数值分析插值与拟合实验(MATLAB)

合集下载

matlab插值与曲线拟合实验报告

湖南大学电气与信息工程学院《数值计算》课程上机实验报告姓名：班级：学号：日期：指导老师：本次实验题号：第 3 次实验1) 实验目的：1) 用MATLAB 实现拉格朗日插值和分段线性插值。

2) 了解matlab 实现曲线拟合方法的实际应用。

二. 实验内容：1) 插值算法的应用：题目：用拉格朗日插值程序，分段线形插值函数分别研究f （X ）的数据表，计算f(0.472) X 0.46 0.47 0.48 0.49 Y0.48465550.49375420.50274980.51166832) 曲线拟合方法的实际应用用电压V=10V 的电池给电容器充电，电容器上t 时刻的电压v(t)=V-(V-V0)e^(-t/T)，其中V0是电容器的初始电压，T 是充电常数。

实验测量了一组数据如下，请根据数据表确定V0和T 的大小。

t 0.5 1 2 3 4 5 7 9 V(t) 6.366.487.268.228.668.999.439.63三. 算法介绍或方法基础1.1 拉格朗日插值法对于已给定的点 00(,),...,(,)k k x y x y 和待估计的点的横坐标x ，如上述理论，将其值代入1100,011()()()()():......()()()()kj j i k j i i j j i j j j j j j kx x x x x x x x x x l x x x x x x x x x x x -+=≠-+-----==-----∏计算出插值基函数的值，然后根据公式：():()ki i j L x y l x ==∑计算出纵坐标的估计值，由此完成对该点的插值过程，其中k 为该点插值的阶数。

1.2 线性分段插值利用已给定的点 00(,),...,(,)k k x y x y 对插值区间分为1k -段，将每段的端点(,)i i x y 与 11(,)i i x y ++作为数据点利用公式100010()()()()()f x f x p x f x x x x x -=+--在所构成的区间进行线性插值。

MATLAB数值实验一(数据的插值运算及其应用完整版)

佛山科学技术学院实验报告课程名称数值分析实验项目插值法与数据拟合专业班级机械工程姓名余红杰学号 10 指导教师陈剑成绩日期月日一、实验目的1、学会Lagrange 插值、牛顿插值和三次样条插值等基本插值方法；2、讨论插值的Runge 现象3、学会Matlab 提供的插值函数的使用方法，会用这些函数解决实际问题。

二、实验原理1、拉格朗日插值多项式2、牛顿插值多项式3、三次样条插值三、实验步骤1、用MATLAB 编写独立的拉格朗日插值多项式函数2、用MATLAB 编写独立的牛顿插值多项式函数3、用MATLAB 编写独立的三次样条函数（边界条件为第一、二种情形）4、已知函数在下列各点的值为：根据步骤1,2,3编好的程序，试分别用4次拉格朗日多项式4()L x 、牛顿插值多项式4()P x 以及三次样条函数()S x (自然边界条件)对数据进行插值，并用图给出｛(,),0.20.08,0,1,2,,10i i i x y x i i =+=｝，4()L x 、4()P x 和()S x 。

5、在区间[-1,1]上分别取10,20n =用两组等距节点对龙格函数21(),(11)125f x x x=-≤≤+作多项式插值，对不同n 值，分别画出插值函数及()f x 的图形。

6、下列数据点的插值可以得到平方根函数的近似，在区间[0,64]上作图。

（1）用这9个点作8次多项式插值8()L x 。

（2）用三次样条（第一边界条件）程序求()S x 。

7、对于给函数21()125f x x =+在区间[-1,1]上取10.2(0,1,,10)i x i i =-+=，试求3次曲线拟合，试画出拟合曲线并打印出方程，与第5题的结果比较。

