数学建模 插值.pptVIP

Runge现象 问题的提出：根据区间[a,b]上给出的节点做插值多项式p(x)的近似值，一般总认为p(x)的次数越高则逼近f(x)的精度就越好，但事实并非如此。 反例： 在区间[-5,5]上的各阶导数存在，但在此区间上取n个节点所构成的Lagrange插值多项式在全区间内并非都收敛。 例1 取n=10,用Lagrange插值法进行插值计算。 x=[-5:1:5]; y=1./(1+x.^2); x0=[-5:0.1:5]; y0=lagrange(x,y,x0); y1=1./(1+x0.^2); ％绘制图形 plot(x0,y0,--r) ％插值曲线 hold on plot(x0,y1, -b) ％原曲线 hold off 为解决Runge问题，引入分段插值。 2.2.3 埃尔米特插值 不少插值问题不仅要求在节点上函数值相等，而且要求在某些节点上对应的导数值甚至高阶导数值相等，这种插值问题称为Hermite插值。 样条函数的背景和定义 分段线性插值导数不连续； Hermite插值导数连续但需要已知； 本节讨论一种特殊类型的分段三次插 值，称为三次样条插值。 比拉格朗日插值多两个条件，二阶导 数连续。 注意： 1. yi=interp1(x，y，xi)，默认为分段线性插值 2. yi=interp1(y，xi)，在默认情况下，x变量选择为1：n，其中n是向量y的长度 Method方法中有以下特点： 1. nearest，最邻近插值方法。这种方法在已知数据的最邻近点设置插值点，对插值点的数值进行四舍五入，对超出范围的数据点返回NaN。这种方法速度最快，占用内存最小，但一般来说误差最大，插值结果最不光滑。 2. linear，分段线性插值。该方法采用直线将相邻的数据点相连，对超出范围的数据点返回NaN。这种方法在速度和误差之间取得了比较好的均衡，其插值函数具有连续性，但在已知数据点处的斜率一般都会改变，因此它不是光滑的。 3. spline，三次样条插值方法是所有插值方法中运行耗时最长的，其插值函数及插值函数的一阶、二阶导数函数都连续，因此它是最光滑的插值方法，占用内存比cubic方法小，但当已知数据点不均匀分布时可能会出现异常结果。 4. cubic三次多项式插值，该方法中插值函数及其一阶导数都是连续的，因此其插值结果也比较光滑，运算速度比spline方法稍快，但占用内存最多。 例3：对sin函数进行分段线性一维插值。 实验步骤： clear all x=0:2*pi; y=sin(x); xi=0:.2:2*pi; yi=interp1(x,y,xi); plot(x,y,ro,xi,yi); xlabel(‘数据’);ylabel(‘线性插值); 2.3.2 matlab中计算三次样条函数的命令 spline函数或pchip函数，二者的用法相同，函数默认非扭结边界条件为其边界条件。 命令格式为： yi=spline(x,y,xi) 其意义等同于yi=interp1(x，y，xi，‘spline) 例4:已知的数据点来自函数根据生成的数据进行插值处理，得出较平滑的曲线直接生成数据。 x=0:.12:1; y=(x.^2-3*x… +5).*exp(-5*x… ).*sin(x); plot(x,y,x,y,o) 调用interp1( )函数： x1=0:.02:1; y0=(x1.^2-3*x1+5).*exp(-5*x1).*sin(x1); y1=interp1(x,y,x1); y2=interp1(x,y,x1,cubic); y3=interp1(x,y,x1,spline); y4=interp1(x,y,x1,nearest); plot(x1,[y1,y2,y3,y4],:,x,y,o,x1,y0) 误差分析 [max(abs(y0(1:49) … -y2(1:49))), max(abs(y0-y3)), max(abs(y0-y4))] ans = 0.0177 0.0086 0.1598 命令 interp2 功能 二维数据内插值（表格查找） 格式1 ZI = interp2(X,Y,Z,XI,YI) %返回矩阵ZI，其元素包含对应于参量XI与YI（可以是向量、或同型矩阵）的元素。参量X与Y必须是单调的，且相同的划分格式，就像由命令meshgrid生成的一样。若Xi与Yi中有在X与Y范围之外的点，则相应