杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕电子科学与技术学科综合考前辅导第一类 数值分析第 5 节 / 共 32 节约 30 分钟免费

数值分析(四):插值与最小二乘

对应数值分析(五):Lagrange 插值与插值余项,均差与 Newton 均差插值公式,埃尔米特插值,分段低次插值与三次样条,正交多项式,最小二乘曲线拟合与法方程。

本节考点:Lagrange 插值Newton 均差插值埃尔米特插值分段低次插值与三次样条正交多项式最小二乘曲线拟合

本节导读

这一节对应数值分析大纲「(五)插值和最小二乘法」的七条:「Lagrange 插值」「均差和 Newton 均差插值公式」「埃尔米特插值」「分段低次插值」「三次样条」「正交多项式」「最小二乘曲线拟合」。插值要求近似函数经过给定的点,拟合只要求近似函数与数据总体上最接近,这是两类方法的根本区别。

学完要做到:会写 Lagrange 与 Newton 两种形式的插值多项式并估计余项;会做均差表;知道高次插值为什么要改用分段低次插值或样条;会写正交多项式的递推;会列法方程做直线和多项式拟合。

本节记号:插值节点 x0,x1,⋯ ,xnx_0,x_1,\cdots,x_nx0​,x1​,⋯,xn​(共 n+1n+1n+1 个),yk=f(xk)y_k=f(x_k)yk​=f(xk​);ωn+1(x)=(x−x0)(x−x1)⋯(x−xn)\omega_{n+1}(x)=(x-x_0)(x-x_1)\cdots(x-x_n)ωn+1​(x)=(x−x0​)(x−x1​)⋯(x−xn​);hhh 是相邻节点的间距;w(x)w(x)w(x) 是权函数;TnT_nTn​ 是切比雪夫多项式。

Lagrange 插值

n+1n+1n+1 个互异节点上,次数不超过 nnn 的插值多项式存在且唯一。Lagrange 形式用基函数写出:

Ln(x)=∑k=0nyk lk(x),lk(x)=∏j≠kx−xjxk−xj\begin{aligned} L_n(x)&=\sum_{k=0}^{n}y_k\,l_k(x), \\ l_k(x)&=\prod_{j\neq k}\frac{x-x_j}{x_k-x_j} \end{aligned}Ln​(x)lk​(x)​=k=0∑n​yk​lk​(x),=j=k∏​xk​−xj​x−xj​​​

lk(x)l_k(x)lk​(x) 在 xkx_kxk​ 处为 1、在其余节点处为 0。若 f(n+1)f^{(n+1)}f(n+1) 存在,插值余项为

Rn(x)=f(x)−Ln(x)=f(n+1)(ξ)(n+1)! ωn+1(x)ξ 在节点与 x 所在区间内\begin{aligned} R_n(x)&=f(x)-L_n(x) \\ &=\frac{f^{(n+1)}(\xi)}{(n+1)!}\,\omega_{n+1}(x) \\ &\xi\text{ 在节点与 }x\text{ 所在区间内} \end{aligned}Rn​(x)​=f(x)−Ln​(x)=(n+1)!f(n+1)(ξ)​ωn+1​(x)ξ 在节点与 x 所在区间内​

余项说明两件事:被插函数越光滑、节点越靠近 xxx,误差越小;fff 本身是不超过 nnn 次的多项式时,插值是精确的。

均差和 Newton 均差插值公式

均差

一阶均差 f[x0,x1]=f(x1)−f(x0)x1−x0f[x_0,x_1]=\dfrac{f(x_1)-f(x_0)}{x_1-x_0}f[x0​,x1​]=x1​−x0​f(x1​)−f(x0​)​,kkk 阶均差由两个 k−1k-1k−1 阶均差相减、再除以首尾节点之差:

f[x0,⋯ ,xk]=f[x1,⋯ ,xk]−f[x0,⋯ ,xk−1]xk−x0\begin{aligned} &f[x_0,\cdots,x_k]= \\ &\frac{f[x_1,\cdots,x_k]-f[x_0,\cdots,x_{k-1}]}{x_k-x_0} \end{aligned}​f[x0​,⋯,xk​]=xk​−x0​f[x1​,⋯,xk​]−f[x0​,⋯,xk−1​]​​