四、实验过程与结果：1、Lagrange 插值多项式源代码：function ya=lag(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 ya=0; mu=1; %初始化%循环方式求L 系数，并求和： for i = 1:length(y) for j = 1:length(x) if i ~= jmu = mu * (xa - x(j) ) / ( x(i) - x(j) ); else continue end endya = ya + y(i) * mu ; mu = 1; end2、Newton 源代码：function ya = newton(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 %建立系数零矩阵D 及初始化：D = zeros(length(x)-1);ya = y(1);xi = 1;%求出矩阵D，该矩阵第一行为牛顿插值多项式系数：for i=1:(length(x)-1)D(i,1) = (y(i+1) -y(i))/(x(i+1) -x(i));endfor j=2:(length(x)-1)for i=1:(length(x)-j)D(i,j) = (D(i+1,j-1) - D(i,j-1)) / (x(i+j) - x(i)); endend%xi为单个多项式（x-x(1))(x-x(2))...的值for i=1:(length(x)-1)for j=1:ixi = xi*(xa - x(j));endya = ya + D(1,i)*xi;xi = 1;end3、三次样条插值多项式（1）（第一边界条件）源代码：function y=yt1(x0,y0,f_0,f_n,x) _____________(1)%第一类边界条件下三次样条插值；%xi 所求点；%yi 所求点函数值；%x 已知插值点；%y 已知插值点函数值；%f_0左端点一次导数值；%f_n右端点一次导数值；n = length(x0);z = length(y0);h = zeros(n-1,1);k=zeros(n-2,1);l=zeros(n-2,1);S=2*eye(n);for i=1:n-1h(i)= x0(i+1)-x0(i);endfor i=1:n-2k(i)= h(i+1)/(h(i+1)+h(i));l(i)= 1-k(i);end%对于第一种边界条件：k = [1;k]; _______________________(2)l = [l;1]; _______________________(3)%构建系数矩阵S：for i = 1:n-1S(i,i+1) = k(i);S(i+1,i) = l(i);end%建立均差表：F=zeros(n-1,2);for i = 1:n-1F(i,1) = (y0(i+1)-y0(i))/(x0(i+1)-x0(i));endD = zeros(n-2,1);for i = 1:n-2F(i,2) = (F(i+1,1)-F(i,1))/(x0(i+2)-x0(i));D(i,1) = 6 * F(i,2);end%构建函数D：d0 = 6*(F(1,2)-f_0)/h(1); ___________(4)dn = 6*(f_n-F(n-1,2))/h(n-1); ___________(5)D = [d0;D;dn]; ______________(6)m= S\D;%寻找x所在位置，并求出对应插值：for i = 1:length(x)for j = 1:n-1if (x(i)<=x0(j+1))&(x(i)>=x0(j))y(i) =( m(j)*(x0(j+1)-x(i))^3)/(6*h(j))+...(m(j+1)*(x(i)-x0(j))^3)/(6*h(j))+...(y0(j)-(m(j)*h(j)^2)/6)*(x0(j+1)-x(i))/h(j)+... (y0(j+1)-(m(j+1)*h(j)^2)/6)*(x(i)-x0(j))/h(j) ; break;else continue;endendend（2）（自然边界条件）源代码：仅仅需要对上面部分标注的位置做如下修改:__(1):function y=yt2(x0,y0,x)__(2):k=[0;k]__(3):l=[l;0]__(4)+(5):删除—(6):D=[0:D:0]4、——————————————PS:另建了一个f方程文件，后面有一题也有用到。

数据插值、拟合方法的MATLAB实现

2.2用6阶多项式拟合的命令
hours=0:1:23;
temps=[12 12 12 11 10 10 10 10 11 13 15 18 19 20 22 21 20 19 18 16 15 15 15 15]
n=6;
p=polyfit(hours,temps,n)
t=linspace(0,23,100);
z=polyval(p,t); %多项式求值
plot(hours,temps,'o',t,z,'k:',hours,temps,'b',’r’,'linewidth',1.5)
legend('原始数据','6阶曲线')
2.3用8阶多项式拟合的命令
hours=0:1:23;
temps=[12 12 12 11 10 10 10 10 11 13 15 18 19 20 22 21 20 19 18 16 15 15 15 15]
实验结果：
1.一元插值图像
图1.1一元插值图
经分析三次样条插值法效果最好，以三次样条插值法得出每个0.5小时的温度值：
时间
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
温度
12
11.9
12
12.0
12
11.6
11
10.4
10
9.9
10
10.0
时间
6
6.5
7
7.5
8
8.5
9
9.5
10
10.5
11
11.5

拟合插值

一、实验目的用matlab测试数据的拟合与插值二、实验原理1 拟合(1)polyfit函数MATLAB的polyfit函数用于多项式拟合，其语法为：p = polyfit(x, y, k);其中，x，y分别是横纵坐标向量，它们不仅元素个数相同，而且同为行向量或同为列向量。

k为非负整数，是待拟合的多项式的最高次数。

p是输出项，为待拟合的多项式的系数向量（由高次到低次排列）。

在进行多项式拟合时，必须注意的是，拟合的精度是有限的，一般而言，需要满足以下条件：记m为不重复的横坐标的数目，则拟合次数k <= m - 1，在此前提下尽量使用低次多项式进行拟合。

