插值法和拟合实验报告(数值计算)
实验2插值与拟合
数值分析实验报告实验2 插值与拟合2.1 实验目的掌握牛顿插值法的基本思路和步骤；掌握最小二乘法的基本思路和拟合步骤。
培养编程与上机调试能力。
2.2 算法描述2.2.1 牛顿插值法基本思路给定插值点序列（))(,i i x f x ,,,1,0,n i =构造牛顿插值多项式)(u N n 。
输入要计算的函数点,x 并计算)(x N n 的值，利用牛顿插值公式，当增加一个节点时，只需在后面多计算一项，而前面的计算仍有用；另一方面)(x N n 的各项系数恰好又是各阶差商，而各阶差商可用差商公式来计算。
2.2.2 牛顿插值法计算步骤1. 输入n 值及（))(,i i x f x ,,,1,0,n i =；要计算的函数点x 。
2. 对给定的,x 由[][][]00010101201101()()(),()(),,()()(),,n n n N x f x x x f x x x x x x f x x x x x x x x x f x x x -=+-+--++--- 计算()n N x 的值。
3. 输出()n N x 。
2.2.3 最小二乘法基本思路已知数据对()(),1,2,,j j x y j n = ，求多项式0()()m ii i p x a x m n ==<∑使得20110(,,,)n m in i j j j i a a a a x y ==⎛⎫Φ=- ⎪⎝⎭∑∑ 为最小，这就是一个最小二乘问题。
2.2.4 最小二乘法计算步骤用线性函数()p x a bx =+为例，拟合给定数据(),,1,2,,i i x y i m = 。
算法描述：步骤1：输入m 值，及(),,1,2,,i i x y i m = 。
步骤2：建立法方程组TA AX AY =。
步骤3：解法方程组。
步骤4：输出()p x a bx =+。
2.3 实验内容1. 给定sin110.190809,sin120.207912,sin130.22491,o o o ===构造牛顿插值函数计算'sin1130o 。
插值与拟合试验
实验：插值与拟合实验目的1.掌握用MATLAB计算拉格朗日、分段线性、三次样条三种插值的方法，改变节点的数目，对三种插值的结果进行初步的分析。
2.掌握用MATLAB作线性最小二乘的方法。
3.通过实例学习如何用插值方法与拟合方法解决实际问题，注意二者的联系和区别。
实验内容选择一些函数，在n个节点上（n不要太大，如5~11）用拉格朗日、分段线性、三次样条三种插值方法，计算m个插值点的函数值（m要适中，如50~100）。
通过数值和图形输出，将三种插值结果与精确值进行比较。
适当增加n，再作比较，由此作初步分析。
y=exp(-x2),-2≤x≤2.取n=5,m=80用MATLAB计算插值数据比较如下：y是精确值，y1是分段线性值，y2是三次样条法插值，y3是拉格朗日插值由于对称性，只给出x>0的值程序：function y=lagr(x0,y0,x)%函数输入：n个节点以数组x0，y0输入，m个插值点以数组x输入?%函数输出：输出数组y为m个插值?n=length(x0);m=length(x);for i=1:mz=x(i);s=0.0;for k=1:np=1.0;for j=1:nif j~=kp=p*(z-x0(j))/(x0(k)-x0(j)); endends=p*y0(k)+s;endy(i)=s;end结果：x0=-2:0.5:2;y0=exp(-1*x0.^2);x=-2:0.05:2y=exp(-1*x.^2);y1=lagr(x0,y0,x);y2=interp1(x0,y0,x);y3=spline(x0,y0,x);[x;y;y1;y2;y3]'plot(x,y,'k--',x,y1,'r'),xlabel('x')ylabel('y/y1')title('拉格朗日插值(n=9,m=21)'),legend('原函数曲线','拉格朗日插值曲线'), pause,plot(x,y,'k--',x,y2,'r'),xlabel('x')ylabel('y/y2')title('分段线性插值(n=9,m=21)'),legend('原函数曲线','分段线性插值曲线'), pause,plot(x,y,'k--',x,y3,'r'),xlabel('x')ylabel('y/y1')title('三次样条插值(n=9,m=21)'),legend('原函数曲线','三次样条插值曲线'), x =Columns 1 through 9-2.0000 -1.9500 -1.9000 -1.8500 -1.8000 -1.7500 -1.7000 -1.6500 -1.6000Columns 10 through 18-1.5500 -1.5000 -1.4500 -1.4000 -1.3500 -1.3000 -1.2500 -1.2000 -1.1500Columns 19 through 27-1.1000 -1.0500 -1.0000 -0.9500 -0.9000 -0.8500 -0.8000 -0.7500 -0.7000Columns 28 through 36-0.6500 -0.6000 -0.5500 -0.5000 -0.4500 -0.4000 -0.3500 -0.3000 -0.2500Columns 37 through 45-0.2000 -0.1500 -0.1000 -0.0500 0 0.0500 0.1000 0.1500 0.2000Columns 46 through 540.2500 0.3000 0.3500 0.4000 0.4500 0.5000 0.5500 0.6000 0.6500Columns 55 through 630.7000 0.7500 0.8000 0.8500 0.9000 0.9500 1.0000 1.0500 1.1000Columns 64 through 721.1500 1.2000 1.2500 1.3000 1.3500 1.4000 1.4500 1.5000 1.5500Columns 73 through 811.6000 1.6500 1.7000 1.7500 1.8000 1.8500 1.9000 1.95002.0000ans =-2.0000 0.0183 0.0183 0.0183 0.0183 -1.9500 0.0223 0.0048 0.0270 0.0207 -1.9000 0.0271 0.0011 0.0357 0.0243 -1.8500 0.0326 0.0044 0.0444 0.0292 -1.8000 0.0392 0.0127 0.0531 0.0355 -1.7500 0.0468 0.0243 0.0619 0.0433 -1.7000 0.0556 0.0381 0.0706 0.0525 -1.6500 0.0657 0.0535 0.0793 0.0633 -1.6000 0.0773 0.0700 0.0880 0.0757 -1.5500 0.0905 0.0873 0.0967 0.0897 -1.5000 0.1054 0.1054 0.1054 0.1054 -1.4500 0.1222 0.1244 0.1316 0.1229 -1.4000 0.1409 0.1446 0.1579 0.1421 -1.3500 0.1616 0.1660 0.1841 0.1633 -1.3000 0.1845 0.1889 