文章目录
【第二章:插值与拟合】
1. 插值法概述
-
为什么要有差值方法?
现有的数据是极少的,不足以支撑分析的进行,则可以通过插值法“模拟产生”一些新的但又比较靠谱的值来满足需求,这也就是插值的作用。
或者说已知当前数据,需要预测其他数据,则可以通过已知数据,模拟出多项式方程,进而预测其他数据
-
龙格现象
Runge现象:一般来说,节点个数越多,插值函数和被插值函数就有越多的地方相等。但是随着插值节点个数的增加,两个插值节点之间插值函数并不一定能够很好地逼近被插值函数。再者,从舍入误差看,高次插值由于计算量大,可能会产生更严重的误差积累,所以稳定性得不到保证
解决办法:采用分段低次多项式插值:如分段线性插值和分段三次Hermite插值。在每个小区间采用低次插值则可避免Runge现象.
2.1 多项式插值法
-
多项式差值存在唯一性
在次数不超过n的多项式集合H,中,满足条件Ln(xj)=yj ( j=0,1…, n) .的插值多项式Ln®∈Hn是存唯一的
-
多项式插值即解 n个方程组,求出 a0,a1,a2,……,an
2.2 Largrange插值法
Largrange插值算法步骤
- Lagrange插值法:基函数是 lk(x),系数是函数值 yi
- 算法如下
Largrange插值基函数的性质
2.3 Newton插值法
差商、差商表及性质
Newton插值算法步骤
- Newton插值法:基函数是 wi(x),系数是差商表的对角线元素
2.4 分段线性插值法
- 分段低次插值:分段线性差值(不光滑)
2.5 三次样条插值
- 三次样条插值 是一个分段函数 每一段是3次多项式 满足2阶连续可微,补充边界条件
- 三次样条插值是低次分段插值的一种,区别于分段线性插值法,最大的改进在于:每个点左右是光滑的
- 三次样条与分段Hermite插值的根本区别在于S(x)自身光滑,不需要知道f的导数值(除了在2个端点可能需要);而Hermite插值依赖于f(x)在所有插值点的导数值
算法步骤
3. 直线拟合最小二乘法
- 直线拟合的最小二乘法