（2）polyval函数polyval，顾名思义就是“多项式的值”，该函数的功能是将已知数据代入拟合得的多项式求值。

语法格式：y = polyval(p, x);其中，p是已经拟合的多项式（比如说（1）中的p），x是自变量组成的向量，y是所求值组成的向量。

（3）计算多项式拟合的方差已知原始数据x和y，拟合得到多项式p，判断拟合效果好坏的一个重要指标是方差，方差的计算方法是e = sum((y - polyval(p, x)).^2).polyval(p, x)得到拟合值向量，y是真实值向量，两者相减得到真实值和拟合值的差值向量，“.^2”表示对矩阵中的每一个元素进行平方运算，于是得到差值向量中每一个元素的平方，sum是求和函数，显然就是求差值向量元素的平方和，而这就是方差。

2 插值法：插值法又称“内插法”，是利用函数f (x)在某区间中插入若干点的函数值，作出适当的特定函数，在这些点上取已知值，在区间的其他点上用这特定函数的值作为函数f(x)的近似值，这种方法称为插值法。

三、实验设备、仪器及材料Windows7 ，matlab软件四、实验步骤（按照实际操作过程）（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）根据观察到的结果写出实验报告，并浅谈学习心得体会五、实验过程记录（程序）（1）在MATLAB的命令窗口输入以下代码：>> x = [1, 2, 3, 4];>> y = [3, 5, 7, 9];>> p = polyfit(x, y, 1)敲击回车键，得到输出结果：p =2.0000 1.0000所以拟合得的函数就是：y = 2.0000X + 1.0000.在进行多项式拟合时，必须注意的是，拟合的精度是有限的，一般而言，需要满足以下条件：记m为不重复的横坐标的数目，则拟合次数k <= m - 1，在此前提下尽量使用低次多项式进行拟合。

Matlab数据插值与拟合

分段线性插值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不会改变，因此不是光滑的。分段线性插值方法是 MATLAB一维插值默认的方法。 MATLAB一维插值默认的方法。
2.Spline（样条插值） 2.Spline（样条插值）
样条插值是用分段低次多项式去逼近函数。样条函样条插值是用分段低次多项式去逼近函数。样条函数可以给出光滑的插值曲线，只要在插值区间端点提供某些导数信息，样条插值可以适应不同光滑需求。三次样条是使用最为广泛的样条插值，它在需求。三次样条是使用最为广泛的样条插值，它在每个子区间[x 每个子区间[xi,xi+1]上都是有二阶连续导数的三次多项式，即
4.1.1 一元插值函数
MATLAB中的一元插值函数为interp1( )，它的功能是一维 MATLAB中的一元插值函数为interp1( )，它的功能是一维数据插值（表格查找）。该命令对数据点之间进行计算内插值，它出一元函数f(x)在中间点的数值，其中函数f(x)由插值，它出一元函数f(x)在中间点的数值，其中函数f(x)由所给数据决定。一元插值函数interp1( )的几种调用格式如表4 一元插值函数interp1( )的几种调用格式如表4-1所示。表4-1 一维插值插值函数interp1的语法格式一维插值插值函数interp1的语法格式
例4-1 用interp1对sin函数进行分段线性插值。 interp1对sin函数进行分段线性插值函数进行分段线性插值。
解：在MATLAB命令窗口中输入以下命令：解：在MATLAB命令窗口中输入以下命令： >> x=0:2*pi; >> y=sin(x); >> xx=0:0.5:2*pi >> yy=interp1(x,y,xx); >> plot(x,y,'s',xx,yy) 注：例注：例4-1中用默认的 (分段线性插值的linear) 分段线性插值的linear) 对已知的7 sin函数的对已知的7个sin函数的数据点进行插值，用 plot画出插值结果。从图中可以看出分段线性就是联结两个 plot画出插值结果。从图中可以看出分段线性就是联结两个邻近的已知点的线性函数插值计算该区间内插值点上的函数值。

matlab插值与拟合(命令与示例)