均差与节点的排列次序无关;kkk 阶均差等于 f(k)(ξ)k!\dfrac{f^{(k)}(\xi)}{k!}k!f(k)(ξ)​,所以 kkk 次多项式的 k+1k+1k+1 阶均差为零。计算时列一张均差表,逐列往右算。

Newton 均差插值公式

Nn(x)=f(x0)+f[x0,x1](x−x0)+⋯+f[x0,⋯ ,xn](x−x0)⋯(x−xn−1)\begin{aligned} N_n(x)&=f(x_0)+f[x_0,x_1](x-x_0) \\ &\quad+\cdots \\ &\quad+f[x_0,\cdots,x_n](x-x_0) \\ &\quad\cdots(x-x_{n-1}) \end{aligned}Nn​(x)​=f(x0​)+f[x0​,x1​](x−x0​)+⋯+f[x0​,⋯,xn​](x−x0​)⋯(x−xn−1​)​

它与 Ln(x)L_n(x)Ln​(x) 是同一个多项式,只是写法不同。好处是承袭性:增加一个节点,只要在后面加一项,前面算好的都不用重算。

埃尔米特插值

有些问题不但给出节点上的函数值,还给出导数值,要求插值多项式在节点处的导数也相等,这就是埃尔米特插值。最常用的是两点三次埃尔米特插值:给定 x0x_0x0​、x1x_1x1​ 处的函数值和一阶导数值共 4 个条件,确定一个次数不超过 3 的多项式 H3(x)H_3(x)H3​(x),余项为

R3(x)=f(4)(ξ)4!(x−x0)2(x−x1)2R_3(x)=\frac{f^{(4)}(\xi)}{4!}(x-x_0)^2(x-x_1)^2R3​(x)=4!f(4)(ξ)​(x−x0​)2(x−x1​)2

一般地,条件个数是多少,多项式的次数就最多比它少 1。

分段低次插值与三次样条

为什么不用高次插值

等距节点上做高次插值,次数升高时插值多项式在区间两端会剧烈振荡,误差反而变大,这叫龙格现象(经典例子是 11+25x2\dfrac{1}{1+25x^2}1+25x21​ 在 [−1,1][-1,1][−1,1] 上的等距插值)。所以实际计算中很少用超过七次的插值,而是把区间分成小段,每段用低次多项式。

分段低次插值

分段线性插值:每个小区间上用连接两端点的直线。若 f′′f''f′′ 连续,误差满足

∣f(x)−Ih(x)∣≤h28max⁡∣f′′(x)∣\lvert f(x)-I_h(x)\rvert\le\frac{h^2}{8}\max\lvert f''(x)\rvert∣f(x)−Ih​(x)∣≤8h2​max∣f′′(x)∣

h→0h\to 0h→0 时一致收敛,但折线在节点处不光滑。分段三次埃尔米特插值每段用两端的函数值和导数值,曲线一阶导数连续,但要知道各节点的导数。

三次样条

三次样条函数 S(x)S(x)S(x) 在每个小区间上是三次多项式,并且在整个区间上 SSS、S′S'S′、S′′S''S′′ 都连续——像绘图员用的弹性样条尺,曲线光滑,又不需要各节点的导数值。nnn 个小区间共 4n4n4n 个系数,插值条件与内节点的连续条件给出 4n−24n-24n−2 个方程,还差两个,由边界条件补上:

边界条件给定什么
第一类两端点的一阶导数值
第二类两端点的二阶导数值;两端二阶导数都取 0 的叫自然样条
第三类(周期型)函数是周期的,两端的函数值和一、二阶导数都相等