0.2104 0.1863 -1.2500 0.2096 0.2136 0.2366 0.2114 -1.2000 0.2369 0.2402 0.2629 0.2384 -1.1500 0.2665 0.2689 0.2891 0.2675-1.1000 0.2982 0.2998 0.3154 0.2988 -1.0500 0.3320 0.3328 0.3416 0.3322 -1.0000 0.3679 0.3679 0.3679 0.3679 -0.9500 0.4056 0.4050 0.4090 0.4058 -0.9000 0.4449 0.4439 0.4501 0.4455 -0.8500 0.4855 0.4844 0.4912 0.4867 -0.8000 0.5273 0.5261 0.5322 0.5288 -0.7500 0.5698 0.5687 0.5733 0.5716 -0.7000 0.6126 0.6117 0.6144 0.6145 -0.6500 0.6554 0.6547 0.6555 0.6571 -0.6000 0.6977 0.6972 0.6966 0.6989 -0.5500 0.7390 0.7388 0.7377 0.7397 -0.5000 0.7788 0.7788 0.7788 0.7788 -0.4500 0.8167 0.8168 0.8009 0.8159 -0.4000 0.8521 0.8524 0.8230 0.8507 -0.3500 0.8847 0.8850 0.8452 0.8827 -0.3000 0.9139 0.9142 0.8673 0.9117 -0.2500 0.9394 0.9397 0.8894 0.9372 -0.2000 0.9608 0.9610 0.9115 0.9588 -0.1500 0.9778 0.9779 0.9336 0.9763 -0.1000 0.9900 0.9901 0.9558 0.9892 -0.0500 0.9975 0.9975 0.9779 0.99720 1.0000 1.0000 1.0000 1.0000 0.0500 0.9975 0.9975 0.9779 0.9972 0.1000 0.9900 0.9901 0.9558 0.9892 0.1500 0.9778 0.9779 0.9336 0.9763 0.2000 0.9608 0.9610 0.9115 0.9588 0.2500 0.9394 0.9397 0.8894 0.9372 0.3000 0.9139 0.9142 0.8673 0.9117 0.3500 0.8847 0.8850 0.8452 0.8827 0.4000 0.8521 0.8524 0.8230 0.8507 0.4500 0.8167 0.8168 0.8009 0.8159 0.5000 0.7788 0.7788 0.7788 0.7788 0.5500 0.7390 0.7388 0.7377 0.7397 0.6000 0.6977 0.6972 0.6966 0.6989 0.6500 0.6554 0.6547 0.6555 0.6571 0.7000 0.6126 0.6117 0.6144 0.6145 0.7500 0.5698 0.5687 0.5733 0.5716 0.8000 0.5273 0.5261 0.5322 0.5288 0.8500 0.4855 0.4844 0.4912 0.4867 0.9000 0.4449 0.4439 0.4501 0.44550.9500 0.4056 0.4050 0.4090 0.40581.0000 0.3679 0.3679 0.3679 0.3679 1.0500 0.3320 0.3328 0.3416 0.33221.1000 0.2982 0.2998 0.3154 0.2988 1.1500 0.2665 0.2689 0.2891 0.2675 1.2000 0.2369 0.2402 0.2629 0.2384 1.2500 0.2096 0.2136 0.2366 0.2114 1.3000 0.1845 0.1889 0.2104 0.1863 1.3500 0.1616 0.1660 0.1841 0.1633 1.4000 0.1409 0.1446 0.1579 0.1421 1.4500 0.1222 0.1244 0.1316 0.1229 1.5000 0.1054 0.1054 0.1054 0.1054 1.5500 0.0905 0.0873 0.0967 0.0897 1.6000 0.0773 0.0700 0.0880 0.0757 1.6500 0.0657 0.0535 0.0793 0.0633 1.7000 0.0556 0.0381 0.0706 0.0525 1.7500 0.0468 0.0243 0.0619 0.0433 1.8000 0.0392 0.0127 0.0531 0.0355 1.8500 0.0326 0.0044 0.0444 0.0292 1.9000 0.0271 0.0011 0.0357 0.02431.9500 0.0223 0.0048 0.0270 0.02072.0000 0.0183 0.0183 0.0183 0.0183上图是根据插值数据作出的曲线。
实验报告书
拟合多项式原理：假设给定数据点(i=0,1,…,m)，为所有次数不超过的多项式构成的函数类，现求一,使得(1)当拟合函数为多项式时，称为多项式拟合，满足式（1）的称为最小二乘拟合多项式。
特别地，当n=1时，称为线性拟合或直线拟合。
显然为的多元函数，因此上述问题即为求的极值 问题。
由多元函数求极值的必要条件，得(2)即(3)（3）是关于的线性方程组，用矩阵表示为 (4) 式（3）或式（4）称为正规方程组或法方程组。
可以证明，方程组（4）的系数矩阵是一个对称正定矩阵，故存在唯一解。
从式（4）中解出(k=0,1,…，n)，从而可得多项式(5)可以证明，式（5）中的满足式（1），即为所求的拟合多项式。
我们把称为最小二乘拟合多项式的平方误差，记作由式(2)可得(6)四、实验内容 (列出实验的实施方案、步骤、数据准备、算法流程图以及可能用到的实验设备（硬件和软件）。
) 实验步骤：),(i i y x Φ)(m n n ≤Φ∈=∑=n k k k n x a x p 0)([]min )(00202=⎪⎭⎫⎝⎛-=-=∑∑∑===mi mi n k i k i k i i n y x a y x p I )(x p n n a a a Λ,,10),,(10n a a a I I Λ=n j x y x a a Im i j i nk i k i k j ,,1,0,0)(200Λ==-=∂∂∑∑==nj y x a xn k mi i j i k mi k j i,,1,0,)(0Λ==∑∑∑===+na a a Λ,,10⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡+∑∑∑∑∑∑∑∑∑∑∑=====+==+====m i i n i m i i i m i i n mi n i m i n i m i n i mi n i m i i m i imi n i m i i y x y x y a a a x x x x x x x x m 000100201001020001M M ΛM M M ΛΛk a∑==nk kk n x a x p 0)()(x p n )(x p n []∑=-mi i i ny x p2)()(x p n ∑∑∑===-=mi nk mi i k i k iy x a y r222)(。