目录【一维插值】interp1 (1)yi = interp1(x,y,xi,method) (1)例1 (1)例2 (2)【二维插值】interp2 (4)ZI = interp2(X,Y,Z,XI,YI,method) (4)插值方式比较示例 (4)例3 (8)例4 (9)【三角测量和分散数据插值】 (13)【数据拟合】 (16)例5 (16)例6 (17)【一维插值】interp1yi = interp1(x,y,xi,method)例1在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。

试估计每隔1/10小时的温度值。

建立M文件temp.mhours=1:12;temps=[5 8 9 15 25 29 31 30 22 25 27 24];h=1:0.1:12;t=interp1(hours,temps,h,'spline');plot(hours,temps,'kp',h,t,'b');0246810125101520253035例2已知飞机下轮廓线上数据如下，求x 每改变0.1时的y 值。

X 0 3 5 7 9 11 12 13 14 15Y0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6建立M 文件plane.mx0=[0 3 5 7 9 11 12 13 14 15 ];y0=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 ]; x=0:0.1:15;y1=interp1(x0,y0,x,'nearest'); y2=interp1(x0,y0,x);y3=interp1(x0,y0,x,'spline'); plot(x0,y0,'kp',x,y1,'r')0510150.511.522.5plot(x0,y0,'kp',x,y2,'r')0510150.511.522.5plot(x0,y0,'kp',x,y3,'r')0510150.511.522.5【二维插值】interp2ZI = interp2(X,Y,Z,XI,YI,method)插值方式比较示例用较大间隔产生peaks 函数数据点[x,y] = meshgrid(-3:1:3); z = peaks(x,y); surf(x,y,z)-4-224-4-224-6-4-20246● 产生一个较好的网格[xi,yi] = meshgrid(-3:0.25:3);● 利用最近邻方式插值zi1 = interp2(x,y,z,xi,yi,'nearest');surf(xi,yi,zi1)● 双线性插值方式zi2 = interp2(x,y,z,xi,yi,'bilinear');surf(xi,yi,zi2)●双立方插值方式zi3 = interp2(x,y,z,xi,yi,'bicubic');surf(xi,yi,zi3)●不同插值方式构造的等高线图对比contour(xi,yi,zi1)-3-2-10123-3-2-1123contour(xi,yi,zi2)-3-2-10123-3-2-1123contour(xi,yi,zi3)-3-2-10123-3-2-1123例3测得平板表面3*5网格点处的温度分别为： 82 81 80 82 84 79 63 61 65 81 84 84 82 85 86试作出平板表面的温度分布曲面z=f(x,y)的图形。

在Matlab中如何进行数据插值与拟合

在Matlab中如何进行数据插值与拟合引言：数据处理是科学研究与工程开发中不可或缺的环节之一。

而数据插值和拟合则是数据处理中常用的技术手段。

在Matlab这一强大的数值分析工具中，提供了丰富的函数与工具箱，使得数据插值与拟合变得更加便捷高效。

本文将详细阐述在Matlab中如何进行数据插值与拟合，并介绍几个常用的插值与拟合方法。

一、数据插值数据插值是通过已知的有限个数据点，推导出数据点之间未知位置上的数值。

在Matlab中，可以利用interp1函数进行数据插值。

假设我们有一组离散的数据点，存储为两个向量x和y。

那么，可以通过以下步骤进行数据插值：1. 调用interp1函数，并传入x和y作为输入参数。

```matlabxi = linspace(min(x), max(x), n);yi = interp1(x, y, xi, '方法');```其中，xi是插值点的位置，min和max分别是x向量的最小值和最大值，n是插值点的数量。

'方法'是要使用的插值方法，可以选择线性插值(method='linear')、样条插值(method='spline')等。

2. 绘制插值结果曲线。

```matlabplot(x, y, 'o', xi, yi)legend('原始数据','插值结果')```使用plot函数可以绘制原始数据点和插值结果的曲线。

