插值与拟合-2012.ppt

导 言 拟合与插值的关系 插 值 插值问题的提法 求解的基本思路 1.1 线性插值公式 1.2 .1 一般情形 1.2 .2 误差分析 Runge现象 拉格朗日插值多项式的振荡 高次插值多项式的缺陷，使得人们转而寻求简单的低次多项式插值. 2.1 分段线性插值 （分段）线性插值是最简单的插值方法，但其适用范围很小；如果原来数据的函数f有极大的变化，那么假设其数据点之 间为线性变化则并不合理。 所以我们可以用二次、三次多项式或是另一种称为spline函数来近似逼近原来数据的函数。 2.2 分段三次埃尔米特插值 3 三次样条插值 Matlab在插值中的应用 Matlab在插值中的应用 Matlab在插值中的应用 x0=[0 3 5 7 9 11 12 13 14 15 ]; y0=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 ]; x=0:0.1:15; y1=lagr1(x0,y0,x); y2=interp1(x0,y0,x); y3=interp1(x0,y0,x,spline); subplot(3,1,1) plot(x0,y0,k+,x,y1,r) grid title(lagrange) subplot(3,1,2) plot(x0,y0,k+,x,y2,r) grid title(piecewise linear) subplot(3,1,3) plot(x0,y0,k+,x,y3,r) grid title(spline) 输入格式为: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) x =lsqcurvefit (‘fun’,x0,xdata,ydata,options); (3) x = lsqcurvefit (‘fun’,x0,xdata,ydata,options,’grad’); (4) [x, options] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (5) [x, options,funval] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (6) [x, options,funval, Jacob] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); fun是一个事先建立的定义函数F(x,xdata) 的M-文件, 自变量为x和xdata 说明：x = lsqcurvefit (‘fun’,x0,xdata,ydata,options); 迭代初值 已知数据点 选项见无 约束优化 第二种（散乱节点）： ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? y x 0 已知n个节点 其中 互不相同， 构造一个二元函数 通过全部已知节点,即 再用 计算插值，即 返回 注意：最邻近插值一般不连续。具有连续性的最简单的插值是分片线性插值。 最邻近插值 x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? y (x1, y1) (x1, y2) (x2, y1) (x2, y2) O 二维或高维情形的最邻近插值，与被插值点最邻近的 节点的函数值即为所求。 返回 将四个插值点（矩形的四个顶点）处的函数值依次简记为： 分片线性插值 x y ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (xi, yj) (xi, yj+1) (xi+1, yj) (xi+1, yj+1) O f (xi, yj)=f1，f (xi+1, yj)=f2，f (xi+1, yj+1)=f3，f (xi, yj+1)=f4 插值函数为： 第二片(上三角形区域)：(x, y)满足 插值函数为： 注意：(x, y)当然应该是在插值节点所形成的矩形区域内。显然，分片线性插值函数是连续的； 分两片的函数表达式如下： 第一片(下三角形区域)： (x, y)满足 返回 双线性插值是一片一片的空间二次曲面构成。 双线性插值函数的形式如下： 其中有四个待定系数，利用该函数在矩形的四个顶点（插值节点）的函数值，得到四个代数方程，正好确定四个系数。 双线性插值 x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? y (x1, y1) (x1, y2) (x2, y1) (x2, y2) O 返回 要求x0,y0单调；x，y可取为矩阵，或x取行向量，y取为列向量，x,y的值分别不能超出x0,y0的范围。 z=interp2(x0,y0,z0,x,y,’metho