matlab在数值分析中的应用2.ppt

选较密的插值点，用默认的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： z1=interp2(x,y,z,x1,y1,cubic); z2=interp2(x,y,z,x1,y1,spline); surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5]) figure;surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5]) 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]) 二维一般分布数据的插值 功能:可对非网格数据进行插值 格式:z=griddata(x0,y0,z0,x,y,’method’) ’ v4 ’:MATLAB4.0提供的插值算法，公认效果较好； ’linear’：双线性插值算法（缺省算法）； ’nearest’：最临近插值； ’spline’：三次样条插值； ’cubic’：双三次插值。 例： 在x为［3，3］，y为［－2，2］矩形区域随机选择一组坐标，用’ v4 ’与’cubic’插值法进行处理，并对误差进行比较。 x=-3+6*rand(200,1);y=-2+4*rand(200,1); z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y); [x1,y1]=meshgrid(-3:.2:3,-2:.2:2); z1=griddata(x,y,z,x1,y1,cubic); surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5]) z2=griddata(x,y,z,x1,y1,v4); figure;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); surf(x1,y1,abs(z0-z1)),axis([-3,3,-2,2,0,0.15]) figure;surf(x1,y1,abs(z0-z2)),axis([-3,3,-2,2,0,0.15]) 例： 在x为［3，3］，y为［－2，2］矩形区域随机选择一组坐标中，对分布不均匀数据，进行插值分析。 x=-3+6*rand(200,1); y=-2+4*rand(200,1); z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y); % 生成已知数据 plot(x,y,x) % 样本点的二维分布 figure, plot3(x,y,z,x), axis([-3,3,-2,2,-0.7,1.5])，grid 去除在(-1,-1/2)点为圆心，以0.5为半径的圆内的点。 x=-3+6*rand(200,1); y=-2+4*rand(200,1); % 重新生成样本点 z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y); ii=find((x+1).^2+(y+0.5).^20.5^2); % 找出不满足条件的点坐标 x=x(ii); y=y(ii); z=z(ii); plot(x,y,x) t=[0:.1:2*pi,2*pi]; x0=-1+0.5*cos(t); y0=-0.5+0.5*sin(t); line(x0,y0) % 在图形上叠印该圆，可见，圆内样本点均已剔除 用新样本点拟合出曲面 [x1,y1]=meshgrid(-3:.2:3, -2:.2:2); z1=griddata(x,y,z,x1,y1,v4); surf(x1,y1,z1), axis([-3,3,-2,2,-0.7,1.5]) 第二章 多项式与插值 来源于实际、又广泛用于实际。 多项式插值的主要目的是用一个多项式拟合离散点上的函数值，使得可以用该多项式估计数据点之间的函数值。 可导出数值积分方法，有限差分近似 关注插值多项式的表达式、精度、选点效果。 2.1 关于多项式MATLAB命令 一个多项式的幂级数形式可表示为： 也可表为嵌套形式 或因子形式