2 天津大学化工数学第二章 1 插值法

插值法的简化公式
插值法是一种用于在有限数据点之间插入未知点的数值方法。

在数学中，我们可以使用插值法来建立函数模型，从而预测未知点的数值。

插值法有许多种不同的形式，其中最常见的是线性插值、二次插值和三次插值等。

在应用插值法时，我们需要提供一组数据点，这些数据点通常被称为样本点。

然后，我们使用插值法来插入未知点，以建立函数模型。

在数学中，我们可以使用各种插值公式来计算未知点的数值。

其中一种最常见的插值公式是线性插值公式，它用于在两个数据点之间插入未知点。

线性插值公式如下:
y = ax + b
其中，y 是我们要插入的未知点的数值，x 是我们提供的数据点之一，a 和 b 是常数，它们取决于我们所应用的插值法类型。

在实际应用中，线性插值公式通常不足以满足我们的需求，因为我们需要更多的插值精度来预测未知点的数值。

因此，我们通常使用更高级的插值法，例如二次插值法和三次插值法。

这些插值法通常可以提供更准确的插值结果，并且可以更好地适应数据点之间的变化趋势。

在应用插值法时，我们需要谨慎选择插值法类型，以确保我们的函数模型能够提供准确的预测结果。

同时，我们也需要考虑到数据质量和数据点的数量，这些因素都会影响我们的插值结果。

第二章插值法2.在区间[-1,1]上分别取n=10,20用两组等距节点对龙哥函数f(x)=1/(1+25*x^2)做多项式插值及三次样条插值，对每个n值，分别画出插值函数及f（x）的图形。

（1）多项式插值①先建立一个多项式插值的M-file；输入如下的命令（如牛顿插值公式）：function [C,D]=newpoly(X,Y)n=length(X);D=zeros(n,n)D(:,1)=Y'for j=2:nfor k=j:nD(k,j)=(D(k,j-1)- D(k-1,j-1))/(X(k)-X(k-j+1));endendC=D(n,n);for k=(n-1):-1:1C=conv(C,poly(X(k)))m=length(C);C(m)= C(m)+D(k,k);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.2:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.2:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：③当n=20时，我们在命令窗口中输入以下的命令：clear,clf,hold on;X=-1:0.1:1;Y=1./(1+25*X.^2);[C,D]=newpoly(X,Y);x=-1:0.01:1;y=polyval(C,x);plot(x,y,X,Y,'.');grid on;xp=-1:0.1:1;z=1./(1+25*xp.^2);plot(xp,z,'r')得到插值函数和f（x）图形：（2）三次样条插值①先建立一个多项式插值的M-file；输入如下的命令:function S=csfit(X,Y,dx0,dxn)N=length(X)-1;H=diff(X);D=diff(Y)./H;A=H(2:N-1);B=2*(H(1:N-1)+H(2:N));C=H(2:N);U=6*diff(D);B(1)=B(1)-H(1)/2;U(1)=U(1)-3*(D(1));B(N-1)=B(N-1)-H(N)/2;U(N-1)=U(N-1)-3*(-D(N));for k=2:N-1temp=A(k-1)/B(k-1);B(k)=B(k)-temp*C(k-1);U(k)=U(k)-temp*U(k-1);endM(N)=U(N-1)/B(N-1);for k=N-2:-1:1M(k+1)=(U(k)-C(k)*M(k+2))/B(k);endM(1)=3*(D(1)-dx0)/H(1)-M(2)/2;M(N+1)=3*(dxn-D(N))/H(N)-M(N)/2;for k=0:N-1S(k+1,1)=(M(k+2)-M(k+1))/(6*H(k+1));S(k+1,2)=M(k+1)/2;S(k+1,3)=D(k+1)-H(k+1)*(2*M(k+1)+M(k+2))/6;S(k+1,4)=Y(k+1);end②当n=10时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.2:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：②当n=20时，我们在命令窗口中输入以下的命令：clear,clcX=-1:0.1:1;Y=1./(25*X.^2+1);dx0= 0.0739644970414201;dxn= -0.0739644970414201; S=csfit(X,Y,dx0,dxn)x1=-1:0.01:-0.5;y1=polyval(S(1,:),x1-X(1));x2=-0.5:0.01:0;y2=polyval(S(2,:),x2-X(2));x3=0:0.01:0.5; y3=polyval(S(3,:),x3-X(3));x4=0.5:0.01:1;y4=polyval(S(4,:),x4-X(4));plot(x1,y1,x2,y2,x3,y3,x4,y4, X,Y,'.')结果如图：第三章函数逼近与快速傅里叶变换2. 由实验给出数据表x 0.0 0.1 0.2 0.3 0.5 0.8 1.0y 1.0 0.41 0.50 0.61 0.91 2.02 2.46试求3次、4次多项式的曲线拟合，再根据数据曲线形状，求一个另外函数的拟合曲线，用图示数据曲线及相应的三种拟合曲线。

数值分析第2章插值法插值法是数值分析中常用的一种数值逼近方法，用于在给定一组有限数据点的情况下，通过构造合适的数学模型来估计这些数据点之间的未知数值。

插值法的应用广泛，包括图像处理、计算机辅助设计、数值计算等领域。

常见的插值方法有拉格朗日插值、牛顿插值、埃尔米特插值以及样条插值等。

这些方法都是基于多项式的插值形式，通过构造一个多项式函数来逼近数据点，并据此对未知点进行估计。

拉格朗日插值是一种基于拉格朗日多项式的插值方法。

对于给定的n+1个不同的数据点 (x0, y0), (x1, y1), ..., (xn, yn)，拉格朗日插值构造了一个n次多项式Ln(x)，满足：Ln(x) = y0L0(x) + y1L1(x) + ... + ynLn(x)其中，L0(x),L1(x),...,Ln(x)是拉格朗日基函数，定义为：Lk(x) = ∏(i≠k)(x - xi)/(xk - xi) (k = 0, 1, ..., n)拉格朗日插值方法的优点是简单易用，但随着数据点数量的增加，拉格朗日多项式的计算复杂度也会大大增加。

牛顿插值是另一种基于多项式的插值方法，它使用差商的概念来构造插值多项式。

对于给定的n+1个不同的数据点 (x0, y0), (x1, y1), ..., (xn, yn)，牛顿插值构造了一个n次多项式Nn(x)，满足：Nn(x) = y0 + c0(x - x0) + c1(x - x0)(x - x1) + ... + cn(x -x0)(x - x1)...(x - xn-1)其中，c0 = Δy0/(x0 - x1)，ci = Δyi/(xi - xi+1) (i = 0, 1, ..., n-1)，Δyi = yi+1 - yi。

牛顿插值方法相比于拉格朗日插值方法，在计算多项式时具有更高的效率，尤其是在需要更新数据点时。

此外，牛顿插值方法还可以通过迭代的方式得到更高次数的插值多项式。