΛΛ= 的n 次多项式 ∏∏ ∏=≠==--==n k n k j j j k j k k n k k n x x x x x f x l x f x L 0 00 ))(()()()( 为Lagrange 插值多项式，称 ∏=+-+=-=n j j x n n x x n f x L x f x E 0 )1()()!1()()()()(ξ 为插值余项，其中),()(b a x x ∈=ξξ （二）Newton 插值 1．差商的定义 )(x f 关于i x 的零阶差商 )(][i i x f x f = )(x f 关于i x ，j x 的一阶差商 i j i j j i x x x f x f x x f --= ][][],[ 依次类推，)(x f 关于i x ，1+i x ，……，k i x +的k 阶差商 i k i k i i k i i k i i i x x x x f x x f x x x f --= +-+++++] ,,[],,[],,,[111ΛΛΛΛΛ 2． Newton 插值多项式 设给定的n+1个互异点))(,(k k x f x ，n k ,,1,0ΛΛ=，j i x x ≠，j i ≠， 称满足条件 )()(k k n x f x N =，n k ,,1,0ΛΛ= 的n 次多项式 )()](,,,[)](,[][)(10100100---++-+=n n n x x x x x x x f x x x x f x f x N ΛΛΛΛΛ 为Newton 插值多项式，称 ],[,)(],,,[)()()(010b a x x x x x x f x N x f x E n j j n n ∈-=-=∏=ΛΛ 为插值余项。 （三）Hermite 插值 设],[)(1b a C x f ∈，已知互异点0x ，1x ，…，],[b a x n ∈及所对应的函数值为0f ，1f ，…，n f ，导数值为'0f ，'1f ，…，'n f ，则满足条件 n i f x H f x H i i n i i n ,,1,0,)(,)(''1212Λ===++ 的12+n 次Hermite 插值多项式为 )()()(0 '12x f x f x H j n j j j n j i n βα∏∏=++= 其中 )())((,)]()(21[)(2 2'x l x x x l x l x x x j j j j j j j j ---=βα 牛顿插值法在处理磁化曲线和铁损曲线 中的应用 指导老师：李国霞 院系：物理工程学院 专业：物理电子学 姓名：夏委委 学号：201112131526 一、牛顿插值法简介 在科学研究与其他领域中所遇到的许多实际问题中，经常会出现函数不便于处理或计算的情形。有时候函数关系没有明显的解析表达式，需要根据实验数据或其他方法来确定与自变量的某些值相对应的函数值；有时候函数虽有明显的解析表达式，但是使用很不方便。因此，在实际应用中，往往需要对实际使用的函数建立一个简单的便于处理和计算的近似表达式，即用一个简单的函数表达式来近似替代原来复杂的函数。与用近似数代替准确值一样，这也是计算法中最基本的概念和方法之一。近似代替又称为逼近。用多项式逼近列表函数的问题即为多项式插值问题。根据函数)(x f 已有的数据表格来计算函数)(x f 在一些新的点x 处的函数值，这就是插值法所要解决的问题。因此，所谓的插值法就是在所给定的函数表格中间在插入一些所需要的新的点上的函数值。 插值法的基本思想：首先设法根据表格中已有的函数值来构造一个简单的函数)(x y 作为)(x f 的近似表达式，然后再用)(x y 来计算新的点上的函数值作为 )(x f 的近似值。通常可以选用多项式函数作为近似函数)(x y ，因为多项式具有 各阶的导数，求值比较方便。用代数多项式作为工具研究插值问题，通常称为代数插值。 代数插值法问题的完整提法如下：设函数)(x f y =在区间[]b a ,上是连续的，且已知)(x f 在区间[]b a ,上1+n 个互异点处的函数值，即n i x f y i i ,......1,0),(== 其中，)(j i x x j i ≠≠。