数学建模学习笔记（三）：插值与拟合

最新推荐文章于 2020-11-21 07:18:07 发布

Crownfy

最新推荐文章于 2020-11-21 07:18:07 发布

阅读量383

点赞数

分类专栏：数学建模文章标签：数学建模

本文链接：https://blog.csdn.net/weixin_43723370/article/details/108400563

版权

数学建模专栏收录该内容

2 篇文章 1 订阅

订阅专栏

一、插值方法

在工程和数学应用中，有这样一类数据处理问题，在平面上给定一组离散点列，要求一条曲线，把这些点按次序连接起来。

1. 分段线性插值

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，记作 $I_n(x)$

$I_n(x)=\sum_{i=1}^ny_il_i(x)\quad (1)$ 其中， $l_i(x)=\left\{\begin{matrix} \frac{x-x_{i-1}}{x_i-x_{i-1}},x\in [x_{i-1},x_i],i\neq 0\\ \frac{x-x_{i+1}}{x_i-x_{i+1}},x\in [x_{i},x_{i+1}],i\neq n\\ 0,others \end{matrix}\right.$

$n$ 越大，分段越多，插值误差越小。

2. 拉格朗日插值多项式

基函数为 $l_i(x)=\prod_{j=0}^n\frac{x-x_j}{x_i-x_j},i=0,1,...,n$ . $l_i(x_j)=\left\{\begin{matrix} 0,j\neq i\\ 1,j=i \end{matrix}\right.$

拉格朗日插值函数 $I_n(x)=\sum_{i=1}^ny_il_i(x)==\sum_{i=1}^ny_i(\prod_{j=0}^n\frac{x-x_j}{x_i-x_j})\quad (2)$

3. 样条插值（后续更）

二、曲线拟合的线性最小二乘法

已知一组（二维）数据，即平面上的n个点 $(x_i,y_i)$ 互不相同，寻求一个函数 $y=f(x)$ ,使其在某种准则下与所有数据点最为接近。

线性最小二乘法

$f(x)=a_1r_1(x)+a_2r_2(x)+...+a_mr_m(x),\quad (3)$ $r_k(x)$ : 事先选定的一组线性无关的函数 $a_k$ : 待定系数

拟合准则：使 $y_i$ 与 $f(x_i)$ 的距离 $\delta_i$ 的平方和最小（最小二乘准则）

（1）系数 $a_k$ 的确定

$J(a_1,...,a_m)=\sum_{i=1}^n\delta_i^2=\sum_{i=1}^n[f(x_i)-y_i]^2,\quad(4)$ 求 $a_1,...,a_m$ 使 $J$ 达到最小

令 $R=\begin{bmatrix} r_1(x_1) & \cdots & r_m(x_1) \\ \vdots & \vdots &\vdots \\ r_1(x_n) & \cdots & r_m(x_n) \end{bmatrix},$ $A=[a_1,\cdots,a_m]^T,\quad Y=[y_1,\cdots,y_n]^T$

令函数 $J$ 的导数等于0，解为 $A=(R^TR)^{-1}R^TY$

（2）函数 $r_k(x)$ 的选取

a. 通过机理分析，确定 $r_k(x)$

b. 将数据 $(x_i,y_i),i=1,2,...,n$ 作图，直观判断用什么曲线拟合

常用的曲线：i: 直线 $y=a_1x+a_2$ ii: 多项式 $y=a_1x^m+...+a_mx+a_{m+1}$

iii: 双曲线(一支) $y=\frac{a_1}{x}+a_2$ iiii: 指数曲线 $y=a_1e^{a_2x}$

可以选几种曲线分别拟合，然后比较，看哪条曲线的最小二乘指标最小。

三、最小二乘优化

在无约束优化问题中，目标韩素由若干个函数的平方和构成，这类函数一般可以写成： $F(x)=\sum_{i=1}^mf_i^2(x),x\in R^n\quad (5)$

把极小化这类函数的问题 $min\quad F(x)=\sum_{i=1}^mf_i^2(x)$ , 称为最小二乘优化问题。

四、函数逼近

已知一个较为复杂的连续函数 $y(x)$ , $x\in [a,b]$ , 要选择一个较简单的函数 $f(x)$ , 在一定准则下最接近 $y(x)$ , 即所谓函数逼近。

常用准则：最小平方逼近，即 $J=\int_{a}^{b}[f(x)-y(x)]^2dx\quad (6)$

选一组函数构造 $f(x)$ , 令 $f(x)=a_1r_1(x)+a_2r_2(x)+...+a_mr_m(x),\quad (7)$ ，求 $a_1,...,a_m$ 使 $J$ 达到最小。

Crownfy

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
数学建模学习笔记（三）：插值与拟合

一、插值方法在工程和数学应用中，有这样一类数据处理问题，在平面上给定一组离散点列，要求一条曲线，把这些点按次序连接起来。1. 分段线性插值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，记作其中，越大，分段越多，插值误差越小。2. 拉格朗日插值多项式基函数为. 拉格朗日插值函数3. 样条插值（后续更）二、曲线拟合的线性最小二乘法1. 线性最小二乘法...
复制链接

扫一扫