实验三 插值法和拟合实验
插值与拟合实验
x x x x
j 1 j 1 j + 1 j + 1
, x , x 其
j 1
≤ x
x ≤
≤ x
x
j
j
≤ 它
j + 1
1 , 6≤ x≤6 【例 2】 g ( x ) = 】 2 1+ x
用分段线性插值法求插值,并观察插值误差 用分段线性插值法求插值 并观察插值误差. 并观察插值误差 1.在[-6,6]中平均选取 个点作插值 在 中平均选取5个点作插值 中平均选取 个点作插值(xch11) 2.在[-6,6]中平均选取 个点作插值 在 中平均选取11个点作插值 中平均选取 个点作插值(xch12) 3.在[-6,6]中平均选取 个点作插值 在 中平均选取21个点作插值 中平均选取 个点作插值(xch13) 4.在[-6,6]中平均选取 个点作插值 在 中平均选取41个点作插值 中平均选取 个点作插值(xch14)
Matlab程序： 程序： 程序 ch607.m
【例 5】 】 已知飞机下轮廓线上数据如下， 已知飞机下轮廓线上数据如下，求x每改变0.1时的y值。 每改变0.1时的y 0.1时的
X Y
0 0
3 5 7 9 11 12 13 14 15 12 17 20 21 20 18 12 10 16
机翼下 轮廓线
【例 6】 】 测得平板表面3*5网格点处的温度分别为： 3*5网格点处的温度分别为 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。 试作出平板表面的温度分布曲面z=f(x,y)的图形。 z=f(x,y)的图形 1.先在三维坐标画出原始数据，画出粗糙的温度分布曲图. 1.先在三维坐标画出原始数据，画出粗糙的温度分布曲图. 先在三维坐标画出原始数据 输入以下命令： 输入以下命令： x=1:5; y=1:3; temps=[82 81 80 82 84;79 63 61 65 81;84 84 82 85 86]; mesh(x,y,temps) 2．以平滑数据,在x、y方向上每隔0.2个单位的地方进行插值. 以平滑数据, 方向上每隔0.2个单位的地方进行插值. 0.2个单位的地方进行插值
数值计算方法实验报告
数值计算方法实验报告一、实验介绍本次实验是关于数值计算方法的实验，旨在通过计算机模拟的方法，实现对于数值计算方法的掌握。
本次实验主要涉及到的内容包括数值微积分、线性方程组的求解、插值与拟合、常微分方程的数值解等。
二、实验内容1. 数值微积分数值微积分是通过计算机模拟的方法，实现对于微积分中的积分运算的近似求解。
本次实验中，我们将会使用梯形公式和辛普森公式对于一定区间上的函数进行积分求解，并比较不同公式的计算误差。
2. 线性方程组的求解线性方程组求解是数值计算领域中的重要内容。
本次实验中，我们将会使用高斯消元法、LU分解法等方法对于给定的线性方程组进行求解，并通过比较不同方法的计算效率和精度，进一步了解不同方法的优缺点。
3. 插值与拟合插值与拟合是数值计算中的另一个重要内容。
本次实验中，我们将会使用拉格朗日插值法和牛顿插值法对于给定的数据进行插值求解，并使用最小二乘法对于给定的函数进行拟合求解。
4. 常微分方程的数值解常微分方程的数值解是数值计算中的难点之一。
本次实验中，我们将会使用欧拉法和龙格-库塔法等方法对于给定的常微分方程进行数值解的求解，并比较不同方法的计算精度和效率。
三、实验结果通过本次实验，我们进一步加深了对于数值计算方法的理解和掌握。
在数值微积分方面，我们发现梯形公式和辛普森公式都能够有效地求解积分，但是辛普森公式的计算精度更高。
在线性方程组求解方面，我们发现LU分解法相对于高斯消元法具有更高的计算效率和更好的数值精度。
在插值与拟合方面，我们发现拉格朗日插值法和牛顿插值法都能够有效地进行插值求解，而最小二乘法则可以更好地进行函数拟合求解。
在常微分方程的数值解方面，我们发现欧拉法和龙格-库塔法都能够有效地进行数值解的求解，但是龙格-库塔法的数值精度更高。
四、实验总结本次实验通过对于数值计算方法的模拟实现，进一步加深了我们对于数值计算方法的理解和掌握。