寻找一个次数不高于 n 的多项式 0111)(a x a x a x a x P n n n n n +++=-- 使满足条件n i x f x P i i n ,,1,0),()( ==称)(x P n 为)(x f 的插值多项式，),,1,0(n i x i =称为插值结点，[]b a ,称为插值区间。 牛顿(Newton)插值是数值逼近中的一个重要部分,它向前继承了拉格朗日(Lagrange)插值,向后引出了埃尔米特(Hermite)插值,可以看作对多项式插值作了一个简单的统一。牛顿插值公式具有形式简单,便于计算等优点。因此,在插值中得到广泛的应用。牛顿插值公式为)()()(x R x P x f n n +=，其中)(x P n 是牛顿插值多项式，)(x R n 为牛顿插值余项，)(x P n 和)(x R n 的表达式如下式所示： 插值法的应用与比较 信科1302 万贤浩 13271038 1格朗日插值法 在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·路易斯·拉格朗日命名的一种多项式插值方法.许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解.如对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点取到观测到的值.这样的多项式称为拉格朗日（插值）多项式.数学上来说，拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数.拉格朗日插值法最早被英国数学家爱德华·华林于1779年发现，不久后由莱昂哈德·欧拉再次发现.1795年，拉格朗日在其著作《师范学校数学基础教程》中发表了这个插值方法，从此他的名字就和这个方法联系在一起. 1.1拉格朗日插值多项式 图1 已知平面上四个点：(?9, 5), (?4, 2), (?1, ?2), (7, 9)，拉格朗日多项式：)(x L （黑色）穿过所有点.而每个基本多项式：)(00x l y ,)(11x l y , )(22x l y 以及)(x l y ??各穿过对应的一点，并在其它的三个点的x 值上取零. 对于给定的若1+n 个点),(00y x ,),(11y x ,………),(n n y x ，对应于它们的次数不超过n 的拉格朗日多项式L 只有一个.如果计入次数更高的多项式，则有无穷个，因为所有与L 相差 ))((10x x x x --λ……)(n x x -的多项式都满足条件. 对某个多项式函数，已知有给定的1+k 个取值点： ),(00y x ,……,),(k k y x , 摘要在时间价值及内部报酬率计算时常用到插入法，但初学者对该方法并 不是很容易理解和掌握。本文根据不同情况分门别类。利用相似三角形原理推 导出插入法计算用公式。并将其归纳为两类：加法公式和减法公式，简单易懂、理解准确、便于记忆、推导快捷。 关键词插入法；近似直边三角形；相似三角形 时间价值原理正确地揭示了不同时点上资金之间的换算。是财务决策的基 本依据。为此，财务人员必须了解时间价值的概念和计算方法。但在教学过程中。笔者发现大多数教材插值法(也叫插入法)是用下述方法来进行的。如高等 教育出版社2000年出版的《财务管理学》P62对贴现期的。 事实上，这样计算的结果是错误的。最直观的判断是：系数与期数成正向 关系。而4.000更接近于3.791。那么最后的期数n应该更接近于5，而不是6。正确结果是：n=6-0.6=5.4(年)。由此可见，这种插入法比较麻烦，不小心时还容易出现上述错误。 笔者在教学实践中用公式法来进行插值法演算，效果很好，现分以下几种 情况介绍其原理。 一、已知系数F和计息期n。求利息率i 这里的系数F不外乎是现值系数(如：复利现值系数PVIF年金现值系数PVIFA)和终值系数(如：复利终值系数FVIF、年金终值系数FVIFA)。 (一)已知的是现值系数 那么系数与利息率(也即贴现率)之间是反向关系：贴现率越大系数反而越小，可用图1表示。 图1中。F表示根据题意计算出来的年金现值系数(复利现值系数的图示略 有不同，在于i可以等于0，此时纵轴上的系数F等于1)，F为在相应系数表 中查到的略大于F的那个系数，F对应的利息率即为i。查表所得的另一个比F 略小的系数记作F，其对应的利息率为i。 