第4章 插值与拟合

且 f(1.5) ≈L1(1.5) = 0.885。
Lagrange插值法的缺点
• 多数情况下，Lagrange插值法效果是不错的， 但随着节点数n的增大，Lagrange多项式的次 （Runge）现象。
• 例：在[-5,5]上用n+1个等距节点作插值多项 式Ln(x),使得它在节点处的值与函数y = 1/(1+25x2)在对应节点的值相等，当n增大时， 插值多项式在区间的中间部分趋于y(x)，但 对于满足条件0.728<|x|<1的x， Ln(x)并不趋 于y(x)在对应点的值，而是发生突变，产生 剧烈震荡，即Runge现象。
总结
• 拉格朗日插值：其插值函数在整个区间 上是一个解析表达式；曲线光滑；收敛 性不能保证，用于理论分析，实际意义 不大。
• 分段线性插值和三次样条插值：曲线不 光滑（三次样条已有很大改进）；收敛 性有保证；简单实用，应用广泛。
1.2 二维插值
• 二维插值是基于一维插值同样的思想， 但是它是对两个变量的函数Z=f(x,y)进 行插值。
• n=5; • x0=-1:1/(n-1):1;y0=1./(1+25*x0.^2);y1=lagr(x0,y0,x); • subplot(2,2,2), • plot(x,z,'r-',x,y,'m-'),hold on %原曲线 • plot(x,y1,'b'),gtext('L8(x)','FontSize',12),pause %Lagrange曲线
基函数为
l0 (x)
x x1 x0 x1
x2 1 2
2
x
l1(x)
线性插值函数为

• 代数多项式插值是最常用的插值方式，其内容也 是最丰富的，它又可分为以下几种插值方式： （1）非等距节点插值，包括拉格朗日插值、利用 均差的牛顿插值和埃特金插值； （2）非等距节点插值，包括利用差分的牛顿插值 和高斯插值等； （3）在插值中增加了导数的Hermite（埃尔米特） 插值； （4）分段插值，包括分段线性插值、分段Hermite （埃尔米特）插值和样条函数插值； （5）反插值。 • 按被插值函数的变量个数还可把插值法分为一元 插值和多元插值。
引言2---插值和拟合的联系与区别
联系：二者都是函数逼近的主要方法
• 区别： •运算过程上的区别：
– 拟合：是将数据点用最恰当的曲线描述出来，以反映问题的规律， 是特殊到一般的过程。 – 插值：是在知道曲线的形状后得出某些具体点的性质的过程,是 从一般到特殊。
•求解误差上的区别：
– 拟合：考虑观察值的误差（误差不可避免时）。以偏差的某种最 小为拟合标准
n n ik
0 i k 而： lk xi 1 i k
22
例1
x1 1, x2 2, x3 4, f ( x1 ) 8, f ( x2 ) 1, f ( x3 ) 5
求二次插值多项式。
解:
按拉格朗日方法，有：
L( x) y1l1 x y2l2 x y3l3 x ( x 2)( x 4) ( x 1)( x 4) ( x 1)( x 2) 8 1 5 (1 2)(1 4) (2 1)(2 4) (4 1)(4 2) 3x 2 16 x 21
4.2 插值方法 选用不同类型的插值函数，逼近的效 果就不同，一般有： （1）拉格朗日插值（lagrange插值） （2）分段线性插值 （3）Hermite （4）三次样条插值。

5
证 由于Rn(xi) = (xi)-Pn(xi) =0 (i=0,1,…,n), 所以设
Rn(x)=K(x)n+1(x)
对于任一x[a,b],x xi(i=0,1,2,…,n),构造函数 (t)=f(t)-Pn(t)-K(x)n+1(t)
则有
(xi)=0 (i=0,1,2,…,n), (x)=0
4.1.2 插值多项式的截断误差
定理 设(n)(x)在[a,b]连续, (n+1)(x)在(a,b)内存在,在节点a x0<x1<…<xn b上, 满足插值条件(4.2)的插值多项式Pn(x),对 任一x[a,b],插值余项为
Rn (x)
f ( x) Pn ( x)
f (n (n
1) ( )
1)!
ln11.25L2(11.25)
(11.25 11)(11.25 12) 2.302585 (10 11)(10 12)
(11.25 10)(11.25 12) (11 10)(11 12)
2.397895
(11.25 10)(11.25 11) (12 10)(12 11)
xk+1 x
9
待定系数
求 lk-1(x):
令lk 1( x) A ( x xk ) ( x xk 1) ,
由
ll
k k
1( xk ( xk )
1) 1,
1,
lk1( xk ) lk1( xk1 ) 0; l k(xk 1) l k( xk 1) 0;
l
k
1( xk 1)
L2( x j ) = y j
(i, k 0,1,, n)
可知 lk ( x) Ak ( x x0 )( x xk 1 )( x xk 1 )( x xn ),

第4章 插值与拟合方法插值与拟合方法是用有限个函数值(),(0,1,,)i f x i n =⋅⋅⋅去推断或表示函数()f x 的方法，它在理论数学中提到的不多。

本章主要介绍有关解决这类问题的理论和方法，涉及的内容有多项式插值，分段插值及曲线拟合等。

对应的方法有Lagrange 插值，Newton 插值，Hermite 插值，分段多项式插值和线性最小二乘拟合。

4.1 实际案例4.2 问题的描述与基本概念先获得函数（已知或未知）()y f x =在有限个点n x x x ⋅⋅⋅,,10上的值x0x 1x … n x y0y 1y … n y 由表中数据构造一个函数P (x )作为f (x ) 的近似函数，去参与有关f (x )的运算。

科学计算中，解决不易求出的未知函数的问题主要采用插值和拟合两种方法。

1）插值问题的描述已知函数()y f x =在[a,b ]上的n +1个互异点x ,0处的函数值()i i y f x =，求f (x ) 的一个近似函数P (x )，满足()()(0,1,,)i i P x f x i n ==⋅⋅⋅ （4.1）● P (x ) 称为f (x )的一个插值函数;● f (x ) 称为被插函数;点i x 为插值节点; ● ()()(0,1,,)i i P x f x i n ==⋅⋅⋅称为插值条件; ● ()()()R x f x P x =-称为插值余项。

当插值函数P (x )是多项式时称为代数插值（或多项式插值）。

一个代数插值函数P (x )可写为0()()()mkm k k k P x P x a x a R ===∈∑若它满足插值条件（4.1），则有线性方程组20102000201121112012m m mm m nn m n n a a x a x a x y a a x a x a x y a a x a x a x y ⎧+++⋅⋅⋅=⎪+++⋅⋅⋅=⎪⎨⎪⎪+++⋅⋅⋅=⎩ （4.2）当m=n ，它的系数行列式为范德蒙行列式)(1110212110200j i ni j nnnn nn x x x x x x x x x x x D -∏==≤≤≤因为插值节点互异，0D ≠，故线性方程组（4.2）有唯一解，于是有定理 4.1 当插值节点互异时，存在一个满足插值条件()()(0,1i i P x f x i n ==⋅⋅⋅的n 次插值多项式。