实验报告书-曲线拟合与插值
东南大学《数学实验》报告学号09008123 姓名郭晨成绩实验内容：曲线拟合与插值一实验目的三次样条插值函数的求解及应用二预备知识(1)熟悉正规方程、差分表、插商表的概念(2)熟悉“\”、polyfit、polyval、interp1、spline、cscvn等Matlab 命令三实验内容与要求已知某平原地区的一条公路经过如下坐标点，请用不同的插值方法绘出这条公路（不考虑公路的宽度）。
对于表中给出的数据，编程计算三次样条插值函数估计的公路长度。
X(m) 0 30 50 70 80 90 120 148 170 180Y(m) 80 64 47 42 48 66 80 120 121 138X(m) 202 212 230 248 268 271 280 290 300 312Y(m) 160 182 200 208 212 210 200 196 188 186X(m) 320 340 360 372 382 390 416 430 478 440Y(m) 200 184 188 200 202 240 246 280 296 308X(m) 420 380 360 340 320 314 280 240 200Y(m) 334 328 334 346 356 360 392 390 400思路：由于道路曲折，出现了一个x值对应2个y值的情况，，所以将道路分为2个函数进行拟合。
Matlab命令clear% 全部采样点X=[0,30,50,70,80,90,120,148,170,180,202,212,230,248,268,271,280,290,300,312,320,340,360,372,382,390,416,430,478,440,420,380,360,340,320,314,280,240,200];Y=[80,64,47,42,48,66,80,120,121,138,160,182,200,208,212,210,200,196,188,186,200,184,188, 200,202,240,246,280,296,308,334,328,334,346,356,360,392,390,400];% 第一段n1=29;X1=[0,30,50,70,80,90,120,148,170,180,202,212,230,248,268,271,280,290,300,312,320,340,36 0,372,382,390,416,430,478];Y1=[80,64,47,42,48,66,80,120,121,138,160,182,200,208,212,210,200,196,188,186,200,184,18 8,200,202,240,246,280,296];Z1=0:1:478;m1=length(Z1);gdao1=[-8/15,1/3];lmd1(1)=1;mu1(n1)=1;for i=1:n1-1h1(i)=X1(i+1)-X1(i);endd1(1)=6*((Y1(2)-Y1(1))/h1(1)-gdao1(1))/h1(1);d1(n1)=6*(gdao1(2)-(Y1(n1)-Y1(n1-1))/h1(n1-1))/h1(n1-1);for i=2:n1-1lmd1(i)=h1(i)/(h1(i-1)+h1(i));mu1(i)=1- lmd1(i);d1(i)=6*((Y1(i+1)-Y1(i))/h1(i)-(Y1(i)-Y1(i-1))/h1(i-1))/(h1(i-1)+h1(i));endA1(1,1)=2;A1(1,2)=1;A1(n1,n1-1)=1;A1(n1,n1)=2;for i=2:n1-1A1(i,i-1)=mu1(i);A1(i,i)=2;A1(i,i+1)=lmd1(i);endM1=inv(A1)*d1';for k=1:m1for i=1:n1-1if Z1(k)>=X1(i)&Z1(k)<=X1(i+1)S1(k)=M1(i)*(X1(i+1)-Z1(k))^3/(6*h1(i))+M1(i+1)*(Z1(k)-X1(i))^3/(6*h1(i))+(Y1(i)-M1(i)*h 1(i)^2/6)*(X1(i+1)-Z1(k))/h1(i)+(Y1(i+1)-M1(i+1)*h1(i)^2/6)*(Z1(k)-X1(i))/h1(i);breakendendend% 第二段n2=11;X2=[200,240,280,314,320,340,360,380,420,440,478];Y2=[400,390,392,360,356,346,334,328,334,308,296];Z2=200:1:478;m2=length(Z2);gdao2=[-1/4,-6/19];lmd2(1)=1;mu2(n2)=1;for i=1:n2-1h2(i)=X2(i+1)-X2(i);endd2(1)=6*((Y2(2)-Y2(1))/h2(1)-gdao2(1))/h2(1);d2(n2)=6*(gdao2(2)-(Y2(n2)-Y2(n2-1))/h2(n2-1))/h2(n2-1);for i=2:n2-1lmd2(i)=h2(i)/(h2(i-1)+h2(i));mu2(i)=1- lmd2(i);d2(i)=6*((Y2(i+1)-Y2(i))/h2(i)-(Y2(i)-Y2(i-1))/h2(i-1))/(h2(i-1)+h2(i));endA2(1,1)=2;A2(1,2)=1;A2(n2,n2-1)=1;A2(n2,n2)=2;for i=2:n2-1A2(i,i-1)=mu2(i);A2(i,i)=2;A2(i,i+1)=lmd2(i);endM2=inv(A2)*d2';for k=1:m2for i=1:n2-1if Z2(k)>=X2(i)&Z2(k)<=X2(i+1)S2(k)=M2(i)*(X2(i+1)-Z2(k))^3/(6*h2(i))+M2(i+1)*(Z2(k)-X2(i))^3/(6*h2(i))+(Y2(i)-M2(i)*h 2(i)^2/6)*(X2(i+1)-Z2(k))/h2(i)+(Y2(i+1)-M2(i+1)*h2(i)^2/6)*(Z2(k)-X2(i))/h2(i);breakendendendplot(Z1,S1,Z2,S2,X,Y,'o') % 绘图% 估算公路长度L=0;for t=1:477L=L+((Z1(t)-Z1(t+1))^2+(S1(t)-S1(t+1))^2)^0.5;endfor t=1:277L=L+((Z2(t)-Z2(t+1))^2+(S2(t)-S2(t+1))^2)^0.5 End结果输出：L = 1.0163e+003插值图像。
数值分析实验报告--插值与拟合及其并行算法
《数值分析》实验报告实验五、插值与拟合及其并行算法一．实验目的：1．学会拉格朗日插值， 分段线性插值或三次样条插值以及曲 线拟合等数值分析问题，通过 MATLAB 编程解决这些数 值分析问题，并且加深对此次实验内容的理解。
2．加强编程能力和编程技巧，练习从数值分析角度看问题， 同时用 MATLAB 编写代码。
二．实验要求：学会在计算机上实现拉格朗日插值，分段线性插值或三次 样条插值以及曲线拟合等数值分析问题，分析几种插值方法的异 同。
