数学建模-插值和拟合

插值和拟合

2021.8.11《数学建模算法与应用》读书笔记

一、定义

(1)插值：

​ 求过已知有限个数据点的近似函数。

(2)拟合：

​ 已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义

下它在这些点上的总偏差最小。

(3)数据插值和曲线拟合比较

①相同点

1、都属于函数逼近的方法

2、都能进行数据估算

②不同点

1、实现方法不同

数据插值要求逼近函数经过样本点，曲线拟合只要求总体误差最小

2、结果形式不同

数据插值分段进行逼近，没有统一的逼近函数。

曲线拟合有确定的逼近函数表达式。

3、侧重点不同

数据插值一般用于样本区间内的插值计算。

曲线拟合不仅可以估算区间内其他点的函数值，还可以预测持续数字的发展。

4、应用场合不同

样本数据是精确数据，适合采用数据插值方法。

样本数据统计数据，存在误差，适合用曲线拟合的方法。

二、插值方法

(1)常用的插值分类

• 拉格朗日多项式插值

• 牛顿插值

• 分段线性插值

• Hermite 插值

• 三次样条插值。

(2)拉格朗日多项式插值(Lagrange插值)

2.1.1 插值多项式

2.1.2 拉格朗日插值多项式

2.1.3 Matlab实现Lagrange 插值

• lagrange.m

%{
   
   
设n 个节点数据以数组 x0, y0输入（注意 Matlat 的数组下标从 1 开始），m 个插值
点以数组 x 输入，输出数组 y 为m 个插值。

    参数输入:
        x0,y0是原有的数据
        x为插值点(范围)
    参数输出
        y为x的插值输出
%}
function y=lagrange(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=p*y0(k)+s;
    end
    y(i)=s;
end

• 实例测试

% 拉格朗日插值法

% 原始数据
x0 = 0:0.1:1;
y0 = [-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.3,11.2];
hold on;
grid on;
plot(x0,y0,'b*')

% 插值点
x = 0:0.01:1;
% 拉格朗日多项式插值
y = lagrange(x0,y0,x);
plot(x,y,'r--');
legend('原始数据','拉格朗日插值','Location','North');

• 测试结果
  

(3)牛顿插值(Newton)

3.1 差商(预备知识)

3.2 牛顿插值公式

代码来自https://blog.csdn.net/seamanj/article/details/37562791

• newton.m

%   newton.m
%   求牛顿插值多项式、差商、插值及其误差估计的MATLAB主程序
%   输入的量:X是n+1个节点(x_i,y_i)(i = 1,2, ... , n+1)横坐标向量，Y是纵坐标向量，
%   x是以向量形式输入的m个插值点，M在[a,b]上满足｜f~(n+1)(x)｜≤M
%   注：f~(n+1)(x)表示f(x)的n+1阶导数
%   输出的量：向量y是向量x处的插值，误差限R，n次牛顿插值多项式L及其系数向量C，
%   差商的矩阵A
function[y,R,A,C,L] = newton(X,Y,x,M)
n = length(X);
m = length(x);
for t = 1 : m
    z = x(t);
    A = zeros(n,n);
    A(:,1) = Y';
    s = 0.0; p = 1.0; q1 = 1.0; c1 = 1.0;
        for j = 2 : n
            for i = j : n
                A(i,j) = (A(i,j-1) - A(i-1,j-1))/(X(i)-X(i-j+1));
            end
            q1 = abs(q1*(z-X(j-1)));
            c1 = c1 * j;
        end
        C = A(n, n); q1 = abs(q1*(z-X(n)));
        for k = (n-1):-1:1
            C = conv(C, poly(X(k)));
            d = length(C);
            C(d) = C(d) + A(k,k);%在最后一维，也就是常数项加上新的差商
        end
        y(t) = polyval(C,z);
        R(t) = M * q1 / c1;
end
L = poly2sym(C);

• 实例运行

X = [0 pi/6 pi/4 pi/3 pi/2];  
Y = [0 0.5 0.7071 0.8660 1];  
x = linspace(0,pi,50);  
hold on;
grid on;
M = 1;  
[y,R,A,C,L] = newton(X, Y, x, M); 
plot(X,Y,'r*');
plot(x,y,'b--');
legend('原始数据','牛顿插值');

• 运行结果
  

对于其他的一些插值方法就不放原理了。直接掌握使用方式和使用情况。

(4)分段线性插值

①定义

将每两个相邻的节点用直线连起来，如此形成的一条折线就是分段线性插值函数

②Lagrange的问题

③matlab实现

代码看后文样条插值

(5)埃尔米特(Hermite)插值

①定义

如果对插值函数，不仅要求它$在节点处与函数同值$，而且要求它$与函数有相同的一阶、二阶甚至更高阶的导数值$，这就是 Hermite 插值问题。

②代码实现

• hermite.m

%{
   
   
    设n 个节点的数据以
    数组 x0 （已知点的横坐标）
    y0 （函数值）
    y1（导数值）
    输入（注意 Matlat 的数组下标从 1 开始）
    m 个插值点以数组 x 输入
    输出数组 y 为m个插值
%}
function y=hermite(x0,y0,y1,x);
n=length(x0);m=length(x);
for k=1:m
    yy=0.0;
    for i=1:n
        h=1.0;
        a=0.0;
        for j=1:n
            if j~=i
                h=h*((x(k)-x0(j))/(x0(i)-x0(j)))^2;
                a=1/(x0(i)-x0(j))+a;
            end
        end
        yy=yy+h*((x0(i)-x(k