在实验过程中，我们了解了数值微积分、线性方程组的求解、插值与拟合、常微分方程的数值解等多个方面的内容，在实践中进一步明确了不同方法的特点和优缺点，并可以通过比较不同方法的计算效率和数值精度来选择合适的数值计算方法。
实验3空间插值分析实验
卫星遥感数据
通过卫星遥感技术获取地 表覆盖、植被分布、水体 等空间信息数据。
数据预处理
数据清洗
对原始数据进行清洗，去 除异常值、缺失值和重复 值，确保数据的准确性和 可靠性。
数据格式化
将不同来源和格式的数据 进行统一格式化处理，以 便进行后续的空间插值分 析。
数据转换
根据空间插值分析的需要， 将数据转换为相应的空间 坐标系和投影方式。
将本次实验的插值结果与已知的观测数据进行对比，分析其误差 和精度。
对比结果
通过对比发现，本次实验的插值结果与观测数据较为接近，误差 较小，精度较高。
误差分析
对误差进行了来源分析，发现误差主要来源于数据本身的波动和 插值方法的局限性。
误差来源与改进方向
误差来源
误差主要来源于数据本身的波动和插值方法的局限性。具体来说，数据波动可能由于观测设备的误差、观测环境 的干扰等因素造成；而插值方法的局限性则可能由于所选方法的假设条件与实际情况的差异、算法本身的误差等 造成。
在实验过程中，我们采用了多种空间插值方法，包括全局插值和局部插值。通过对比分析，我们发现局 部插值方法在处理非均匀分布的数据时具有更好的预测效果。
实验结果表明，空间插值分析在解决实际问题中具有广泛的应用前景，尤其在地理信息系统、环境监测、 气象预报等领域。
应用前景与展望
随着大数据和人工智能技术的不断发展，空间插 值分析将与这些技术相结合，进一步提高预测的 准确性和效率。例如，利用机器学习算法优化插 值参数，提高预测精度。
利用全局样条曲线对整个数据集进行 拟合，以估计未知点的值。这种方法 在处理大规模数据集时效率较高，但 可能无法捕捉到局部变化。
混合插值方法
局部多项式全局样条插值法
实验三插值
试验三Matlab插值与拟合一. 实验目的了解插值的基本内容和原理；掌握用matlab求解插值问题,包括一维插值和二维插值的各种常用方法；二. 实验原理和方法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。
如何根据观测点的值，构造一个比较简单的函数y=φ(x)，使函数在观测点的值等于已知的数值或导数值，进而用简单函数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)，办法是很多的。
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。
一维插值已知1+n 个数据节点:,,,...2,1,0),,(不相同其中j j j x n j y x =bx x x a n =<<<=...10不妨设构造一个(相对简单)函数)(x f y =(称为插值函数),通过全部结点即j j y x f =)(（j ＝0,1,…n ）再用)(x f 计算插值，即**)(y x f =数学上插值方法非常多，只介绍几种常用方法：（1）拉格朗日(Lagrange)插值已知函数f (x )（称为被插值函数）在n +1个点x 0,x 1,…,x n 处的函数值为 y 0,y 1,…,y n 。
求一n 次多项式函数P n (x )（称为插值函数），使其满足： P n (x i )=y i ,i =0,1,…,n ..解决此问题的拉格朗日插值多项式公式如下：∑=⋅=ni iin y x L x P 0)()(其中)(x L i 为n 次多项式：)())(())(()())(())(()(11101110n i i i i i i i n i i i x x x x x x x x x x x x x x x x x x x x x L ----------=+-+-称为拉格朗日插值基函数,可以验证该多项式通过所给数据点。
常用数值分析方法3插值法与曲线拟合
p1(x)y1yx2 2 xy11(xx1)（变形）
xx1xx22y1xx2xx11y2
A1(x)
A2(x)
插值基函数
X.Z.Lin
3.2.3 抛物线插值
