matlab入门教程第8讲报告.pptVIP

* Matlab Language * 5.5 数据插值 （1）‘linear’：线性插值。默认的插值方式。它是把插值点靠近的两个数据点用直线连接，然后在直线上选取对应插值点的数据。 （2）‘nearest’：最近点插值。根据已知插值点与已知数据点的远近程度进行插值。插值点优先选择较近的数据点进行插值。 （3）‘cubic’：3次多项式插值。根据已知数据求出一个3次多项式，然后根据该多项式进行插值。 （4）‘spline’：3次样条插值。指在每个分段内构造一个3次多项式，使其满足插值条件外，在各节点处具有光滑的条件。 例：给出概率积分数据表如下，用不同的插值方法计算f(0.472)。 x 0.46 0.47 0.48 0.49 f(x) 0.4846555 0.4937542 0.5027498 0.5116683 * Matlab Language * 命令如下： x = 0.46:0.01:0.49; f = [0.4846555,0.4937542,0.5027498,0.5116683]; format long interp1(x,f,0.472) ans = 0.49555332000000 interp1(x,f,0.472,’nearest’) ans = 0.49375420000000 interp1(x,f,0.472,’spline’) ans = 0.49556073600000 interp1(x,f,0.472,’cubic’) ans = 0.49556111971206 其中，3次样条和3次多项式的插值结果优于最近点插值方法和线性插值方法，但插值方法的好坏依赖于被插值函数，没有一种对所有函数都是最好的插值方法。 * Matlab Language * 5.6 曲线拟合 数值插值要求逼近函数在采样点与被逼近函数相等，但由于测量 误差，所获得的数据不一定准确，如果强求逼近显然不够合理。 曲线拟合不要求逼近函数通过各采样点，但要尽量的接近这些点，使 误差在某种意义上达到最小。 曲线拟合的实现： 在matlab中，用polyfit函数来求得最小二乘拟合多项式的系数，再用 polyval函数按所得的多项式计算所给出点上的函数近似值。 polyfit函数的调用格式为： [P,S] = polyfit(X,Y,m) 函数根据采样点X和采样点函数值Y，产生一个m次多项式P及其在采样 点的误差向量S。其中X、Y是两个等长的向量，P是一个长度为m+1的 向量，P的元素是多项式系数。 polyval函数的功能是按多项式的系数计算x点多项式的值。 * Matlab Language * 例：用一个三次多项式在区间[0,2π]内逼近函数sinx。 在给定区间内，均匀的选择20个采样点，并计算采样点的函数值 然后利用3次多项式逼近。 命令如下： x = linspace(0,2*pi,20); y = sin(x); p = polyfit(x,y,3) y1 = polyval(p,x) plot(x,y,:o,x,y1,-*) legend(sin(x),fit) Matlab Language Matlab数值计算简介 第8讲 * Matlab Language * 5.1 Matlab矩阵分析与处理 5.1.1 特殊矩阵 常见的特殊矩阵有零矩阵、幺矩阵、单位矩阵等，这类特殊矩阵在应用 中具有通用性。 1、通用的特殊矩阵 常用的产生通用特殊矩阵的函数有： zeros：产生全0矩阵（零矩阵）。 ones： 产生全1矩阵（幺矩阵）。 eye： 产生单位矩阵。 rand：产生0~1间均匀分布的随机矩阵。 randn：产生均值为0，方差为1的标准正态分布随机矩阵。 产生(0,1)区间均匀分布随机矩阵使用rand函数 产生均值为0，方差为1的标准正态分布随机矩阵使用randn函数 * Matlab Language * 例5.1 建立随机矩阵： ① 在区间[20,50]内均匀分布的5阶随机矩阵。 ② 均值为0.6，方差为0.1的5阶正态分布随机矩阵。 命令如下： x = 20+(50-20)*rand(5) x = 48.5039 42.8629 38.4630 32.1712 21.7367 26.9342 33.6940 43.7581 48.0641 30.5860 38.2053 20.5551 47.6544 47.5071 44.3950 34.5795 44.6422 42.1462 32.3081 20.