三．实验内容：分别用下列题目完成①：拉格朗日插值及其误 差分析 ②：三次样条 ③: 曲线拟合及其误差分析，实验要求。
四．实验题目： （1）已知 sin 30 D = 0.5 ， sin 45D = 0.707 1 ，sin 60 D = 0.866 0 ，用拉格朗日插值及其误差估计的MATLAB主程序求 sin 20D 的近似值，并估计其误差。
（2）观测得出函数 y=f(x)在若干点处的值为 f(0)=0, f(2)=16, f(4)=36, f(6)=54, f(10)=82 和 f＇(0)=8, f＇(10)=7, 试求 f(x)的三次样条函数,并计算 f(3)和 f(8)的近似值. （ 3 ） t=[2.1 7.9 10.1 13 14.5 15.3];r=[13.5 36.9 45.7 求出 r 与 t 之间的关系， 及三 57.3 62.78 74.9];根据给出数据， 种误差，并作出拟合曲线。
五．实验原理：（1）拉格朗日插值公式：P5 ( x) = ∑ y i l i ( x)i =05li ( x) =( x − x 0 ) " ( x − xi −1 )( x − xi +1 ) " ( x − x n ) ( xi − x0 ) " ( xi − xi −1 )( xi − xi +1 ) " ( xi − x n )（2）三次样条插值公式：Ｓn（x）=｛Ｓi（x）=a i x ＋b i x ＋c i x＋d i ， x ∈ ［x i −1 ，x i ］ ，i=1,2,….,n｝32（3）曲线拟合： 最小二乘法并不只限于多项式，也可以用于任何具体给出的函数 形式。
插值数值实验报告(3篇)
第1篇一、实验目的1. 理解并掌握插值法的基本原理和常用方法。
2. 学习使用拉格朗日插值法、牛顿插值法等数值插值方法进行函数逼近。
3. 分析不同插值方法的优缺点，并比较其精度和效率。
4. 通过实验加深对数值分析理论的理解和应用。
二、实验原理插值法是一种通过已知数据点来构造近似函数的方法。
它广泛应用于科学计算、工程设计和数据分析等领域。
常用的插值方法包括拉格朗日插值法、牛顿插值法、样条插值法等。
1. 拉格朗日插值法拉格朗日插值法是一种基于多项式的插值方法。
其基本思想是：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等。
2. 牛顿插值法牛顿插值法是一种基于插值多项式的差商的插值方法。
其基本思想是：给定一组数据点，构造一个次数不超过n的多项式，使得该多项式在这些数据点上的函数值与已知数据点的函数值相等，并且满足一定的差商条件。
三、实验内容1. 拉格朗日插值法（1）给定一组数据点，如：$$\begin{align}x_0 &= 0, & y_0 &= 1, \\x_1 &= 1, & y_1 &= 4, \\x_2 &= 2, & y_2 &= 9, \\x_3 &= 3, & y_3 &= 16.\end{align}$$（2）根据拉格朗日插值公式，构造插值多项式：$$P(x) = \frac{(x-x_1)(x-x_2)(x-x_3)}{(x_0-x_1)(x_0-x_2)(x_0-x_3)}y_0 + \frac{(x-x_0)(x-x_2)(x-x_3)}{(x_1-x_0)(x_1-x_2)(x_1-x_3)}y_1 + \frac{(x-x_0)(x-x_1)(x-x_3)}{(x_2-x_0)(x_2-x_1)(x_2-x_3)}y_2 + \frac{(x-x_0)(x-x_1)(x-x_2)}{(x_3-x_0)(x_3-x_1)(x_3-x_2)}y_3.$$（3）计算插值多项式在不同点的函数值，并与实际值进行比较。
数值计算插值法与拟合实验
dy0=-10.*(1-5.^4)./(1+5.^4).^2;dyn=10.*(1-5.^4)./(1+5.^4).^2;
m=maspline(x1,y1,dy0,dyn,xx);
plot(xx,m,'ok')
2、
程序：
x=[-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5]';
plot(xx,m,'ok')
第二个方程
程序
x=-5:0.2:5;
y=atan(x);
plot(x,y,'r');
hold on
x1=-5:1:5;
y1=atan(x1);
xx=-4.5:0.5:4.5;
yy=malagr(x1,y1,xx);
plot(xx,yy,'+')
dy0=1./(1+25);dyn=1./(1+25);
实验报告三
一、实验目的
通过本实验的学习，各种插值法的效果，如多项式插值法，牛顿插值法，样条插值法，最小二乘法拟合（即拟合插值），了解它们各自的优缺点及插值。
二、实验题目
1、插值效果比较
实验题目：将区间 10等份，对下列函数分别计算插值节点 的值，进行不同类型的插值，作出插值函数的图形并与 的图形进行比较：
y=[-4.45 -0.45 0.55 0.05 -0.44 0.54 4.55]';
plot(x,y,'or');hold on
%三.2:1.5;
y1=p1(1)*x1.^3+p1(2)*x1.^2+p1(3)*x1+p1(4);
插值与拟合实验报告
学生实验报告了解插值与拟合的基本原理和方法；掌握用MATLAB计算插值与作最小二乘多项式拟合和曲线拟合的方法；通过范例展现求解实际问题的初步建模过程；通过动手作实验学习如何用插值与拟合方法解决实际问题，提高探索和解决问题的能力。
这对于学生深入理解数学概念，掌握数学的思维方法，熟悉处理大量的工程计算问题的方法具有十分重要的意义。
二、实验仪器、设备或软件：电脑,MATLAB软件三、实验内容1．编写插值方法的函数M文件；2．用MATLAB中的函数作函数的拟合图形；3．针对实际问题，试建立数学模型，并求解。
四、实验步骤1．开启软件平台——MATLAB，开启MATLAB编辑窗口；2．根据各种数值解法步骤编写M文件；3．保存文件并运行；4．观察运行结果(数值或图形)；5．写出实验报告，并浅谈学习心得体会。
五、实验要求与任务根据实验内容和步骤，完成以下具体实验，要求写出实验报告（实验目的→问题→数学模型→算法与编程→计算结果→分析、检验和结论→心得体会）。
1．天文学家在1914年8月的7次观测中，测得地球与金星之间距离（单位：米），并取得常用对数值，与日期的一组历史数据如下表：由此推断何时金星与地球的距离（米）的对数值为9.93518？解：输入命令days=[18 20 22 24 26 28 30];distancelogs=[9.96177 9.95436 9.94681 9.93910 9.93122 9.92319 9.91499]; t1=interp1(distancelogs,days,9.93518) %线性插值t2=interp1(distancelogs,days,9.93518,'nearest') %最近邻点插值t3=interp1(distancelogs,days,9.93518,'spline') %三次样条插值t4=interp1(distancelogs,days,9.93518,'cubic') %三次插值计算结果：t1 =24.9949t2 =24t3 =25.0000t4 =25.0000综上所得，可推断25日金星与地球的距离（米）的对数值为9.93518。
插值法和拟合实验报告
插值法和拟合实验报告一、实验目的1.通过实验了解插值法和拟合法在数值计算中的应用；2.掌握拉格朗日插值法、牛顿插值法和分段线性插值法的原理和使用方法；3.学会使用最小二乘法进行数据拟合。