通过设置不同的插值方法和插值点的数量，可以探索不同的插值效果。

二、数据拟合数据拟合是通过已知的一组数据点，找到一个符合数据趋势的函数模型。

在Matlab中，可以利用polyfit函数进行多项式拟合。

假设我们有一组离散的数据点，存储为两个向量x和y。

那么，可以通过以下步骤进行数据拟合：1. 调用polyfit函数，并传入x和y作为输入参数。

```matlabp = polyfit(x, y, n);```其中，n是多项式的次数，p是拟合多项式的系数。

插值与拟合的MATLAB实现

插值与拟合的MATLAB实现插值和拟合是MATLAB中常用的数据处理方法。

插值是通过已知数据点之间的数值来估计未知位置的数值。

而拟合则是通过已知数据点来拟合一个曲线或者函数，以便于进行预测和分析。

插值方法：1.线性插值：使用MATLAB中的interp1函数可以进行线性插值。

interp1函数的基本语法为：yinterp = interp1(x, y, xinterp)，其中x和y为已知数据点的向量，xinterp为待插值的位置。

函数将根据已知数据点的线性关系，在xinterp位置返回相应的yinterp值。

2.拉格朗日插值：MATLAB中的lagrangepoly函数可以使用拉格朗日插值方法。

lagrangepoly的基本语法为：yinterp = lagrangepoly(x, y, xinterp)，其中x和y为已知数据点的向量，xinterp为待插值的位置。

函数将根据拉格朗日插值公式，在xinterp位置返回相应的yinterp值。

3.三次样条插值：使用MATLAB中的spline函数可以进行三次样条插值。

spline函数的基本语法为：yinterp = spline(x, y, xinterp)，其中x和y为已知数据点的向量，xinterp为待插值的位置。

函数将根据已知数据点之间的曲线关系，在xinterp位置返回相应的yinterp值。

拟合方法：1.多项式拟合：MATLAB中的polyfit函数可以进行多项式拟合。

polyfit的基本语法为：p = polyfit(x, y, n)，其中x和y为已知数据点的向量，n为要拟合的多项式的次数。

函数返回一个多项式的系数向量p，从高次到低次排列。

通过使用polyval函数，我们可以将系数向量p应用于其他数据点，得到拟合曲线的y值。

2.曲线拟合：MATLAB中的fit函数可以进行曲线拟合。

fit函数的基本语法为：[f, goodness] = fit(x, y, 'poly2')，其中x和y为已知数据点的向量，'poly2'表示要拟合的曲线类型为二次多项式。

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。

matlab---实验六插值与拟合

实验六插值与拟合班级：统计0502 学号：1303050206 姓名：欧钊锋实验目的：● 通过本次实验，掌握拉格郎日插值，分段线性插值和三次样条插值的基本原理和方法 ● 通过最小二乘法实现二次拟合● 通过实验掌握用上述方法解决现实问题的能力实验理论：插值：X 为给定的N 个插值节点，Y 为对应的N 个函数值，利用N 次拉格郎日插值多项式，可以求出插值区间内任意x 的插值拟合：利用分散的数据点，运用最小二乘法、多项式或其他的已知函数等方法来生成一个新的多项式或是函数来逼近这些已知点实验内容（一）：(2)利用y=interp1(x0,y0,x)作分段线性插值(3)利用y=spline(x0,y0,x)做三次样条插值程序设计：flagrange 插值function y=ozflagrange(n) %在MA x=-5:0.01:5; X=-5:(10/n):5; Y=1./(1+X.^2); r=length(X); m=length(x); for i=1:m z=x(i);s=0.0;for k=1:rp=1.0;for j=1:rif j~=kp=p*(z-X(j))/(X(k)-X(j));endend插值多项式次的作就Lagrange n x f n )(10,8,6,4,2=n i n h ih x n n i ,,1,0,10,51]5,5[ ==+-=+-个节点等份取将]5,5[,11)()1(2-∈+=x x x f 已知函数s=p*Y(k)+s;endy(i)=s;endplot(x,y,'b-')线性插值x0=linspace(-5,5,10); y0=1./(1+x0.^2);x1=linspace(-5,5,1000); y1=interp1(x0,y0,x1); plot(x1,y1,'g');title('线性插值')三次样条插值x0=-5:1:5;y0=1./(1+X.^2);x=-5:1:5;y=spline(x0,y0,x)plot(x0,y0,'-b',x,y)title('spline fit')实验结果：实验内容（二）：已知热敏电阻数据温度t(0C) 20.5 32.7 51.0 73.0 95.7电阻R( ) 765 826 873 942 1032求60C时的电阻R。

matlab 软件拟合与插值运算实验报告

实验6 数据拟合&插值一．实验目的学会MATLAB软件中软件拟合与插值运算的方法。

