数值计算3-插值和曲线拟合.docxVIP

．．． ．．．．．．．．．．数值计算 ．．． ．．．．．．．．．． 插值法是实用的数值方法，是函数逼近的重要方法。在生产和科学实验中，自变量 x 与因 变量 y 的函数 y = f(x)的关系式有时不能直接写出表达式，而只能得到函数在假设干个点的函 数值或导数值。当要求知道观测点之外的函数值时，需要估计函数值在该点的值。 如何根据观测点的值，构造一个比拟简单的函数 y=φ(x)，使函数在观测点的值等于的数 值或导数值。用简单函数 y=φ(x)在点 x 处的值来估计未知函数 y=f(x)在 x 点的值。寻找这样 的函数φ(x)，方法是很多的。φ (x)可以是一个代数多项式，或是三角多项式，也可以是有理 分式；φ(x)可以是任意光滑〔任意阶导数连续〕的函数或是分段函数。函数类的不同，自然 地有不同的逼近效果。在许多应用中，通常要用一个解析函数〔一、二元函数〕来描述观测数 据。 根据测量数据的类型： 1 ．测量值是准确的，没有误差。 2 ．测量值与真实值有误差。 这时对应地有两种处理观测数据方法： 1 ．插值或曲线拟合。 2 ．回归分析〔假定数据测量是精确时，一般用插值法，否那么用曲线拟合〕。 MATLAB 中提供了众多的数据处理命令。有插值命令，有拟合命令，有查表命令。 一维插值 插值定义为对数据点之间函数的估值方法，这些数据点是由某些集合给定。当人们不能很快地 求出所需中间点的函数值时，插值是一个有价值的工具。例如，当数据点是某些实验测量的结果或 是过长的计算过程时，就有这种情况。 interp1(x,y,xi,method) x 和 y 为既有数据的向量，其长度必须相同。 xi 为要插值的数据点向量。 method 插值方法,‘nearest’/‘linear’/‘cub之ic一’，/‘spline’ 分别为最近点插值/线性插值/分段三次 Hermite 插值/三次样条插值。 例 例 x=[1.0 2.0 3.0 4.0 5.0]; y=[11.2 16.5 20.4 26.3 30.5]; x1=2.55; y11=interp1(x,y,x1,nearest) y12=interp1(x,y,x1,linear) y13=interp1(x,y,x1,cubic) %输入变量数据 x %输入变量数据 y %输入待插值点 x %最近点插值方法的插值结果 %线性插值方法的插值结果 %三次 Hermite 插值方法的插值结果 y14=interp1(x,y,x1,spline) y11 = 20.4000 y12 = 18.6450 y13 = 18.6028 %样条插值方法的插值结果 y14 = 18.4874 plot(x,y) 35 35 30 25 20 15 10 1.5 2 2.5 3 3.5 4 4.5 5 1 或许最简单插值的例子是 MATLAB 的作图。按缺省， MATLAB 用直线连接所用的数据点以作图。 这个线性插值猜想中间值落在数据点之间的直线上。当然，当数据点个数的增加和它们之间距离的 减小时，线性插值就更精确。例如： x1=linspace(0, 2*pi, 60); x2=linspace(0, 2*pi, 6); plot(x1, sin(x1), x2, sin(x2), - ) xlabel( x ), ylabel( sin(x) ), title( Linear Interpolation ) Linear Linear Interpolation 1 2 3 4 5 6 7 x 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 上图是 sin 函数的两个图，一个在数据点之间用 60 个点，它比另一个只用 6 个点更光滑和更 精确。 根据所作的假设，有多种插值。而且，可以在一维以上空间中进行插值。即如果有反映两个变 量函数的插值， z=f(x, y)，那么就可在 x 之间和在 y 之间，找出 z 的中间值进行插值。 MATLAB 在 一维函数 interp1 和在二维函数 interp2 中，提供了许多的插值选择。其中的每个函数将在下面阐 述。 为了说明一维插值，考虑以下问题， 12 小时内，一小时测量一次室外温度。数据存储在两个 MATLAB 变量中。 hours=1:12; % index for hour data was recorded temps=[5 8 9