二、实验仪器和材料1.一台计算机；2. Matlab或其他适合的计算软件。
三、实验原理1.插值法插值法是一种在给定的数据点之间“插值”的方法，即根据已知的数据点，求一些点的函数值。
常用的插值法有拉格朗日插值法、牛顿插值法和分段线性插值法。
-拉格朗日插值法：通过一个n次多项式，将给定的n+1个数据点连起来，构造出一个插值函数。
-牛顿插值法：通过递推公式，将给定的n+1个数据点连起来，构造出一个插值函数。
-分段线性插值法：通过将给定的n+1个数据点的连线延长，将整个区间分为多个小区间，在每个小区间上进行线性插值，构造出一个插值函数。
2.拟合法拟合法是一种通过一个函数，逼近已知的数据点的方法。
常用的拟合法有最小二乘法。
-最小二乘法：通过最小化实际观测值与拟合函数的差距，找到最优的参数，使得拟合函数与数据点尽可能接近。
四、实验步骤1.插值法的实验步骤：-根据实验提供的数据点，利用拉格朗日插值法、牛顿插值法、分段线性插值法，分别求出要插值的点的函数值；-比较三种插值法的插值结果，评价其精度和适用性。
2.拟合法的实验步骤：-根据实验提供的数据点，利用最小二乘法，拟合出一个合适的函数；-比较拟合函数与实际数据点的差距，评价拟合效果。
五、实验结果与分析1.插值法的结果分析：-比较三种插值法的插值结果，评价其精度和适用性。
根据实验数据和插值函数的图形，可以判断插值函数是否能较好地逼近实际的曲线。
-比较不同插值方法的计算时间和计算复杂度，评价其使用的效率和适用范围。
2.拟合法的结果分析：-比较拟合函数与实际数据点的差距，评价拟合效果。
可以使用均方根误差（RMSE）等指标来进行评价。
-根据实际数据点和拟合函数的图形，可以判断拟合函数是否能较好地描述实际的数据趋势。
matlab实验报告 插值和拟合
建模中数据处理和分析班级 学号 姓名 实验地点 完成日期 成绩（一）实验目的与要求应用matlab 处理数据并分析，主要学会并熟练掌握数据拟合和插值。
（二）实验内容1. 用下面一组数据拟合ktbea t c 02.0)(-+=中的参数a ，b ，k2.在某山区测得一些地点的高程如下表。
平面区域为 1200<=x<=4000,1200<=y<=3600) 试作出该山区的地貌图X Y 120016002000240028003200360040001200 1130 1250 1280 1230 1040 900 500 700 1600 1320 1450 1420 1400 1300 700 900 850 2000 1390 1500 1500 1400 900 1100 1060 950 2400 1500 1200 1100 1350 1450 1200 1150 1010 2800 1500 1200 1100 1550 1600 1550 1380 1070 3200 1500 1550 1600 1550 1600 1600 1600 1550 36001480 1500 1550 1510 1430 1300 1200 980（三）实验具体步骤 实验1要先建立一个M 文件，文件中代码如下： function F=myfun(x,xdata) F=x(1)+x(2)*exp(-0.02*x(3)*xdata) 接下来在command window 中输入如下代码： Clc Clearxdata=[100:100:1000];ydata=[4.54 4.99 5.35 5.65 5.90 6.10 6.26 6.39 6.50 6.59]/1000; x0=[0.2 0.05 0.05];[x,resnorm]=lsqcurvefit(@myfun,x0,xdata,ydata) 接着MATLAB 会进行若干次运算，并给出结果：所以拟合的结果是a=0.0063，b=-0.0034，c=0.2542 然后，我们作图看看拟合的结果，输入代码plot(xdata,0.0063-0.0034*exp(-0.02*0.2542*xdata),xdata,ydata,'o') 得到图像如下：实验二建立一个m 文件，在其中输入代码如下： x=1200:400:4000;y=1200:400:3600;100200300400500600700800900100044.555.566.57x 10-3temps=[1130 1250 1280 1230 1040 900 500 700;1320 1450 1420 1400 1300 700 900 850;1390 1500 1500 1400 900 1100 1060 950;1500 1200 1100 1350 1450 1200 1150 1010;1500 1200 1100 1550 1600 1550 1380 1070;1500 1550 1600 1550 1600 1600 1600 1550;1480 1500 1550 1510 1430 1300 1200 980];mesh(x,y,temps)xi=1200:30:4000;yi=1200:30:3600;zi=interp2(x,y,temps,xi',yi,'cubic');mesh(xi,yi,zi)meshz(xi,yi,zi)colordef black运行后打开图形窗口的属性设置对话框，对背景，颜色等属性进行设置，得到下图：（四）实验结果实验中顺利得到拟合结果以及一个三维图像，虽然过程艰辛，但结果十分美好。
插值法和拟合实验报告(数值计算)
插值法和拟合实验报告一、实验目的1.通过进行不同类型的插值，比较各种插值的效果，明确各种插值的优越性；2.通过比较不同次数的多项式拟合效果，了解多项式拟合的原理；3.利用matlab 编程，学会matlab 命令；4.掌握拉格朗日插值法；5.掌握多项式拟合的特点和方法。
二、实验题目1.、插值法实验将区间[-5,5]10等分，对下列函数分别计算插值节点kx 的值，进行不同类型的插值，作出插值函数的图形并与)(x f y =的图形进行比较：;11)(2x x f += ;arctan )(x x f = .1)(42x x x f +=(1) 做拉格朗日插值； (2) 做分段线性插值； (3) 做三次样条插值.2、拟合实验给定数据点如下表所示：分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数),(i i y x 和拟合函数的图形。
三、实验原理1.、插值法实验∏∑∏∏∏∑∑≠==≠=≠=≠=+-==--==-===-=-=----==++==ji j ji i i i i ni i n nji j jnji j ji i nji j jn i i i ni i n nn o i ni i n x x x x x y x l x L x x c ni x x c x x x cx x x x x x x x c y x l x L y x l y x l y x l x L ,00,0,0,0110000)(l )()()(1,1,0,1)()(l )()())(()()()()()()()(，故，得再由，设2、拟合实验四、实验内容1.、插值法实验1.1实验步骤：打开matlab软件，新建一个名为chazhi.m的M文件，编写程序（见1.2实验程序），运行程序，记录结果。