二．实验内容与要求在生产和科学实验中，自变量x与因变量y=f(x)的关系式有时不能直接写出表达式，而只能得到函数在若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。

要根据观测点的值，构造一个比较简单的函数y=t (x),使函数在观测点的值等于已知的数值或导数值，寻找这样的函数t(x),办法是很多的。

根据测量数据的类型有如下两种处理观测数据的方法。

（1）测量值是准确的，没有误差，一般用插值。

（2）测量值与真实值有误差，一般用曲线拟合。

MATLAB中提供了众多的数据处理命令，有插值命令，拟合命令。

1.曲线拟合>> x=[0.5,1.0,1.5,2.0,2.5,3.0];>> y=[1.75,2.45,3.81,4.80,7.00,8.60];>> p=polyfit (x,y,2);>> x1=0.5:0.05:3.0;>> y1=polyval(p,x1 );>> plot(x,y,'*r',x1,y1,'-b')2.一维插值>> year=[1900,1910,1920,1930,1940,1990,2000,2010];>> product = [75.995,91.972,105.711,123.203,131.669,249.633,256.344,267.893 ]; >> p2005=interp1(year,product,2005)p2005 =262.1185>> y= interp1(year,product,x, 'cubic');>> plot(year,product,'o',x,y)3.二维插值>> years=1950:10:1990;>> service=10:10:30;>>wage=[150.697,199.592,187.625;179.323,195.072,250.287;203.212,179.092,322.767;226.505,15 3.706,426.730;249.636,120.281,598.243];>> w=interp2(service,years,wage,15,1975)w =190.6288[例1.98]x=1:6;y=1:4;t=[12,10,11,11,13,15;16,22,28,35,27,20;18,21,26,32,28,25;20,25,30,33,32,30];subplot(1,2,1)mesh(x,y,t)x1=1:0.1:6;y1=1:0.1:4;[x2,y2]=meshgrid(x1,y1);t1=interp2(x,y,t,x2,y2,'cubic');subplot(1,2,2)mesh(x1,y1,t1)三,练习与思考1）已知x=[1.2,1.8,2.1,2.4,2.6,3.0,3.3],y=[4.85,5.2,5.6,6.2,6.5,7.0,7.5],求对x和y进行6阶多项式拟合的系数.x=[1.2,1.8,2.1,2.4,2.6,3.0,3.3];y=[4.85,5.2,5.6,6.2,6.5,7.0,7.5];>> p=polyfit(x,y,6)p =-2.0107 29.0005 -170.6763 523.2180 -878.3092 763.9307 -263.4667x1=0.5:0.05:3.0;>> y1=polyval(p,x1);>> plot(x,y,'*r',x1,y1,'-b')2）分别用2,3,4,5阶多项式来逼近[0,3]上的正弦函数sin x,并做出拟合曲线及sin x函数曲线图,了解多项式的逼近程度和有效拟合区间随多项式的阶数有何变化.（2）2阶：>> x=0:0.01:3;>> y=sin(x);>> p=polyfit(x,y,2);>> x1=0:0.01:3;>> y1=polyval(p,x1);>> plot(x,y,'*r',x1,y1,'-b')>>3阶：>> p=polyfit(x,y,3); >> x1=0:0.01:3;>> y1=polyval(p,x1); >> plot(x,y,'*r',x1,y1,'-b') >>4阶：>> p=polyfit(x,y,4); >> x1=0:0.01:3;>> y1=polyval(p,x1); >> plot(x,y,'*r',x1,y1,'-b') >>5阶：>> p=polyfit(x,y,5); >> x1=0:0.01:3;>> y1=polyval(p,x1); >> plot(x,y,'*r',x1,y1,'-b') >>3）已知x=[0.1,0.8,1.3,1.9,2.5,3.1],y=[1.2,1.6,2.7,2.0,1.3,0.5],用不同的方法求x=2点的插值,并分析所得结果有何不同.>> x=[0.1,0.8,1.3,1.9,2.5,3.1];y=[1.2,1.6,2.7,2.0,1.3,0.5];>> p=interp1(x,y,2)p =1.8833>> x=[0.1,0.8,1.3,1.9,2.5,3.1];y=[1.2,1.6,2.7,2.0,1.3,0.5];>> z=interp1(x,y,2,'cubic')z =1.8844四,提高内容1.三维数据插值[x,y,z,v]=flow(20);[xx,yy,zz]=meshgrid(0.1:0.25:10,-3:0.25:3,-3:0.25:3); vv=interp3(x,y,z,v,xx,yy,zz);slice(xx,yy,zz,vv,[6,9.5],[1,2],[-2,0.2]);shading interpcolormap cool3.三次样条数据插值x=[0 2 4 5 6 12 12.8 17.2 19.9 20];y=exp(x).*sin(x);xx=0:.25:20;yy=spline(x,y,xx);plot(x,y,'o',xx,yy)。

