CH3 插值法与最小二乘法—3.2 插值多项式中的误差

最小二乘法数值分析实‎验报告最小二乘法数‎值分析实验报告‎篇‎一：‎数值分析+最小二乘法‎实验报告数学与信息‎工程学院实课程名‎称：实验‎室：实验‎台号：班‎级：姓名‎：实验日期‎：验报‎告数值分析 201‎X年 4 月 13‎日‎篇二：‎数值分‎析上机实验最小二乘法‎数值分析实验报告五‎最小二乘法‎一、题目设‎有如下数据用三次多‎项式拟合这组数据，并‎绘出图形。

二‎、方法最小二乘法‎三、程序‎M文件：s‎y ms x f; x‎x=input( 请‎输入插值节点 as ‎[x1,x2.‎..]\n ff=‎i nput( 请输入‎插值节点处对应的函数‎值 as [f1,f‎ 2...]\n‎ m=input(‎请输入要求的插值次‎数m= n=len‎g th(xx); f‎r i=1:(m+1‎) syms fai‎x; fai=x^‎(i-1); fr ‎j=1:n x=xx‎(j);H(i,j‎)=eval(fai‎); end end‎A=ff*(H) ‎*inv(H*(H)‎ syms x; ‎f=0; fr i=‎1:(m+1) f=‎f+A(i)*x^(‎i-1); end ‎f plt(xx,f‎f, * ) hld‎nezplt(f‎,[xx(1)‎,xx(n)])‎四、结果 sa‎v e and run‎之后：请‎输入插值节点 as ‎[x1,x2.‎..] [-3 -2‎-1 0 1 2 ‎3] 请输入插值节点‎处对应的函数值 as‎[f1,f2‎...] [-‎1.76 0.42 ‎1.2‎1.341.‎432.25‎4.38]‎请输入要求的插值次‎数m=3 f =1‎33/100+121‎469856021/‎3518437208‎8832*x-804‎2142191733‎/450359 96‎27370496*x‎^2+1020815‎915537309/‎9007199254‎740992*x^3‎五、拓展：‎最小二乘法计‎算方法比较简单，是实‎际中常用的一种方法，‎但是必须经计算机来实‎现，如果要保证精度则‎需要对大量数据进行拟‎合，计算量很大。

第四章插值方法§4.0 引言§4.1 多项式插值问题的一般提法§4.2 拉格朗日(Lagrange)插值§4.3 差商与差分及其性质§4.4 牛顿插值公式§4.5 分段插值法§4.6 三次样条插值§4.7 曲线拟合的最小二乘法引言1 插值法是广泛应用于理论研究和生产实践的重要数值方法，它是用简单函数(特别是多项式或分段多项式)为各种离散数组建立连续模型；为各种非有理函数提供好的逼近方法。

众所周知，反映自然规律的数量关系的函数有三种表示方法：A 解析表达式。

(1865年，瓦里斯Walis ；1690年，Raphson 拉夫逊；1669年，牛顿Newton ；历史悠久的方程)。

，(开普勒(Kepler)方程)。

悬链线方程；。

52)(3−−=x x x f y y x sin ε−=)/cos(λλx y =B图像法C表格法2 事实上，许多数据都是用表格法给出的(如观测和实验而得到的函数数据表格)，可是，从一个只提供离散的函数值去进行理论分析和进行设计，是极不方便的甚至是不可能的。

因此需要设法去寻找与已知函数值相符，并且形式简单的插值函数(或近似函数)。

3 另外一种情况是，函数表达式完全给定，但其形式不适宜计算机使用，因为计算机只能执行算术和逻辑操作，因此涉及连续变量问题的计算都需要经过离散化以后才能进行。

如数值积分方法、数值微分方法、差分方程以及有限元法等，都必须直接或间接地应用到插值理论和方法。

1 插值法的概念假设函数y=f (x )是[a , b ]上的实值函数，x 0,x 1,…,x n 是[a ,b ]上n +1个互异的点，f (x )在这些点上的取值分别为y 0,y 1,…,y n 。

求一个确定的函数P (x )，使之满足：P (x i )=y i(i =0,1,2,…,n ) (1)称x 0,x 1,…,x n 为插值节点，关系式(1)称为插值原则,函数P (x )称为函数y=f (x )的插值函数，区间[a , b ]称为插值区间。

浅析拉格朗日插值法目录：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：P m (x)m m 1 a 0xa 1xam 1x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 x x i ,i 0,1,L , 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3.1 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a x 0 x 1 Lx n b 处的函数值 y 0, y 1,L y n 。

找一个简单的函数， 例如函数 P(x)，使之满足条件P(x) y i ,i 0,1,2,L ,n, (3.1)通常把上述 x 0 x 1 L x n 称为插值节点，把 P(x)称为 f ( x)的插值多项 式，条件( 3.1)称为插值条件，并把求 P(x) 的过程称为插值法。

3.2 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：那么插值函数的构造就是要确定P m (x)表达式中的 m+1 个系数 a0,a1,L am 1,am 。

最小二乘法的基本原理和多项式拟合一最小二乘法的基本原理从整体上考虑近似函数P（x）同所给数据点（X i，y i）（i=o,i,…,m）误差ri 二呛）—y i（i=0,1,…,m）ri= P（X i）-y i（i=0,1,…,m）绝对值的最大值maX m r i，即误差向量m/ 、T》仃r =（「0,「1,…r m）的X—范数；二是误差绝对值的和 7 ，即误差向量r的1 —m2Z r i范数；三是误差平方和 7 的算术平方根，即误差向量r的2—范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑2—范数的平方,m2送r i r因此在曲线拟合中常采用误差平方和V 来度量误差r i（i=0 , 1,…，m）的整体大小。