以各节点的二阶导数值 Mj=S′′(xj)M_j=S''(x_j)Mj​=S′′(xj​) 为未知量,得到的「三弯矩方程」是对角占优的三对角方程组,用第 3 节的追赶法求解。

正交多项式与最小二乘曲线拟合

正交多项式

在区间 [a,b][a,b][a,b] 上取权函数 w(x)≥0w(x)\ge 0w(x)≥0,定义内积 (f,g)=∫abw(x)f(x)g(x) dx(f,g)=\int_a^b w(x)f(x)g(x)\,\mathrm dx(f,g)=∫ab​w(x)f(x)g(x)dx。一族多项式两两内积为零,叫正交多项式。两族最常用:

名称区间与权函数前几项与递推
勒让德多项式 PnP_nPn​[−1,1][-1,1][−1,1],w(x)=1w(x)=1w(x)=1P0=1P_0=1P0​=1,P1=xP_1=xP1​=x;(n+1)Pn+1=(2n+1)xPn−nPn−1(n+1)P_{n+1}=(2n+1)xP_n-nP_{n-1}(n+1)Pn+1​=(2n+1)xPn​−nPn−1​
切比雪夫多项式 TnT_nTn​[−1,1][-1,1][−1,1],w(x)=11−x2w(x)=\dfrac{1}{\sqrt{1-x^2}}w(x)=1−x2​1​Tn(x)=cos⁡(narccos⁡x)T_n(x)=\cos(n\arccos x)Tn​(x)=cos(narccosx);T0=1T_0=1T0​=1,T1=xT_1=xT1​=x,Tn+1=2xTn−Tn−1T_{n+1}=2xT_n-T_{n-1}Tn+1​=2xTn​−Tn−1​

切比雪夫多项式的零点用作插值节点,可以使 max⁡∣ωn+1(x)∣\max\lvert\omega_{n+1}(x)\rvertmax∣ωn+1​(x)∣ 最小,从而抑制龙格现象。正交多项式还是下面最小二乘法和第 6 节 Gauss 求积的工具。

最小二乘曲线拟合

数据 (xi,yi)(x_i,y_i)(xi​,yi​),i=1,⋯ ,mi=1,\cdots,mi=1,⋯,m 带有误差、个数又多时,不要求曲线过每个点,而是选系数使误差平方和 ∑(p(xi)−yi)2\sum\big(p(x_i)-y_i\big)^2∑(p(xi​)−yi​)2 最小。拟合直线 p(x)=a0+a1xp(x)=a_0+a_1xp(x)=a0​+a1​x 时,对 a0a_0a0​、a1a_1a1​ 求偏导令其为零,得法方程:

(m∑xi∑xi∑xi2)(a0a1)=(∑yi∑xiyi)\begin{pmatrix}m&\sum x_i\\ \sum x_i&\sum x_i^2\end{pmatrix}\begin{pmatrix}a_0\\ a_1\end{pmatrix}=\begin{pmatrix}\sum y_i\\ \sum x_iy_i\end{pmatrix}(m∑xi​​∑xi​∑xi2​​)(a0​a1​​)=(∑yi​∑xi​yi​​)

拟合更高次的多项式,法方程的阶数随之升高,而且容易病态;改用关于数据点正交的多项式作基,法方程的系数矩阵变成对角阵,就避开了病态。指数型数据 y=aebxy=ae^{bx}y=aebx 可以先取对数化成 ln⁡y=ln⁡a+bx\ln y=\ln a+bxlny=lna+bx,再做直线拟合。

易错提醒

  • ❌ 插值多项式的次数越高,逼近效果一定越好。
    ✅ 等距节点高次插值有龙格现象,实际多用分段低次插值或样条。

  • ❌ Lagrange 插值和 Newton 插值在同一组节点上会得到两个不同的多项式。
    ✅ 插值多项式唯一,两者只是写法不同;Newton 形式增加节点时只需添一项。

