数学建模培训—计算方法.docVIP

数学建模培训—计算方法 在生产和科研实践所碰到的大量的函数．相当部分是通过实验和观测得到的。虽然它们的函数关系是客观存在的．但是却不知道其具体的解析表达式．而只能得到离散的数据点。 因此，希望能对这组数据作分析、处理从而得到比较简单的表达式近似地给出整体上的描述．又由于测定过程中不可避免会产生误差，加之处理数据时所采用方法的近似性，故在求解时又必须考虑这些误差对结果的影响，作好理论分析(收敛性、稳定性、误差分析)．据此合理建立实际系统数学模型的方法称为数值逼近方法．这些方法在数学建模比赛中频繁出现，如2001年血管模拟，2002年灯丝问题等。 我们主要介绍插值法建模及曲线拟合法建模。 第一节 拉格朗日插值及模型 通过实验测得函数的两两互异的点的函数值，即得如下数据表 表11 求自变量与因变量的一个近似的函数关系式，使其满足 其中称为插值结点． 称为插值函数． 条式（11）称为插值条件．称为插值区间。记作。 插值法是寻求近似函数的方法之一如果不是结点，可计算在点的值作为原来函数在此点的近似值 从几何上看．插值法就是要求一条曲线．它通过已知的个点并用近似表示 (图1)． 在用插值法寻求近似函数的过程中，对函数的类型可有不同的选取考虑到代数多项式结构简单，并有良好的分析性质，便于数值计算和理论分析，所以常用代数多项式作为插值函数本节主要介绍多项式插值，样条插值。 1。问题的提出 设是表11所示的函数，求次数不超过的多项式，使其满足插值条件 这就是拉格朗日插值问题。其中称之为的插值多项式 2．插值多项式的存在性和唯一性 定理1 满足插值条件(12)的次数不超过的多项式存在且唯一． 3．拉格朗日插值多项式 为了构造满足条件(12)的插值多项式，首先求满足条件 的次多项式 由（15）可知有个零点故存在常数，使 ， 此外由得 即 称（36）为拉格朗日插值基函数。由可得 就是满足插值条件（12）的拉格朗日插值问题的解，称（17）为拉格朗日插值多项式。 注：（两点），称为线性插值。（三点），称为抛物插值。 ’pchip’ 例1（JianmoEx1.m）。在12h内，每隔1h测量一次温度，温度依次为5，8，9，15，25，29，31，30，22，25，27，24。试估计在3.2，6.5，7.1，11.7时的温度值。 hours=1:12; temps=[5 8 9 15 25 29 31 30 22 25 27 24]; t=interp1(hours,temps,[3.2 6.5 7.1 11.7]) %linear T=interp1(hours,temps,[3.2 6.5 7.1 11.7],cubic) %cubic 〉〉t = 10.2000 30.0000 30.9000 24.9000 〉〉T = 9.6034 30.3333 30.9880 25.4565 可用最常用插值，如三次插值、样条插值，对数据进行平滑处理。即给定一组数据，使用高次插值或样条在更细的间隔内求解 例2JianmoEx2.m）。数据同例1。 hours=1:12; temps=[5 8 9 15 25 29 31 30 22 25 27 24]; t=interp1(hours,temps,[32 6.5 7.1 11.7]) %linear T=interp1(hours,temps,[3.2 6.5 7.1 11.7],cubic) plot(hours,temps,b+) hold on h=1:0.1:12; t1=interp1(hours,temps,h,cubic) %cubic plot(h,t1,r-) 例JianmoEx3.m）。，可用最常用插值，如三次插值、样条插值，对数据进行平滑处理。x=0:.12:1; y=(x.^2-3*x+5).*exp(-5*x).*sin(x); figure(1);plot(x,y,x,y,o) x1=0:.02:1; y0=(x1.^2-3*x1+5).*exp(-5*x1).*sin(x1); y1=interp1(x,y,x1); y2=interp1(x,y,x1,cubic); y3=interp1(x,y,x1,spline); y4=interp1(x,y,x1,nearest); figure(2);plot(x1,[y1,y2,y3,y4],:,x,y,o,x1,y0) [max(abs(y0(1:49)-y2(1:49))),max(abs(y0-y3)),max(abs(y0-y4))] 已知