CHAPT4-数值计算.pptVIP

* * Chapt4 数值计算 4.1 插值与数据拟合 4.2 多项式 4.3 微分与积分 4.4 线性方程与非线性方程 4.5 常微分方程 4.1 插值与数据拟合 在分析试验数据中，常常要面临将试验数据作解析描述的任务，这个问题有插值和曲线拟合两种方法。 当数据量不够，需要补充，且认定已有数据可信时, 通常利用函数插值，插值是一个非常有价值的工具。 在曲线拟合中，假定已知曲线的规律，作曲线的最佳逼近，但不需要经过所有的数据点； 4.1.1 插值函数 多项式插值原理 已知函数 f(x) 在区间[a,b]上有定义且已知，则可以求出点 xi （a xi b）上的函数值 yi=f(xi), (i=0,1,2,···,n)。如果xi出界，则对应值为NaN 1、曲线插值函数interp1—一维数值插值 t=interp1(x,y,x0,’method’) 样条插值 spline 立方插值 cubic 分段三次hermit插值 pchip 线性插值 linear 最近点插值 nearest method x、y：原始数据点，是两个等长的已知向量。 x0为进行插值的数组，计算函数在x0处的值。 method为插值算法:该缺省的使用假定为线性插值 当x0为等距时可以用快速插值法，使用快速插值法的格式为*nearest、*linear、*spline、*cubic 以上五种方法得出的数据值一个比一个精确,而所需内存及计算时间也一个比一个要大要长. nearest方法:将插值点的数据设为与之最接近的邻点的数值.执行速度最快，输出结果为直角转折 linear方法:利用每两个相邻插值节点作线性插值.默认值，在样本点上斜率变化很大 样条插值方法：分段多项式的在连接处光滑连接。最花时间，但输出结果也最平滑 Hermite方法：对插值函数，不仅要求它在节点处与函数同值，而且要求它与函数有相同的一阶、二阶甚至更高阶的导数值。 Cubic：三次插值，要求x0必须为等距。最占内存，输出结果与spline差不多 例1：已知1900年到2010年每隔十年的数据如下： 75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505 249.633 256.344 267.893 用插值法求1995年的数据。 命令如下： T =1900:10:2010; Y=[75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505 249.633 256.344 267.893]; Y1=interp1(T,Y,1995) 设时间变量T为一行向量，数据用Y为一个行向量,x0=1995. Y1 = 252.9885 plot(T,Y,1995,Y1,Or) t=interp1(x,y,x0,’method’) 例2：已知1900年到2010年每隔十年的数据如下： 75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505 249.633 256.344 267.893 用三种不同的插值方法进行比较。 T =1900:10:2010; Y=[75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505 249.633 256.344 267.893]; T1=1900:5:2010 Y1=interp1(T,Y,T1,’nearest’); Y2=interp1(T,Y,T1,’linear’); Y3=interp1(T,Y,T1,’spline’); plot(T,Y,-b,T1,Y1,--r,T1,Y2,xk,T1,Y3,-y); legend(‘原曲线’,‘最近点插值’,‘线性插值’,‘样条插值’)； 注意： 1.首先x0的取值范围不能超出x的给定范围，否则，会给出“NaN”错误。 2.其次，独立变量必须是单调的。即独立变量在值上必须总是增加的或总是减小的。 3.最后，不同的插值方法得到的结果是不相同的，所以，在确定方法之前，要考虑该插值的应用领域以及插值的曲线形状。 例3 某观测站测得某日6:00时至18:00时之间每隔2小时的室内外温度(℃)，用3次样条插值分别求得该日室内外