matlab7从入门到精通第8章.ppt

[x,y,z]=peaks(10); [xi,yi]=meshgrid(-3:0.1:3,-3:0.1:3); zi=interp2(x,y,z,xi,yi,cubic); meshc(xi,yi,zi) title(cubic插值) [x,y]=meshgrid(-3:0.1:3,-3:0.1:3); z=peaks(x,y); meshc(x,y,z) title(原始图) 3、三维线性插值 vi=interp3(x,y,z,v,xi,yi,zi)返回三维函数v在插值向量xi，yi，zi处的函数向量vi，它们大小形式相同。 vi=interp3(v,xi,yi,zi)省略x、y、z。同前。 vi=interp3(x,y,z,v,xi,yi,zi,’method’)同前。 [x,y,z,v]=flow(10); [xi,yi,zi]=meshgrid(0.1:0.25:10,-3:0.25:3,-3:0.25:3); vi=interp3(x,y,z,v,xi,yi,zi); slice(xi,yi,zi,vi,[6 9.5],2,[-2,0.2]) 4、Lagrange插值 编写拉氏插值函数然后运行 x=[1 2 3 4 5]; y=[2 4 6 8 10]; s=lagrange(x,y,1.6) s = 3.2000 s=lagrange(x,y,[1.4 2.5 3.7]) s = 0 0 7.4000 用法： s=lagrange(x,y,x0) 5、newton插值 编写牛顿插值函数然后运行 x=[0.4 0.55 0.65 0.8 0.9 1.05]; y=[0.41075 0.57815 0.69675 0.88811 1.02652 1.25382]; s=newton(x,y,0.596,4) s = 0.6319 用法： s=newton(x,y,x0,n)其中n为插值多项式的次数。 6、三次样条插值 yy=spline(x,y,xx)利用三次样条插值法寻找在插值点xx处的插值函数 x=0:10; y=sin(x); xx=0:0.25:10; yy=spline(x,y,xx); plot(x,y,o,xx,yy) 7、最小二乘法曲线拟合 p=polyfit(x,y,n)返回拟合的多项式的系数，系数存储在向量p中。 [p,s]=polyfit(x,y,n)返回是拟合生成的多项式系数向量p及用polyval函数获得的误差预测结果s。 x=[1 3 4 5 6 7 8 9 10]; y=[10 5 4 2 1 1 2 3 4 ]; [p,s]=polyfit(x,y,4); y1=polyval(p,x); plot(x,y,go,x,y1,b--) 8.5 数值积分 1、Newton-Cotes求积公式 梯形积分法 s=trapz(x,y)表示用梯形法求y对x的积分。 x=0:0.1:pi; y=sin(x); s=trapz(x,y) s = 1.9975 x=0:0.01:pi; y=sin(x); s=trapz(x,y) s = 2.0000 由此可见，积分精度与步长有关。 simpson法数值积分 此方法的数值积分用函数quad来实现。 q=quad(‘f’,a,b)表示使用自适应递归的simpson方法从区间a到b对函数f(x)积分。求积相对误差在1e-3范围内。 q=quad(‘f’,a,b,tol)表示使用自适应递归的simpson方法从区间a到b对函数f(x)积分。求积相对误差在tol范围内。 此函数最大递归调用次数为10次，如超出则返回Inf。 quad(sin(x),0,pi) ans = 2.0000 cotes(科特斯)法数值积分 此方法的数值积分用函数quad8来实现。 q=quad8(‘f’,a,b)表示使用自适应递归的newton-cotes8方法从区间a到b对函数f(x)积分。求积相对误差在1e-3范围内。 q=quad8(‘f’,a,b,tol)表示使用自适应递归的newton-cotes8方法从区间a到b对函数f(x)积分。求积相对误差在tol范围内。 此函数最大递归调用次数为10次，如超出则返回Inf。 quad(cos(x),0,pi/2) ans = 1.0000 2、Gauss求积公式 首先编写4点gauss求积公式的M文件，然后运行。 用编写的函数求积分 首先编写求积函数gaussff.m gausslegendre(0,1) ans = 0.7183 function