数学系 信息与计算科学1班 李平 指导老师：唐振先 摘要:插值在诸如机械加工等工程技术和数据处理等科学研究中有许多直接的应用,在很多领域都要用插值的办法找出表格和中间值,插值还是数值积分微分方程数值解等数值计算的基础。本文归纳了几种常用的插值方法,并简单分析了其各自的优缺点。 关键词:任意阶多项式插值,分段多项式插值。 引言:所谓插值,通俗地说就是在若干以知的函数值之间插入一些未知函数值,而插值函数的类型最简单的选取是代数多项式。用多项式建立插值函数的方法主要用两种：一种是任意阶的插值多项式,它主要有三种基本的插值公式：单项式,拉格朗日和牛顿插值；另一种是分段多项式插值,它有Hermite 和spine 插值和分段线性插值。 一．任意阶多项式插值： 1.用单项式基本插值公式进行多项式插值： 多项式插值是求通过几个已知数据点的那个n-1阶多项式,即P n-1(X)=A 1+A 2X+…A n X n-1,它是一个单项式基本函数X 0,X 1…X n-1的集合来定义多项式,由已知n 个点（X,Y ）构成的集合,可以使多项式通过没数据点,并为n 个未知系数Ai 写出n 个方程,这n 个方程组成的方程组的系数矩阵为Vandermonde 矩阵。 虽然这个过程直观易懂,但它都不是建立插值多项式最好的办法,因为Vandermonde 方程组有可能是病态的,这样会导致单项式系数不确定。另外,单项式中的各项可能在大小上有很大的差异,这就导致了多项式计算中的舍入误差。 2.拉格朗日基本插值公式进行插值： 先构造一组插值函数L i （x ） =011011()()()() ()()()() i i n i i i i i i n x x x x x x x x x x x x x x x x -+-+--------，其中i=0，… n.容易看出n 次多项式L i （x ）满足L i （x ）=1，（i=j ）；L i （x ）=0，（i ≠j ），其中i=0，1…n ，令L i （x ）=0()n i i i y l x =∑这就是拉格朗日插值多项式。与单项式基本 函数插值多项式相比,拉格朗日插值有2个重要优点:首先,建立插值多项式不需要求解方程组；其次,它的估计值受舍入误差要小得多。拉格朗日插值公式结构 插值法的方法与应用 武汉科技大学城市建设学院 琚婷婷 结构工程 201108710014 【摘要】文章讨论插值法在数值分析中的中心地位和重要作用，比较插值法间的优缺点，应用以及各种方法之间的相互联系。 【关键词】插值法；应用。 1．插值问题的提出 在许多实际问题及科学研究中，因素之间往往存在着函数关系，但是这些关系的显示表达式不一定都知道，通常只是由观察或测试得到一些离散数值，所以只能从这些数据构造函数的近似表达式，有时虽然给出了解析表达式，但由于解析表达式过于复杂，使用或计算起来十分麻烦。这就需要建立函数的某种近似表达，而插值法就是构造函数的近似表达式的方法。 2．插值法的数学表达 由于代数多项式是最简单而又便于计算的函数，所以经常采用多项式作为插值函数，称为多项式插值。多项式插值法有拉格朗日插值法，牛顿插值法、埃尔米特插值法，分段插值法和样条插值法等。其基本思想都是用高次代数多项式或分段的低次多项式作为被插值函数f (x)的近似解析表达式。 3．常用多项式插值公式构造 (I)拉格朗日插值 n 次拉格朗日插值多项式p n (x)对可表示为 p n (x)= y i l i (x)n i=0= y i ( x ?x j x i ?x j n j ≠0i ≠j n i=0) 其中l i x ,i =0,1,2???,n 称为插值基函数，插值余项为： R n (x)= f (x)- p n (x)=f n +1 (ξ) n+1 ！ (x ?x i )n i=0 拉格朗日插值多项式在理论分析中非常方便，因为它的结构紧凑，利用基函 数很容易推导和形象的描述算法，但是也有一些缺点，当插值节点增加、减少或其位置变化时，整个插值多项式的结构都会改变，这就不利于实际计算，增加了算法复杂度，此时我们通常采用牛顿插值多项式算法。 (2)牛顿插值多项式 牛顿插值多项式为 N(x)=f(x0)+f x0,x1(x?x0)++???+f［x0,x1,???,x n］(x?x0)(x?x1)???(x?x n?1)用它插值时，首先要计算各阶差商，而各高阶差商可归结为一阶差商的逐次计算。