3.2 非线性方程与数值分析.ppt

3.2 非线性方程与数值分析 3.2.1 迭代法 [x,n]=NT(x0) % 调用已编好的NT.m文件求解方程， x为方程的近似解，n为迭代次数. 3.2.2多项式的拟合 已知离散点上的数据集（（x1,y1），（x2,y2），…（xn,yn）），即已知在点集{x1，x2，…xn }上的函数值{y1，y2…yn}，构造一个解析函数（其图形为一曲线）使f (x)在 原离散点xi上尽可能接近给定的值，这一过程称为曲线拟合。最常用的曲线拟合方法是最小二乘法，该方法是寻找函数f (x)使得最小。 多项式拟合函数polyfit的调用格式如下： P=polyfit（x，y，n） % 其中x、y都为数据向量，n为拟合多项式的阶数. [p，s]=polyfit（x，y，n） % 其中p为拟合多项式的系数向量，s为拟合多项式系数向量的结构信息. 3.2.3多项式插值 所谓多项式插值，就是利用已知的数据点，根据各种插值多项式估算新的数据点。 1、一维插值有两种类型：多项式插值和基于快速傅立叶变换的插值。 ①多项式一维插值函数interp1的调用格式通常如下： yi=interp1（x，y，xi，method） % 其中，xi表示需要插值的数据点组成的向量；yi表示根据插值算法求得的与xi对应的数据值；x、y是已知数据点的坐标向量；method用于指定所使用的插值方法 多项式插值算法分为4种：最近点插值、线性插值、样条插值和立方插值。 最近点插值（ method =nearest）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操作。 线性插值（ method = linear）是默认的插值方法，它是把与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值。 样条插值（ method = spline）利用已知的数据来求得样条函数，然后按照样条函数进行插值。 立方插值（ method = cubic）根据已知数据求出一个三次函数，然后根据该函数进行插值。 实例：对比不同方法的一维多项式插值的结果。 y=[0 0.9 0.6 1.1 0.3 0.2 -0.3 -0.7 -0.8 -0.3]; %创建原始数据点 x=0:length(y)-1; x1=0:0.1:length(y)-1; %创建插值点 y1=interp1(x,y,x1,nearest);%最近点插值 y2= interp1(x,y,x1,linear); %线性插值 y3= interp1(x,y,x1,spline); %样条插值 y4= interp1(x,y,x1,cubic); %立方插值 plot(x,y,*,x1,y1,:b,x1,y2,-r, x1,y3,--g,x1,y4,.-r) %绘制图形 legend(‘原始数据’, ‘最近点插值’,‘线性插值’,‘样条插值’,‘立方插值’) %图形标注 练习1： 已知某产品从1900年到2000年每隔10年的产量为：85.998, 93.378, 103.781, 122.2103, 130.609, 148.607, 168.303, 210.002, 230.0205, 251.6143, 256.344， 用三次样条插值的方法，画出每隔一年的插值曲线图形，同时将原始的数据画在同一图上。 输入命令： x=1900:10:2000; y=[85.998,93.378,103.781, 122.2103,130.609,148.607,168.303,210.002,230.0205,251.6143,256.344]; x1=1900:1:2000; y1=interp1(x,y,x1,spline); plot(x,y,d,x1,y1,.) 2、二维插值主要应用于图象处理与数据的可视化，在MATLAB6.5中，二维插值是对二维数据进行插值，它是通过函数interp2实现的. 该函数的调用格式通常如下： zi=interp2（x，y，z，xi，yi，method） % 其中x、y是已知数据组，并且大小相等；z为已知数据点对应值组成的矩阵；xi、yi是用于插值的向量；zi是根据相应的插值方法得到的插值结果；method用于指定所使用的插值方法。