1.2实验程序：x=-5:1:5;xx=-5:0.05:5;y1=1./(1+x.^2);L=malagr(x,y1,xx);L1=interp1(x,y1,x,'linear');S=maspline(x,y1,0.0148,-0.0148,xx);hold on;plot(x,y1,'b*');plot(xx,L,'r');plot(x,L1,'g');plot(xx,S,'k');figurex=-5:1:5;xx=-5:0.05:5;y2=atan(x);L=malagr(x,y2,xx);L1=interp1(x,y2,x,'linear');S=maspline(x,y2,0.0385,0.0385,xx);hold on;plot(x,y2,'b*');plot(xx,L,'r');plot(x,L1,'g');plot(xx,S,'k');figurex=-5:1:5;xx=-5:0.05:5;y3=x.^2./(1+x.^4);L=malagr(x,y3,xx);L1=interp1(x,y3,x,'linear');S=maspline(x,y3,0.0159,-0.0159,xx);hold on;plot(x,y3,'b*');plot(xx,L,'r');plot(x,L1,'g');plot(xx,S,'k');1.3实验设备：matlab软件。
插值与拟合的实验报告心得
插值与拟合的实验报告心得1.引言1.1 概述插值与拟合是数值分析和数据处理领域中常见的重要技术方法，通过对已知数据点进行插值计算，得到未知点的数值估计。
插值方法可以帮助我们填补数据间的空缺、平滑曲线和预测未来趋势，因此在科学研究、工程建模和数据分析中具有广泛的应用价值。
本实验报告将对插值的基本概念进行介绍，探讨插值方法的分类和在实际应用中的意义。
同时，我们将总结实验结果，评述插值与拟合的优缺点，并提出对进一步研究的建议，希望通过本报告对插值与拟合的方法和应用有一个全面的了解。
1.2文章结构文章结构部分的内容可以包括:在本报告中，将包括以下几个部分的内容:1. 引言：介绍插值与拟合的基本概念，以及本实验的目的和意义。
2. 正文：包括插值的基本概念、插值方法的分类以及插值在实际应用中的意义。
我们将深入探讨这些内容，并解释它们在实验中的具体应用。
3. 结论：总结本次实验的结果，分析插值与拟合的优缺点，并提出对进一步研究的建议。
通过以上内容的分析和探讨，我们希望能够全面地了解插值与拟合的理论基础和实际应用，为进一步的研究和实践提供一定的参考和启发。
1.3 目的本实验的目的在于通过对插值和拟合的实验研究，探索和了解这两种数学方法在现实生活中的应用。
通过实验，我们将深入了解插值的基本概念和分类方法，以及插值在实际应用中的意义。
同时，我们还将对插值和拟合的优缺点进行分析，为进一步的研究提供建议和启示。
通过本实验，我们的目的是掌握插值与拟合方法的应用和特点，为实际问题的求解提供更多的数学工具和思路。
2.正文2.1 插值的基本概念插值是指通过已知数据点构建出一个函数，该函数经过这些数据点，并且在每个数据点上都有相应的函数值。
换句话说，插值是一种通过已知离散数据点来推断未知数据点的方法。
在数学上，插值可以用于近似未知函数的值，或者用于填补数据间的空隙。
在插值过程中，我们通常会选择一个合适的插值函数，比如多项式函数、三角函数或者样条函数等，来拟合已知的数据点。
数值计算插值法实验报告
数值计算插值法实验报告
一、实验目标
本实验的目标是学习和掌握插值法的基本原理，通过实际操作，验证插值法的有效性，并利用插值法解决实际问题。
二、实验原理
插值法是一种数学方法，用于通过已知的离散数据点，构造一个连续的函数来近似地表示未知的函数值。
常用的插值法包括线性插值、多项式插值、样条插值等。
其中，多项式插值是一种常用的方法，其基本思想是选择一个多项式来逼近已知的数据点，从而得到未知点的近似值。
三、实验步骤
1.准备数据：收集一组已知的数据点，并将其整理成表格形式。
2.选择插值方法：根据实际情况选择适当的插值方法，如线性插值、多项式插值或样条插值等。
3.计算插值函数：根据选择的插值方法，利用已知的数据点计算插值函数的系数。
4.验证插值函数：利用已知的数据点对插值函数进行验证，检查其精度和误差。
5.应用插值函数：利用插值函数计算未知点的近似值，并将结果与实际值进行比较。
四、实验结果及分析
下面是本次实验的结果及分析：
1.已知数据点：。
插值与拟合实验总结
插值与拟合实验总结《插值与拟合实验总结》哎呀！说起这个插值与拟合实验，那可真是让我大开眼界呀！实验一开始，老师就像个神奇的魔法师，给我们展示了各种奇妙的数据和图形。
我瞪大眼睛，心里直犯嘀咕：“这都是些啥呀？” 旁边的同桌小明也皱着眉头，小声跟我说：“这可难倒我啦，你能明白不？” 我摇摇头，感觉脑袋都要变成浆糊啦。
老师先给我们讲了插值的概念，这就好比我们要在一些分散的点之间，找到那些“失踪”的点，把它们连起来，形成一条光滑的曲线。
这难道不像我们玩拼图游戏，要把那些缺失的部分找出来，拼出完整的图案吗？我心里想着，这也太有趣了吧！接着我们就开始动手操作啦。
我紧紧握着笔，眼睛盯着屏幕，手忙脚乱地计算着。
哎呀，这数字怎么就不听我使唤呢？我急得直跺脚。
“别着急，慢慢来！”后桌的小红安慰我道。
在做拟合实验的时候，那感觉就像是要给一群调皮的孩子找到一个合适的队伍，让他们排得整整齐齐。
我们尝试着用不同的方法，去找到那个最能代表这些数据的曲线。
这过程可不轻松，一会儿这个方法不行，一会儿那个又出错。
我都快被这些数据绕晕啦！“这到底怎么才能做好呀？”我忍不住抱怨起来。
“别灰心，我们再试试别的办法。
”小组里的小刚鼓励着大家。
经过一次次的尝试和失败，我们终于有了一些成果。
当看到那漂亮的曲线完美地贴合了数据点，我高兴得差点跳起来！那种成就感，就像在沙漠里走了好久好久，终于找到了一片绿洲。
你说，这插值与拟合实验是不是像一场刺激的冒险？我们在数据的海洋里探索，有时候迷失方向，有时候又柳暗花明。
通过这次实验，我明白了做事情不能着急，要有耐心，要不断尝试。
就像我们在实验里，一次不行就再来一次，总会找到解决办法的。
而且团队合作也特别重要，大家一起出主意，互相鼓励，才能取得好结果。
所以呀，这次实验虽然充满了挑战，但真的让我学到了好多好多！。
实验报告—拟合与插值
实验报告七拟合与插值一、曲线拟合1、多项式拟合【示例】以下步骤可对二维数据作多项式拟合。
已知：数据横坐标：a=[1 2 5 7 11 12];数据纵坐标：b=[ 32.78 32.65 27.25 25.55 19.24 14.65];【解】先将数据绘制成散点图：a=[1 2 5 7 11 12]; b=[ 32.78 32.65 27.25 25.55 19.24 14.65];plot(a,b, '-o') % 绘图，线型为实线，点型为空心圆点，颜色为默认的蓝色。
观察绘制出来的图形，大致在一条直线上，所以用一次多项式（直线）拟合：p= polyfit(a,b,1); y1=p (1)*a+p (2); % 线性拟合。
polyfit命令中的数字“1”表示用一次多项式。
% p是向量，各分量表示多项式从高到低的各个系数；y1是用这些系数构造的多项式的值。
hold on; plot(a,y1,'r') % 绘制图形，观察拟合效果。
颜色为红色。
也可以试着用三次多项式来拟合：q= polyfit(a,b,3); y2= q(1)*a.^3+q(2)*a.^2+q(3)*a+ q(4); % 3次多项式拟合hold on; plot(a,y2,'k') % 绘制曲线，观察拟合效果。
颜色为黑色。