一般情况讨论的插值多项式的节点都是任意分布的，但是在实际应用中，出现了很多等距节点的情形，这时的插值公式可以进一步简化，在牛顿均差插值多项式中各阶均差用相应的差分代替，就得到了各种形式的等距节点插值公式，常用的是牛顿前插与后插公式。 (3)分段插值 在整个插值区间上，随着插值节点的增多，插值多项式的次数必然增高，而高次插值会产生Runge现象，不能有效的逼近被插函数，人们提出用分段的低次多项式分段近似被插函数，这就是分段插值法。构造分段插值多项式的方法仍然是基函数法，即先在每个插值节点上构造分段线性插值基函数，再对基函数作线性组合。它的优点在于只要节点间距充分小，总能获得所要求的精度，即收敛性总能得到保证，另一优点是它的局部性质，即如果修改某个数据，那么插值曲线仅仅在某个局部范围内受到影响。 (4)Hermite插值 分段线性插值的算法简单，计算量小，然而从整体上看，逼近函数不够光滑，在节点处，逼近函数的左右导数不相等，若要求逼近函数与被逼近函数不仅在插值节点上取相同的函数值，而且还要求逼近函数与被逼近函数在插值节点上取相同的若干阶导数值，这类问题称为Hermite插值。 (5)样条插值 通常我们用到的分段三次埃尔米特插值构造的是一个整体上具有一阶光滑性的插值多项式，但在实际中，对光滑性的要求更高。如飞机外形的理论模型，舶体放样等型值线等常要求有二阶的光滑度。工程上常用的是3次样条函数s(x)。其基本思想是将插值区间n等分后，在每一个小区间上，采用分段3次Hermite 数学与统计学院课程设计报告 课程：数值分析 题目：拉格朗日插值的算法设计及应用年级：三年级 专业：数学与应用数学 学号：08063008 姓名：肖天天 指导教师：宁娣 2010年 12 月 8 日 数学与统计学院本科课程设计 拉格朗日插值的算法设计及应用 【摘要】 本文简介拉格朗日插值，它的算法及程序和拉格朗日在实际生活中的运 用。运用了拉格朗日插值的公式，以及它在MA TLAB 中的算法程序，并用具体例子说明。拉格朗日插值在很多方面都可以运用，具有很高的应用价值。 【关键词】 拉格朗日；插值；公式；算法程序；应用；科学。 一、绪论 约瑟夫·拉格朗日(Joseph Louis Lagrange)，法国数学家、物理学家。他在数学、力学和天文学三个学科领域中都有历史性的贡献，其中尤以数学方面的成就最为突出。拉格朗日对流体运动的理论也有重要贡献，提出了描述流体运动的拉格朗日方法。数据建模有两大方法：一类是插值方法，另一类是拟合函数一般的说，插值法比较适合数据准确或数据量小的情形。然而Lagrange 插值有很多种，1阶，2阶,…n 阶。我们可以利用拉格朗日插值求方程，根据它的程序求原方程的图像。下面我具体介绍分析一下拉格朗日插值的算法设计及应用。 二、正文 1、基本概念 已知函数y=f(x)在若干点i x 的函数值i y =()i x f （i=0,1,???,n ）一个差值问题就是求一“简单”的函数p(x)：p(i x )=i y ,i=0,1,???,n, (1) 则p(x)为f(x)的插值函数，而f(x)为被插值函数会插值原函数，0x ，1x ，2x ，...,n x 为插值节点，式（1）为插值条件，如果对固定点- x 求f(- x )数值解，我们称- x 为一个插值节点，f(- x )≈p(- x )称为- x 点的插值，当- x ∈[min(0x ，1x ，2x ，...,n x )，max(0x ，1x ，2x ，...,n x )]时，称为内插，否则称为外插式外推，特别地，当p(x)为不超过n 次多项式时称为n 阶Lagrange 插值。 