数据拟合的具体作法是：对给定数据（X i,y i）（i=0,1,…，m），在取定的函数类「中,求P（x），［使误差r i二P（X i）-y i（i=0,1,…,m）的平方和最小，即m m7〔P（X i） - y i F 二mini =0 = i =0从几何意义上讲，就是寻求与给定点（X i, y i）（i=0,1,…,m）的距离平方和为最小的曲线y二P（X）（图6-1 ）。

函数P（X）称为拟合函数或最小二乘解，求拟合函数P（X）的方法称为曲线拟合的最小二乘法。

可有不同的选取方法.二多项式拟合假设给定数据点（X i，y i）（i=0,1,…,m），为所有次数不超过n（n'm）的多项式构nP n （X ）=送 a k X k成的函数类，现求一心m,使得n送 k | a k X i -y i = minV.k=0 丿（1）当拟合函数为多项式时，称为多项式拟合，满足式（1）的P n （X ）称为最小二乘 拟合多项式。

特别地，当n=1时，称为线性拟合或直线拟合。

I =送 bn(X i ) —y i 2i =0显然I 7 (' a k X k- y i )2i -0 k -0为a 0,a i ,…a n 的多元函数，因此上述问题即为求1 = l(a 0,a i 「a n )的极值 问题。

最小二乘法的基本原理和多项式拟合一 最小二乘法的基本原理从整体上考虑近似函数)(x p 同所给数据点),(i i y x (i=0,1,…,m)误差i i i y x p r -=)((i=0,1,…,m)的大小，常用的方法有以下三种：一是误差i i i y x p r -=)((i=0,1,…,m)绝对值的最大值im i r ≤≤0max ，即误差 向量T m r r r r ),,(10 =的∞—范数；二是误差绝对值的和∑=mi ir 0，即误差向量r 的1—范数；三是误差平方和∑=mi ir02的算术平方根，即误差向量r 的2—范数；前两种方法简单、自然，但不便于微分运算 ，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合中常采用误差平方和∑=mi ir02来 度量误差i r (i=0，1，…，m)的整体大小。

数据拟合的具体作法是：对给定数据 ),(i i y x (i=0,1,…，m)，在取定的函数类Φ中,求Φ∈)(x p ,使误差i i i y x p r -=)((i=0,1,…,m)的平方和最小，即∑=mi ir2=从几何意义上讲，就是寻求与给定点),(i i y x (i=0,1,…,m)的距离平方和为最小的曲线)(x p y =（图6-1）。

函数)(x p 称为拟合函数或最小二乘解，求拟合函数)(x p 的方法称为曲线拟合的最小二乘法。

在曲线拟合中，函数类Φ可有不同的选取方法.6—1二 多项式拟合假设给定数据点),(i i y x (i=0,1,…,m)，Φ为所有次数不超过)(m n n ≤的多项式构成的函数类，现求一Φ∈=∑=nk k k n x a x p 0)(,使得[]min )(00202=⎪⎭⎫⎝⎛-=-=∑∑∑===mi mi n k i k i k i i n y x a y x p I (1)[ ] ∑ = = - mi ii y x p 02 min ) (当拟合函数为多项式时，称为多项式拟合，满足式（1）的)(x p n 称为最小二乘拟合多项式。

最小二乘法的基本原理和多项式拟合Document number：NOCG-YUNOO-BUYTT-UU986-1986UT最小二乘法的基本原理和多项式拟合一最小二乘法的基本原理从整体上考虑近似函数同所给数据点 (i=0,1,…,m)误差(i=0,1,…,m)的大小，常用的方法有以下三种：一是误差(i=0,1,…,m)绝对值的最大值，即误差向量的∞—范数；二是误差绝对值的和，即误差向量r的1—范数；三是误差平方和的算术平方根，即误差向量r的2—范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合中常采用误差平方和来度量误差 (i=0，1，…，m)的整体大小。

数据拟合的具体作法是：对给定数据 (i=0,1,…，m)，在取定的函数类中,求,使误差(i=0,1,…,m)的平方和最小，即=从几何意义上讲，就是寻求与给定点 (i=0,1,…,m)的距离平方和为最小的曲线（图6-1）。

函数称为拟合函数或最小二乘解，求拟合函数的方法称为曲线拟合的最小二乘法。

在曲线拟合中，函数类可有不同的选取方法.6—1二多项式拟合假设给定数据点 (i=0,1,…,m)，为所有次数不超过的多项式构成的函数类，现求一,使得(1)当拟合函数为多项式时，称为多项式拟合，满足式（1）的称为最小二乘拟合多项式。

特别地，当n=1时，称为线性拟合或直线拟合。

显然为的多元函数，因此上述问题即为求的极值问题。

由多元函数求极值的必要条件，得(2)即(3)（3）是关于的线性方程组，用矩阵表示为(4)式（3）或式（4）称为正规方程组或法方程组。

可以证明，方程组（4）的系数矩阵是一个对称正定矩阵，故存在唯一解。

从式（4）中解出 (k=0,1,…，n)，从而可得多项式(5)可以证明，式（5）中的满足式（1），即为所求的拟合多项式。

我们把称为最小二乘拟合多项式的平方误差，记作由式(2)可得(6)多项式拟合的一般方法可归纳为以下几步：(1) 由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数n；(2) 列表计算和；(3) 写出正规方程组，求出；(4) 写出拟合多项式。