【要求】执行以上命令，并仿照示例，对下列数据作多项式拟合，写出拟合多项式：数据横坐标：x=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20];数据纵坐标：y= [70.2 41.6 -9.1 -52 -100 -67.4 -112 -166 -104 -168 -103 -128 -90.5 -52.1 -10.4 60.6 85.9 153 199 301];024681012141618202、一般的最小二乘拟合【示例1】已知数据横、纵坐标分别为x =1:0.5:10; y=[0.84 2.24 3.64 3.74 1.2701 -4.29 -12.11 -19.79 -23.97 -21.34 -10.06 9.09 32.19 52.76 63.32 57.69 33.38 -6.78 -54.40];并已知该组数据满足 12sin()ay x a x =，其中12,a a 为待定系数。
数值分析实验报告插值与拟合
结果分析：高次插值稳定性差，而低次插值对于较大区间逼近精度又不够，而且，随着节点的加密，采用高次插值，插值函数两端会发生激烈震荡。解决这一矛盾的有效方法就是采用分段低次代数插值。
（2）
通过采用分段线性插值得到以下结果：
结果分析：通过采用分段线性插值，发现随着插值节点增多，插值计算结果的误差越来越小，而且分段线性插值的优点是计算简单，曲线连续和一致收敛，但是不具有光滑性。
拟合是指通过观察或测量得到一组离散数据序列 ，i=1,2，…，m，构造插值函数 逼近客观存在的函数 ，使得向量 与 的误差或距离最小。
可知当基函数的选择不同时，拟合函数的误差也会不同，所以在对数据进行拟合时应选择适合的基函数。
三、练习思考
整体插值有何局限性？如何避免？
答：整体插值的过程中，若有无效数据则整体插值后插值曲线的平方误差会比较大，即在该数据附近插值曲线的震动幅度较大。在插值处理前，应对原始数据进行一定的筛选，剔除无效数据。
②相同点：通过已知一些离散点集M上的约束，求取一个定义在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律目的
四、本次实验的重点难点分析
答:加强了对插值和拟合的认识，了解了其算法思想，并使用matlab将其实现。学会了观察插值拟合后的图形，并分析其问题。
画图进行比较：
通过观察图像，经比较可知两结果是很接近的。
2．区间 作等距划分： ，以 （ ）为节点对函数 进行插值逼近。（分别取 ）
（1）用多项式插值对 进行逼近，并在同一坐标系下作出函数的图形，进行比较。写出插值函数对 的逼近程度与节点个数的关系，并分析原因。
（2）试用分段插值（任意选取）对 进行逼近，在同一坐标下画出图形，观察分段插值函数对 的逼近程度与节点个数的关系。
计算方法上机作业插值与拟合实验报告
计算方法实验题目：班级：学号：姓名：目录计算方法实验 (1)1 实验目的 (3)2 实验步骤 (3)2.1环境配置： (3)2.2添加头文件 (3)2.3主要模块 (3)3 代码 (4)3.1主程序部分 (4)3.2多项式方程部分 (4)3.3核心算法部分 (8)3.4数据结构部分 (13)4运行结果 (19)4.1拉格朗日插值法运行结果 (19)4.2牛顿插值法运行结果 (20)4.3多项式拟合运行结果 (20)5总结 (21)拉格朗日插值法 (21)牛顿插值法 (21)多项式拟合 (21)6参考资料 (22)1 实验目的1.通过编程对拉格朗日插值法、牛顿插值法以及多项式拟合数据的理解2.观察上述方法的计算稳定性和求解精度并比较各种方法利弊2 实验步骤2.1环境配置：VS2013，C++控制台程序2.2添加头文件#include "stdio.h"#include "stdlib.h"#include "stdafx.h"2.3主要模块程序一共分成三层，最底层是数据结构部分，负责存储数据，第二层是交互部分，即多项式方程部分，负责输入输出获得数据，最上层是核心的算法部分，负责处理已获得的数据。
具体功能如下：●数据结构部分数据结构部分是整个程序的最底层，负责存储部分。
因方程系数作为数据元素插入和删除操作较少，而顺序表空间利用率大且查看方便，故此程序选用顺序表保存系数。
数据结构文件中写的是有关顺序表的所有基本操作以供其他文件调用。
本次实验使用列主元高斯消元法作为求解方程组的方法，所以也用了二维顺序表存储数组。
综上，数据结构部分文件是前两个试验的文件内容和，稍作修改。
●常系数微分方程部分多项式方程部分是程序的第二层，内容主要是常系数微分方程导数的计算和显示菜单部分。
●算法部分算法部分分为两个文件，一个是插值部分，一个是拟合部分。
插值部分文件负责有关插值的核心算法，处于整个程序最上层部分，负责拉格朗日插值法和牛顿插值法的具体实现过程。
数值分析拟合实验报告(3篇)
第1篇一、实验目的本次实验旨在通过数值分析方法对一组已知数据点进行拟合，掌握线性插值、多项式插值、样条插值等方法的基本原理和实现过程，并学会使用MATLAB进行数值拟合。
二、实验内容1. 线性插值线性插值是一种简单的插值方法，适用于数据点分布较为均匀的情况。
其基本原理是通过两个相邻的数据点，利用线性关系拟合出一条直线，然后通过该直线来估算未知的值。
2. 多项式插值多项式插值是一种较为精确的插值方法，通过构造一个多项式函数来逼近已知数据点。
其基本原理是利用最小二乘法求解多项式的系数，使得多项式在已知数据点上的误差最小。
3. 样条插值样条插值是一种更灵活的插值方法，通过构造一系列样条曲线来逼近已知数据点。
其基本原理是利用最小二乘法求解样条曲线的系数，使得样条曲线在已知数据点上的误差最小。
三、实验步骤1. 线性插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`linspace`生成插值点：xi = linspace(1, 5, 100);（3）使用MATLAB内置函数`interp1`进行线性插值：yi = interp1(x, y, xi, 'linear');（4）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');2. 多项式插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`polyfit`求解多项式系数：p = polyfit(x, y, 3);（3）使用MATLAB内置函数`polyval`进行多项式插值：yi = polyval(p, xi);（4）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');3. 样条插值（1）在MATLAB中输入已知数据点，如：x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];（2）使用MATLAB内置函数`spline`进行样条插值：yi = spline(x, y, xi);（3）绘制插值曲线：plot(xi, yi, 'b-', x, y, 'ro');四、实验结果与分析1. 线性插值线性插值方法简单易行，但精度较低，适用于数据点分布较为均匀的情况。
数值分析插值与拟合实验
数值分析插值与拟合实验数值分析是一门研究利用数字计算方法解决数学问题的学科。
插值与拟合是数值分析的重要内容之一，可以用于数据分析、信号处理以及数学建模等领域。
本实验将使用MATLAB软件进行插值与拟合的实验，主要包括插值多项式与拟合曲线的构造，以及评价拟合效果的方法。
实验一：插值多项式的构造1. Lagrange插值Lagrange插值是一种构造多项式来拟合已知数据点的方法。
