[理学]第四章 matlab数值计算.pptVIP

上机练习（3） 1、练习课件中的例题 2、求下列极限 3、求x、y的1阶、2阶导数 上机练习（3） 4、求下列积分 5、求解下列方程 上机练习（3） 6、某测量数据f随时间t的采样结果如下表所示，用所学的几种插值方法计算t=2:5:27时f的值 7、求上表数据的最小二乘拟合公式 t 0 5 10 15 20 25 30 f 3.1025 2.256 879.5 1835.9 2968.8 4136.2 5237.9 第四章 MATLAB数值计算 本章重点 曲线拟合 数据插值 极限、微分、积分 方程求解（线性方程、微分方程） 一、曲线拟合 工程实践中，只能通过测量得到一些离散的数据，然后利用这些数据得到一个光滑的曲线来反映某些工程参数的规律，这就是一个曲线拟合的过程 曲线拟合：根据一组实测数据（xi，yi），通过逼近或估计方法得到一个近似函数y=f（x），使得f（xi）与yi之间的偏差在整体上最小 一、曲线拟合 曲线拟合最常用的方法：最小二乘法 对给定数据点{(Xi，Yi)}(i=0,1，…，m），在取定的函数类Φ 中，求p(x）∈Φ，使误差的平方和E^2最小，E^2=∑[p(Xi)-Yi]^2。从几何意义上讲，就是寻求与给定点 {(Xi，Yi)}(i=0,1，…，m）的距离平方和为最小的曲线y=p(x）。函数p(x）称为拟合函数或最小二乘解 最小二乘法进行曲线拟合的命令：polyfit（例4.1、例4.2） 调用格式：polyfit（x，y，n），n为拟合曲线的多项式的阶次 一、曲线拟合 例4.1：求以下数据的最小二乘曲线拟合公式，并作图比较拟合效果 x 0 1 2 3 y 27 26.8 26.5 26.3 x 4 5 6 7 y 26.1 25.7 25.3 24.8 一、曲线拟合 x=0:7; y=[27,26.8,26.5,26.3,26.1,25.7,25.3,24.8]; p1=polyfit(x,y,1); p4=polyfit(x,y,4); xi=0:0.1:8; y1=polyval(p1,xi); y2=polyval(p4,xi); plot(x,y,ro,xi,y1,g-,xi,y2,b:) 一、曲线拟合 例4.2：在[0,π]区间上对正弦函数进行拟合，然后在[0,2π]区间上画出图形，比较拟合区间和非拟合区间的图形 程序如下： x=0:0.1:pi; y=sin(x); p=polyfit(x,y,9); x1=0:0.1:2*pi; y1=sin(x1); y2=polyval(p,x1); plot(x1,y2,k*,x1,y1,‘b-) 二、数据插值 工程实践中，能够测量到的数据通常是一些不连续的点，而实际中往往需要知道这些离散点以外的其它点的数值，就需要根据这些已知数据来插值未知点数值，这就是函数插值的问题 插值运算就是根据已有数据的分布规律，找到一个可以连接起已知各点的函数表达式，并用这一函数表达式来预测已有数据两点之间任意位置上的数据 二、数据插值 一维插值命令：interp1（例4.3、例4.4） 调用格式：interp1（x，y，xi，method），x、y为原始数据，xi为插值点，method为插值运算时采用的数值处理方法 method 说明 nearest（最近点插值） 将插值点xi的值设置为距离最近的点的对应值 linear（分段线性插值） 用分段线性函数拟合已有数据，返回拟合函数在xi处的值 spline（三次样条插值） 用三次函数对数据进行拟合，返回拟合函数在xi处的值 pchip或cubic（三次插值） 三次Hermite插值，可以保持数据的一致性和数据曲线的形状 二、数据插值 三次样条插值 设对y=f（x）在区间[a,b]上给定一组节点a=x0＜x1＜x2＜…＜xn=b和相应的y0、y1、…yn，如果s（x）具有如下性质： 在每个子区间[xi，xi+1]上s（x）是不高于三次的多项式 s（x）及其1、2阶导数在[a,b]上连续，则称s（x）为三次样条函数 如再有s（xi）=yi，则称s（x）为y=f（x）的三次样条插值函数 spline的调用格式：spline（x，y，xi） 等价于interp1（x，y，xi，‘spline’） 二、数据插值 例4.3：用不同的method对下列数据进行插值 x 1 2 3 4 5 y 0.0701 -0.0689 0.0505 -0.0326 0.0196 x 6 7 8 9 10 y -0.0113 0.0062 -0.0033 0.0018 -0.9999 二、数据插值 程序如下： x=1:10; y=[0.0701,-0.0689,0.0505,-0.0326,0.01