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,⋯,xn(共 n+1 个),yk=f(xk);ωn+1(x)=(x−x0)(x−x1)⋯(x−xn);h 是相邻节点的间距;w(x) 是权函数;Tn 是切比雪夫多项式。
Lagrange 插值
n+1 个互异节点上,次数不超过 n 的插值多项式存在且唯一。Lagrange 形式用基函数写出:
Ln(x)lk(x)=k=0∑nyklk(x),=j=k∏xk−xjx−xjlk(x) 在 xk 处为 1、在其余节点处为 0。若 f(n+1) 存在,插值余项为
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 x,误差越小;f 本身是不超过 n 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]=x1−x0f(x1)−f(x0),k 阶均差由两个 k−1 阶均差相减、再除以首尾节点之差:
f[x0,⋯,xk]=xk−x0f[x1,⋯,xk]−f[x0,⋯,xk−1]均差与节点的排列次序无关;k 阶均差等于 k!f(k)(ξ),所以 k 次多项式的 k+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)它与 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 x0、x1 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),余项为
R3(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 1+25x21 在 [−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′′ 连续,误差满足
∣f(x)−Ih(x)∣≤8h2max∣f′′(x)∣h→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) 在每个小区间上是三次多项式,并且在整个区间上 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。n 个小区间共 4n 个系数,插值条件与内节点的连续条件给出 4n−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) 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] 上取权函数 w(x)≥0,定义内积 (f,g)=∫abw(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 Pn | [−1,1],w(x)=1 | P0=1,P1=x;(n+1)Pn+1=(2n+1)xPn−nPn−1 |
| 切比雪夫多项式 Tn | [−1,1],w(x)=1−x21 | Tn(x)=cos(narccosx);T0=1,T1=x,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)∣ 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),i=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 最小。拟合直线 p(x)=a0+a1x 时,对 a0、a1 求偏导令其为零,得法方程:
(m∑xi∑xi∑xi2)(a0a1)=(∑yi∑xiyi)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=aebx 可以先取对数化成 lny=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)=2,f(1)=3,f(3)=11,f(4)=18。作均差表,写出 Newton 插值多项式,并求 f(2) 的近似值。
解:一阶均差:f[0,1]=1,f[1,3]=4,f[3,4]=7;二阶均差:f[0,1,3]=3−04−1=1,f[1,3,4]=4−17−4=1;三阶均差:f[0,1,3,4]=0。所以
N3(x)=2+x+x(x−1)=x2+2f(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=1,2,3,4 时 y=2.1,2.9,4.2,4.8,用最小二乘法拟合 y=a0+a1x。
解:m=4,∑xi=10,∑xi2=30,∑yi=14,∑xiyi=39.7。法方程 4a0+10a1=14,10a0+30a1=39.7,解得 a1=4×30−1024×39.7−10×14=0.94,a0=2014×30−10×39.7=1.15,拟合直线 y=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)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)! 与 ωn+1(x)。
- 均差与节点次序无关,k 次多项式的 k+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(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。