2、Lagrange 插值公式 （1）线性插值)1(1L 设已知0x ，1x 及0y =f(0x ) ,1y =f(1x ),)(1x L 为不超过一次多项式且满足 )(01x L =0y ,)(11x L =1y ,几何上，) (1x L 为过（0x ，0y ），（1x ，1y ）的直线，从而得到 )(1x L =0y + 101x x y y --（x-0x ）. （2） 实验报告内容： 一：不动点迭代法解方程 二：牛顿插值法的MATLAB实现 完成日期：2012年6月21日星期四 数学实验报告一 日期：2012-6-21 所以，确定初值为x0=1 二：不断迭代 算法： 第一步：将f(x0)赋值给x1 第二步：确定x1-x0的绝对值大小，若小于给定的误差值，则将x1当做方程的解，否则回到第一步 编写计算机程序： clear f=inline('0.5*sin(x)+0.4'); x0=1; x1=f(x0); k=1; while abs(x1-x0)>=1.0e-6 x0=x1; x1=f(x0); k=k+1; fprintf('k=%.0f,x0=%.9f,x1=%.9f\n',k,x0,x1) end 显示结果如下： k=2,x0=0.820735492,x1=0.765823700 k=3,x0=0.765823700,x1=0.746565483 k=4,x0=0.746565483,x1=0.739560873 k=6,x0=0.736981783,x1=0.736027993 k=7,x0=0.736027993,x1=0.735674699 k=8,x0=0.735674699,x1=0.735543758 k=9,x0=0.735543758,x1=0.735495216 k=10,x0=0.735495216,x1=0.735477220 k=11,x0=0.735477220,x1=0.735470548 k=12,x0=0.735470548,x1=0.735468074 k=13,x0=0.735468074,x1=0.735467157 >>。。。 以下是程序运行截图： 目录： 一、 引言 二、 插值及多项式插值的介绍 三、 拉格朗日插值的理论及实验 四、 拉格朗日插值多项式的截断误差及实用估计式 五、 参考文献 一、引言 插值在数学发展史上是个古老问题。插值是和拉格朗日（Lagrange ）、牛顿（Newton ）、高斯（Gauss ）等著名数学家的名字连在一起的。在科学研究和日常生活中，常常会遇到计算函数值等一类问题。插值法有很丰富的历史渊源，它最初来源人们对天体研究——有若干观测点（我们称为节点）计算任意时刻星球的位置（插值点和插值）。现在，人们在诸如机械加工等工程技术和数据处理等科研都有很好的应用，最常见的应用就是气象预报。插值理论和方法能解决在实际中当许多函数表达式未知或形式复杂，如何去构造近似表达式及求得在其他节点处的值的问题。 二、插值及多项式插值 1、插值问题的描述 设已知某函数关系()y f x =在某些离散点上的函数值： 插值问题：根据这些已知数据来构造函数()y f x =的一种简单的近似表达式，以便于计算点,0,1,,i x x i n ≠=的函数值()f x ，或计算函数的一阶、二阶导数 值。 2、插值的几何意义 x x 0 y y 1 y 1 n y -n y 1 x 1 n x -n x 插值的几何意义如图1所示： 图1 3、多项式插值 基本概念 假设()y f x =是定义在区间,a b ????上的未知或复杂函数，但一直该函数在点01n a x x x b ≤<< <≤处的函数值01,,n y y y 。找一个简单的函数，例如函数 ()P x ，使之满足条件 (),0,1,2, ,,i P x y i n == （） 通常把上述01n x x x << < 称为插值节点，把()P x 称为()f x 的插值多项 式，条件（）称为插值条件，并把求()P x 的过程称为插值法。 插值多项式的存在性和唯一性 如果插值函数是如下m 次的多项式： 1011()m m m m m P x a x a x a x a --=++ + 那么插值函数的构造就是要确定()m P x 表达式中的m+1个系数 011,, ,m m a a a a -。由于插值条件包含n+1独立式，只要m=n 就可证明插值函数多 项式是唯一存在。 实际上，由n+1个插值条件可得二次插值算法
arcgis空间内插值教程
插值法在图像处理中的运用要点
牛顿插值法的分析与应用
三次样条插值方法的应用
插值法实验报告
插值法的原理
几种插值法比较与应用
牛顿插值法的应用
几种插值法的应用和比较
《财务管理》教学中插值法的快速理解和掌握
几种常用的插值方法
插值法的分类与应用
拉格朗日插值算法及应用实验报告
matlab(迭代法-牛顿插值)Word版
拉格朗日插值法理论及误差分析
相关主题
文本预览