  • ❌ 最小二乘拟合的曲线也必须经过每个数据点。
    ✅ 拟合只要求误差平方和最小,曲线一般不经过数据点;要过点的是插值。

  • ❌ 三次样条在每个节点上都要事先知道导数值。
    ✅ 样条只用节点上的函数值,外加两个边界条件;要各节点导数值的是分段三次埃尔米特插值。

例题精讲

例题 1(计算:均差表与 Newton 插值)

已知 f(0)=2f(0)=2f(0)=2,f(1)=3f(1)=3f(1)=3,f(3)=11f(3)=11f(3)=11,f(4)=18f(4)=18f(4)=18。作均差表,写出 Newton 插值多项式,并求 f(2)f(2)f(2) 的近似值。

解:一阶均差:f[0,1]=1f[0,1]=1f[0,1]=1,f[1,3]=4f[1,3]=4f[1,3]=4,f[3,4]=7f[3,4]=7f[3,4]=7;二阶均差:f[0,1,3]=4−13−0=1f[0,1,3]=\dfrac{4-1}{3-0}=1f[0,1,3]=3−04−1​=1,f[1,3,4]=7−44−1=1f[1,3,4]=\dfrac{7-4}{4-1}=1f[1,3,4]=4−17−4​=1;三阶均差:f[0,1,3,4]=0f[0,1,3,4]=0f[0,1,3,4]=0。所以

N3(x)=2+x+x(x−1)=x2+2N_3(x)=2+x+x(x-1)=x^2+2N3​(x)=2+x+x(x−1)=x2+2

f(2)≈N3(2)=6f(2)\approx N_3(2)=6f(2)≈N3​(2)=6。

点评:三阶均差为零,说明这四个数据来自一个二次多项式,插值多项式实际只有二次。

例题 2(计算:最小二乘直线)

数据 x=1,2,3,4x=1,2,3,4x=1,2,3,4 时 y=2.1, 2.9, 4.2, 4.8y=2.1,\,2.9,\,4.2,\,4.8y=2.1,2.9,4.2,4.8,用最小二乘法拟合 y=a0+a1xy=a_0+a_1xy=a0​+a1​x。

解:m=4m=4m=4,∑xi=10\sum x_i=10∑xi​=10,∑xi2=30\sum x_i^2=30∑xi2​=30,∑yi=14\sum y_i=14∑yi​=14,∑xiyi=39.7\sum x_iy_i=39.7∑xi​yi​=39.7。法方程 4a0+10a1=144a_0+10a_1=144a0​+10a1​=14,10a0+30a1=39.710a_0+30a_1=39.710a0​+30a1​=39.7,解得 a1=4×39.7−10×144×30−102=0.94a_1=\dfrac{4\times 39.7-10\times 14}{4\times 30-10^2}=0.94a1​=4×30−1024×39.7−10×14​=0.94,a0=14×30−10×39.720=1.15a_0=\dfrac{14\times 30-10\times 39.7}{20}=1.15a0​=2014×30−10×39.7​=1.15,拟合直线 y=1.15+0.94xy=1.15+0.94xy=1.15+0.94x。

点评:先把四个和算准,再解二元一次方程组;分母 m∑xi2−(∑xi)2m\sum x_i^2-(\sum x_i)^2m∑xi2​−(∑xi​)2 两个系数共用。

本节小结

  • 插值多项式唯一;Lagrange 形式便于理论分析,Newton 形式便于增加节点;余项含 f(n+1)(ξ)/(n+1)!f^{(n+1)}(\xi)/(n+1)!f(n+1)(ξ)/(n+1)! 与 ωn+1(x)\omega_{n+1}(x)ωn+1​(x)。
  • 均差与节点次序无关,kkk 次多项式的 k+1k+1k+1 阶均差为零。
  • 埃尔米特插值还要求导数相等;高次插值有龙格现象,改用分段低次插值或三次样条(SSS、S′S'S′、S′′S''S′′ 连续,加两个边界条件)。
  • 勒让德、切比雪夫多项式各有区间、权函数与三项递推;最小二乘拟合解法方程,误差平方和最小。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询