给定n 个数据点(xi, yi)，其中xi不相等，Lagrange插值多项式可以写成：P(x) = ∑(i=0 to n) yi * l_i(x)其中l_i(x)是Lagrange基函数，定义为：l_i(x) = ∏(j=0 to n,j!=i) (x-xj)/(xi-xj)通过计算l_i(x)，然后将其乘以相应的数据点yi，最后相加就可以得到插值多项式P(x)。
2. Newton插值Newton插值使用差商的概念来构造插值多项式。
首先定义差商F[x0,x1,...,xn]如下：F[x0]=f(x0)F[x0,x1]=(f(x1)-f(x0))/(x1-x0)F[x0,x1,x2]=(F[x1,x2]-F[x0,x1])/(x2-x0)...F[x0,x1,...,xn] = (F[x1,x2,...,xn] - F[x0,x1,...,xn-1])/(xn-x0)其中f(x)是已知数据点的函数。
然后，利用差商来构造插值多项式：P(x) = ∑(i=0 to n) F[x0,x1,...,xi] * ∏(j=0 to i-1) (x-xj)通过计算差商F[x0,x1,...,xi]和对应的乘积∏(x-xj)，最后相加得到插值多项式P(x)。
实验二：拟合曲线的构造1.多项式拟合多项式拟合是通过构造一个多项式函数来拟合已知数据点的方法。
假设给定n个数据点(xi, yi)，可以使用多项式函数来表示拟合曲线：P(x) = a0 + a1*x + a2*x^2 + ... + an*x^n其中a0, a1, ..., an是待确定的系数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
插值法和拟合实验报告
一、
实验目的
1.通过进行不同类型的插值，比较各种插值的效果，明确各种插值的优越性；
2.通过比较不同次数的多项式拟合效果，了解多项式拟合的原理；
3.利用matlab 编程，学会matlab 命令；
4.掌握拉格朗日插值法；
5.掌握多项式拟合的特点和方法。
二、
实验题目
1.、插值法实验
将区间[-5,5]10等分，对下列函数分别计算插值节点
k
x 的值，进行不同类型
的插值，作出插值函数的图形并与)(x f y =的图形进行比较：
;11
)(2x x f += ;arctan )(x x f =
.1)(42x x x f += (1) 做拉格朗日插值； (2) 做分段线性插值； (3) 做三次样条插值.
2、拟合实验
给定数据点如下表所示：
分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数
)
,(i i y x 和拟合函数的图形。
三、
实验原理
1.、插值法实验
∏
∑∏∏∏∑∑≠==≠=≠=≠=+-==--=
=-=
==-=-=----==++==j
i j j
i i i i i n
i i n n
j
i j j
n
j
i j j
i i n
j
i j j
n i i i n
i i n n
n o i n
i i n x x x x x y x l x L x x c n
i x x c x x x c
x x x x x x x x c y x l x L y x l y x l y x l x L ,00
,0,0,01100
00
)(l )()()
(1
,1,0,
1)()(l )
()())(()()()()()()()(，
故，
得
再由，设
2、拟合实验
四、实验内容
1.、插值法实验
1.1实验步骤：
打开matlab软件，新建一个名为chazhi.m的M文件，编写程序（见1.2实验程序），运行程序，记录结果。
1.2实验程序：
x=-5:1:5;
xx=-5:0.05:5;
y1=1./(1+x.^2);
L=malagr(x,y1,xx);
L1=interp1(x,y1,x,'linear');
S=maspline(x,y1,0.0148,-0.0148,xx);
hold on;
plot(x,y1,'b*');
plot(xx,L,'r');
plot(x,L1,'g');
plot(xx,S,'k');
figure
x=-5:1:5;
xx=-5:0.05:5;
y2=atan(x);
L=malagr(x,y2,xx);
L1=interp1(x,y2,x,'linear');
S=maspline(x,y2,0.0385,0.0385,xx);
hold on;
plot(x,y2,'b*');
plot(xx,L,'r');
plot(x,L1,'g');
plot(xx,S,'k');
figure
x=-5:1:5;
xx=-5:0.05:5;
y3=x.^2./(1+x.^4);
L=malagr(x,y3,xx);
L1=interp1(x,y3,x,'linear');
S=maspline(x,y3,0.0159,-0.0159,xx);
hold on;
plot(x,y3,'b*');
plot(xx,L,'r');
plot(x,L1,'g');
plot(xx,S,'k');
1.3实验设备：matlab软件。
2、拟合实验
2.1．实验步骤：
新建一个名为nihe.m的M文件，编写程序（见2.2实验源程序），运行程序，记录结果。
2.2实验程序：
x=[-1.5 -1.0 -0.5 0 0.5 1.0 1.5];
y=[-4.45 -0.45 0.55 0.05 -0.44 0.54 4.55];
a1=mafit(x,y,3)
x1=[-1.5:0.05:1.5];
y1=a1(4)+a1(3)*x1+a1(2)*x1.^2+a1(1)*x1.^3;
hold on
plot(x,y,'b*');
plot(x1,y1,'r');
p1=polyval(a1,x);
s1=norm(y-p1)
figure
a2=mafit(x,y,5)
x2=[-1.5:0.05:1.5];
y2=a2(6)+a2(5)*x2+a2(4)*x2.^2+a2(3)*x2.^3+a2(2)*x2.^4+a2(1)*x2.^5; hold on
plot(x,y,'b*');
plot(x2,y2,'r');
p2=polyval(a2,x);
s2=norm(y-p2)
2.3实验设备：matlab软件。
五、实验结果
1.、插值法实验
（1）
（2）
（3）
2、拟合实验（1）
平方误差：s1 =0.0136
输入程序得到：
a1 =
2.0000 -0.0014 -1.5007 0.0514 s1 =
0.0136
（2）
平方误差：s2 = 0.0069
输入程序得到：
a2 =
0.0120 0.0048 1.9650 -0.0130 -1.4820 0.0545 s2 =
0.0069
>>
六、实验结果分析
1.、插值法实验
结果分析：
（1）由插值结果曲线图可见，拉格朗日插值在节点附近误差很小，但在两端有振荡现象；分段线性插值具有良好的收敛性，但在节点处不光滑；而三次样条插值在直观上与原函数曲线吻合得最好；
（2）分析可知，均匀插值时（拉格朗日插值），会出现多项式插值的Runge 现象，当进行非等距节点插值时（分段线性插值、三次样条插值），其近似效果明显要比均匀插值要好，原因是非均匀插值时，在远离原点处的插值节点比较密集，所以其插值近似效果要比均匀插值时的效果要好。
2、拟合实验
结果分析：
可能是原始数据太少的问题，在拟合结果曲线图看不出三次和五次有什么差别，但由于三次多项式拟合的平方误差大于五次多项式拟合的平方误差，因此五次多项式拟合比三次多项式拟合效果要好。