数学实验8-曲线拟合与插值解析.ppt

二、人口预测的线性模型 对于开始提出的实验问题, 代如数据，计算得 三、人口预测的Malthus模型 a12=sum(t1);a11=10;a21=a12;a22=sum(t1.^2); d1=sum(lnx1);d2=sum(lnx1.*t1);A=[a11,a12;a21,a22];D=[d1;d2];ab=inv(A)*D;disp(a=);disp(ab(1));disp(b=);disp(ab(2));for i=1:10 xx1(i)=exp(ab(1)+ab(2)*t1(i));endfor i=1:10 xx2(i)=exp(ab(1)+ab(2)*t2(i));endplot(t1,x1,r*--,t1,xx1,b+-, t2,x2,g*--,t2,xx2,m+-); 四、人口预测的Logistic模型 五、多项式拟合的Matlab指令 a = polyfit（xdata，ydata，n） 其中n表示多项式的最高阶数 xdata，ydata 为要拟合的数据，它是用向量的方式输入。 输出参数a为拟合多项式 y = a1xn + … + anx + an+1的系数a = [a1, …, an, an+1]。 多项式在x处的值y可用下面程序计算。 y = polyval (a, x) 用多项式拟合人口模型 例8 由二元函数 获得一些较稀疏的网格数据，对整个函数曲面进行各种插值，并比较插值结果 %默认线性插值算法进行插值 [x1,y1]=meshgrid(-3:.2:3,-2:.2:2); z1=interp2(x,y,z,x1,y1); surf(x1,y1,z1), axis([-3,3,-2,2,-0.7,1.5]) %立方和样条插值 z2=interp2(x,y,z,x1,y1,cubic); z3=interp2(x,y,z,x1,y1,spline); surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5]) figure;surf(x1,y1,z3),axis([-3,3,-2,2,-0.7,1.5]) 前两个差值算法误差的比较 z=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1); surf(x1,y1,abs(z-z1)), axis([-3,3,-2,2,0,0.08]) figure;surf(x1,y1,abs(z-z2)),axis([-3,3,-2,2,0,0.025]) 三个差值算法误差的比较 z=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1); subplot(3,1,1);surf(x1,y1,abs(z-z1)), axis([-3,3,-2,2,0,0.18]) subplot(3,1,2);surf(x1,y1,abs(z-z2)), axis([-3,3,-2,2,0,0.18]) subplot(3,1,3);surf(x1,y1,abs(z-z3)), axis([-3,3,-2,2,0,0.18]) %cubic和v4算法 [x1, y1]=meshgrid(-3:0.2:3,-2:0.2:2); z1 = griddata(x, y, z, x1, y1, cubic); subplot(2,2,1); surf(x1, y1, z1); axis([-3, 3, -2, 2, -0.7, 1.5]) z2=griddata(x,y,z,x1,y1,v4); subplot(2,2,2); surf(x1,y1,z2); axis([-3, 3, -2, 2, -0.7, 1.5]) %误差分析 z0=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1); subplot(2,2,3); surf(x1,y1,abs(z0-z1)),axis([-3,3,-2,2,0,0.15]) subplot(2,2,4); surf(x1,y1,abs(z0-z2)); axis([-3, 3, -2, 2, 0, 0.15]) 例10 通过函数生成一些网格型样本点，据此进行插值并给出插值误差。 [x,y,z]=meshgrid(-1:0.2:1); [x0,y0,z0]=meshgrid(-1:0.05:1); V=exp(x.^2.*z+y.^2.*x+z.^2.*y).*cos(x.^2.*y.*z+z.^2.*y.*x); V0=exp(x0.^2.*z0+y0.^2.*x0+z0.^2.*y0).*c