![Matlab优化设计及其应用](https://wfqqreader-1252317822.image.myqcloud.com/cover/612/31729612/b_31729612.jpg)
3.3 插值与拟合的其他方法
Lagrange插值多项式结构对称,使用方便,但公式不具备递推性,当需要增加插值节点时,计算要全部重新进行。这时采用牛顿(Newton)插值公式具有一定的优势。
3.3.1 牛顿(Newton)插值
设在x0,x1,…,xn处,函数y=f(x)的取值分别为f(x0),f(x1),…,f(xn),设有
Nn(x0)=a0=f(x0)
Nn(x1)=a0+a1(x1-x0)=f(x1)
Nn(x2)=a0+a1(x2-x0)+a2(x2-x0)(x2-x1)=f(x2)
……
Nn(xn)=a0+a1(xn-x0)+…+an(xn-x0)(xn-x1)…(xn-xn-1)=f(xn)
这是关于未知数a0,a1,…,an的下三角形方程组,可以求得
a0=f(x0)
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00037001.jpg?sign=1739040815-gjHUAJ0pq3zWoO67ltgRB9eWKPwNI5Ip-0-7f12d6eb5bbce7e696e0fe43e54fd705)
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00037002.jpg?sign=1739040815-TTtdNTR6EDZLVaJoRdP2rY6Aeh23KWkA-0-ee497f711d46d6d3523711b5efa9e996)
利用数学归纳法可以证明ak=f[x0,x1,…,xk](k=1,2,…,n),则有
Nn(x)=f(x0)+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)+…+f[x0,x1,…,xn](x-x0)(x-x1)…(x-xn-1) (3-11)
式(3-11)称为n次牛顿(Newton)插值公式。
【例3-4】利用牛顿插值法求解【例3-3】。
解:f[x0]=f(x)=5,,
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00038002.jpg?sign=1739040815-txJlQmmAZsXbnDl0yum5T8LwVhAFJu2d-0-ab9ba9c1e4a07124fa18aa179e98b2e4)
根据差商的性质,
N2(x)=f(x0)+f[x0,x1](x-x0)+f[x0,x1,x2](x-x0)(x-x1)
=5+2(x-3)+(-1)(x-3)(x+1)=-x2+4x+2
3.3.2 曲线拟合的最小二乘法
最小二乘法应用广泛,其原理是建立某种误差的平方和,通过使误差平方和最小,求出问题的解。下面通过求解超定方程组,来说明最小二乘法的原理。
已知一超定方程组
2x1+4x2=1
3x1-5x2=3
x1+2x2=6
2x1+x2=7
用最小二乘法进行求解。
解:建立下面的误差方方程
Q=(2x1+4x2-1)2+(3x1-5x2-3)2+(x1+2x2-6)2+(x1+x2-7)2
通过将误差平方和Q对x1,x2求一阶导数,并令其为零,得到两个关于x1,x2的线性方程,通过求解该线性方程组,可得到超定方程的解。用Maple求解该问题,程序如下:
y1:=2x+4y-1;
y2:=3x-5y-3;
y3:=x+2y-6;
y4:=2x+y-7;
Q:=y12+y22+y32+y42;
x1:=diff(Q,x);
x2:=diff(Q,y)
solve({x1=0,x2=0},[x,y])
程序运行结果如下:
2x+4y-1
3x-5y-3
x+2y-6
2x+y-7
(2x+4y-1)2+(3x-5y-3)2+(x+2y-6)2+(2x+y-7)2
36x-6y-62
-6x+92y-16
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039001.jpg?sign=1739040815-Qr3g6T0aTi0MPqJ9G5YZYXnsQtU2Du45-0-48022a7dbfbb3506bb1b7d03d6762f0b)
最小二乘法数据拟合可叙述为,对于一组观测数据(xi,yi)(i=0,1,…,n),要求出自变量x与因变量y的函数关系y=p(x,a0,a1,…,am),其中ak(k=0,1,2,…,m)为待定参数,使给定点xi上的误差δi=f(xi)-yi的平方和最小,即
求一多项式 p(x)=a0φ0(x)+a1φ1(x)+…+amφm(x),m<n (3-12)
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039003.jpg?sign=1739040815-a8J1ZT60Y5c1nWYuVLJReEdZYSnyghW4-0-788b1caa40fe548960a1b59e41df8094)
为最小。这就是最小二乘逼近,得到的拟合曲线为 ,这种方法称为曲线拟合的最小二乘法。由极值必要条件,可得
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039005.jpg?sign=1739040815-7dFJ0FKhX5akkEBJ8XnCxXZutjCyDvEq-0-77d75f9e9ce4279e938f6b21b9d3c57e)
根据带权值的内积定义,有
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039007.jpg?sign=1739040815-DySmomcoBrwXYW4OdhDj7GHR0RhfSCrw-0-fc64a939ab08d8f9d3cf77943eda19b2)
则式(3-14)可改写为
(φ0,φk)a0+(φ1,φk)a1+…+(φm,φk)am=(y,φk),k=0,1,…,m
这是关于参数a0,a1,…,am的线性方程组,用矩阵表示为
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039008.jpg?sign=1739040815-wbbMkmkh1XYx5GXccoaWAG6NwecSkPNL-0-e04d6f17a56e8e022954096dcbd9f27c)
式(3-15)称为法方程。
记式(3-15)的解为,并代入式(3-12),从而得到最小二乘拟合曲线为
![](https://epubservercos.yuewen.com/8F496B/17180252105305106/epubprivate/OEBPS/Images/img00039010.jpg?sign=1739040815-ob68krBwMolTNRWxctqiVi8aHbKt4eWY-0-ca981e3c07d628f2445d0957d9b962f2)