MATLAB拟合和插值

MATLAB拟合和插值定义插值和拟合：曲线拟合是指您拥有散点数据集并找到最适合数据⼀般形状的线（或曲线）。

插值是指您有两个数据点并想知道两者之间的值是什么。

中间的⼀半是他们的平均值，但如果你只想知道两者之间的四分之⼀，你必须插值。

拟合我们着⼿写⼀个线性⽅程图的拟合：y=3x^3+2x^2+x+2⾸先我们⽣成⼀组数据来分析：x=-5:0.5:5;e=50*rand(1,length(x))-25;%制造[-25,25]的随机数作为误差y=3*x.^3+2*x.^2+x+2+e;%得到y值plot(x,y,'.')x =Columns 1 through 6-5.0000 -4.5000 -4.0000 -3.5000 -3.0000 -2.5000Columns 7 through 12-2.0000 -1.5000 -1.0000 -0.5000 0 0.5000Columns 13 through 181.0000 1.50002.0000 2.50003.0000 3.5000Columns 19 through 214.0000 4.50005.0000y =Columns 1 through 6-350.0110 -248.6360 -169.3421 -89.5653 -88.2298 -57.7238Columns 7 through 12-32.5505 2.3308 11.5861 9.0123 -0.4538 5.7254Columns 13 through 18-2.1840 30.3596 20.4478 73.2138 88.1756 152.0492Columns 19 through 21236.2809 334.3864 411.0563这时候x,y作为已知数据存在，要求我们拟合x,y的散点图，这时候会⽤到这个函数。

语法p = polyfit(x,y,n)[p,S] = polyfit(x,y,n)[p,S,mu] = polyfit(x,y,n)说明p = polyfit(x,y,n) 返回阶数为 n 的多项式 p(x) 的系数，该阶数是 y 中数据的最佳拟合（在最⼩⼆乘⽅式中）。

matlab数据插值与拟合实验

四、实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页）1．数据插值：（1）轮船的甲板成近似半椭圆面形为了得到甲板的面积，首先测量得到横向最大相间8.534米；然后等间距地测得纵向高度，自左向右分别为：0.914, 5.060, 7.772, 8.717, 9.083, 9.144, 9.083, 8.992, 8.687, 7.376, 2.073，计算甲板的面积。

解：输入程序：x=0:0.8534:8.534;y=[0.914,5.060,7.772,8.717,9.083,9.144,9.083,8.992,8.687,7.376,2.073];xi=0:0.001:8.534;yi=interp1(x,y,xi,'spline');plot(x,y,'o',xi,yi)S=trapz(xi,yi)则运行结果如右图，即面积S为65.2824平方米。

(2) 山区地貌图在某山区（平面区域（0，2800）（0，2400）内，单位：米）测得一些地点的高程（单位：米）如下表所示，试作出该山区的地貌图和等高线图。

○2输入程序：x=0:400:2800;y=0:400:2400;z=[1430,1450,1470,1320,1280,1200,1080,940;1450,1480,1500,1550,1510,1430,1300,12 00;1460,1500,1550,1600,1550,1600,1600,1600;1370,1500,1200,1100,1550,1600,1550,1 380;1270,1500,1200,1100,1350,1450,1200,1150;1230,1390,1500,1500,1400,900,1100,1060;1180,1320,1450,1420,1400,1300,700,900];[xi,yi]=meshgrid(0:10:2800,0:10:2400);zi=interp2(x,y,z,xi,yi,'spline');subplot(2,2,1)%在二维上标注等高线[C,H]=contour(xi,yi,zi);clabel(C,H)xlabel('x')ylabel('y')title('在二维上标注等高线')%在三维上标注等高线subplot(2,2,2)[C,H]=contour3(xi,yi,zi);clabel(C,H)xlabel('x')ylabel('y')zlabel('z')title('在三维上标注等高线')%带有基准平面的网格图subplot(2,2,3)meshz(xi,yi,zi)%axis off tight;xlabel('x')ylabel('y')zlabel('z')title('带有基准平面的网格图线')画出的等高线图为：2．数据拟合Malthus人口指数增长模型中参数从1790—1980年间美国每隔10年的人口记录如下表：。

数值分析实验插值与拟合

《数值分析》课程实验一：插值与拟合一、实验目的1. 理解插值的基本原理，掌握多项式插值的概念、存在唯一性；2. 编写MATLAB 程序实现Lagrange 插值和Newton 插值，验证Runge 现象；3. 通过比较不同次数的多项式拟合效果，理解多项式拟合的基本原理；4. 编写MATLAB 程序实现最小二乘多项式曲线拟合。

二、实验内容1. 用Lagrange 插值和Newton 插值找经过点(-3, -1), (0, 2), (3, -2), (6, 10)的三次插值公式，并编写MATLAB 程序绘制出三次插值公式的图形。

2. 设]5,5[,11)(2-∈+=x xx f 如果用等距节点x i = -5 + 10i /n (i = 0, 1, 2, …, n )上的Lagrange 插值多项式L n (x )去逼近它。

不妨取n = 5和n = 10，编写MATLAB 程序绘制出L 5(x )和L 10(x )的图像。

(2) 编写MATLAB 程序绘制出曲线拟合图。

三、实验步骤1. (1) Lagrange 插值法：在线性空间P n 中找到满足条件：⎩⎨⎧≠===ji j i x l ij j i ,0,,1)(δ的一组基函数{}ni i x l 0)(=，l i (x )的表达式为∏≠==--=nij j ji j i n i x x x x x l ,0),,1,0()(有了基函数{}ni i x l 0)(=，n 次插值多项式就可表示为∑==ni i i n x l y x L 0)()((2) Newton 插值法：设x 0, x 1, …, x n 是一组互异的节点，y i = f (x i ) (i = 0, 1, 2, …, n )，f (x )在处的n 阶差商定义为1102110],,,[],,,[],,,[x x x x x f x x x f x x x f n n n n --=-则n 次多项式)())(](,,[))(](,,[)](,[)()(11010102100100----++--+-+=n n n x x x x x x x x x f x x x x x x x f x x x x f x f x N差商表的构造过程：x i f (x i ) 一阶差商二阶差商三阶差商四阶差商x 0 f (x 0) x 1 f (x 1) f [x 0, x 1]x 2 f (x 2) f [x 1, x 2] f [x 0, x 1,x 2]x 3 f (x 3) f [x 2, x 3] f [x 1, x 2,x 3] f [x 0, x 1,x 2,x 3]x 4 f (x 4)f [x 3, x 4]f [x 2, x 3,x 4]f [x 1, x 2,x 3,x 4]f [x 0, x 1,x 2,x 3,x 4]试验结果：2. MATLAB程序实现：试验结果：3. 多项式拟合的一般方法可归纳为以下几步：（1）由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数n ；（2）列表计算)2,,1,0(0n j xmi ji=∑=和∑==mi i j i n j y x 0),,1,0( ；（3）写出正规方程组，求出),,1,0(n k a k =；（4）写出拟合多项式∑==nk kk n xa x p 0)(。

数值分析插值法与拟合实验

实验报告
一、实验目的
感受插值效果的比较以及拟合多项式效果的比较。

二、实验题目
1.插值效果的比较
将区间[-5,5]5等分和10等分，对下列函数分别计算插值节点错误！未找到引用源。

的值，进行不同类型的插值，做出插值函数的图形并与错误！未找到引用源。

的图形进行比较：
做拉格朗日插值。

2.拟合多项式实验
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，作出离散函数错误！未找到引用源。

和拟合函数的图形。

三、实验原理
拉格朗日插值和多项拟合插值的通用程序
四、实验内容及结果
五、实验结果分析
(1)实验1中通过图象，可以很明显的辨别出拉格朗日插值并不是插值点越多图象就一定越精确，会有高阶插值的振荡现象。

(2)通过三个图象的对比，发现基本都是重合在一起的。

.三次多项式五次多项式拟合的平方误差分别为1.8571e-004和4.7727e-005，可知五次多项式拟合比三次多项式拟合更加准确。

但是后面去计算一下拟合所需要的时间，会发现拟合次数越大，时间越长，所以也不一定是次数越大越好，需要把时间也考虑进去。

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。