已知：三点（x1，y1）、（x2，y2）、（x3，y3） 求：其间任意 x 对应的 y 值
y (x3, y3)
y=f(x) (x2, y2) y=p2(x)
（1）算术平均值
n
xi
x i1 n
（2）标准偏差
n xi2 N xi 2 n
i1
i1
n1
（3）平均标准偏差
E
n
（4）剔出错误数据??可可疑疑数数 据据
Q 数据排序（升）：x1，x2，…，xn；
最大与最小数据之差；
值 可疑数据与其最邻近数据之间的差
法 求Q值：
Qxnxn1 或 Qx2x1
3.1 实验数据统计处理
3.1.1 误差
系统误差 经常性的原因
影响比较恒定
偶然误差
偶然因素
正态分布规律
校正
过失误差
统计分析
-3σ -2σ -σ 0 σ 2σ 3σ 图6.1 平行试验数据的正态分布图
操作、计算失误
错误数据
剔出
21:39 07.02.2021
2/37
X.Z.Lin
3.1.2 数据的统计分析
A3(x)(x(x3 xx11))((xx3xx22))
21:39 07.02.2021
9/37
X.Z.Lin
3.2.4 Lagrange插值的一般形式
已知：n点（x1，y1）、（x2，y2）……（xn，yn） 求：其间任意 x 对应的 y 值
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);
插值与拟合方法
插值与拟合方法在实际中，常常要处理由实验或测量所得到的一批离散数据．插值与拟合方法就是要通过这些数据去确定某一类已知函数的参数或寻找某个近似函数，使所得到的近似函数与已知数据有较高的拟合精度．插值问题:要求这个近似函数（曲线或曲面）经过所已知的所有数据点．通常插值方法一般用于数据较少的情况．数据拟合：不要求近似函数通过所有数据点，而是要求它能较好地反映数据的整体变化趋势。
共同点：插值与拟合都是根据实际中一组已知数据来构造一个能够反映数据变化规律的近似函数的方法，由于对近似要求的准则不同，因此二者在数学方法上有很大的差异．插值问题的一般提法：已知某函数)(x f y =（未知）的一组观测（或试验）数据),,2,1)(,(n i y x ii⋅⋅⋅=，要寻求一个函数)(x φ，使iiy x =)(φ),,2,1(n i ⋅⋅⋅=，则)()(x f x ≈φ．实际中,常常在不知道函数)(x f y =的具体表达式的情况下，对于i x x =有实验测量值iy y =),,2,1,0(n i ⋅⋅⋅=，寻求另一函数)(x φ使满足：)()(i i i x f y x ==φ),,2,1,0(n i ⋅⋅⋅=称此问题为插值问题，并称函数)(x φ为)(x f 的插值函数，nx x x x ,,,,21⋅⋅⋅称为插值节点，),,2,1,0()(n i y x ii⋅⋅⋅==φ称为插值条件，即)()(iiix f y x ==φ),,2,1,0(n i ⋅⋅⋅=，则)()(x f x ≈φ．（1） 拉格朗日（Lagrange ）插值设函数)(x f y =在1+n 个相异点nx x x x ,,,,21⋅⋅⋅上的函数值为ny y y y ,,,,21⋅⋅⋅，要求一个次数不超过n 的代数多项式nnnx a x a x a a x P +⋅⋅⋅+++=221)(使在节点i x 上有),,2,1,0()(n i y x P ii n ⋅⋅⋅==成立，称之为n 次代数插值问题，)(x P n称为插值多项式．可以证明n 次代数插值是唯一的．事实上: 可以得到j n j n i i j in y x x xx x P j i ∑∏==⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫⎝⎛--=≠00)()( 当1=n 时，有二点一次（线性）插值多项式：101001011)(y x x x x y x x x x x P --+--=当n =2时，有三点二次（抛物线）插值多项式：2120210121012002010212))(())(())(())(())(())(()(y x x x x x x x x y x x x x x x x x y x x x x x x x x x P ----+----+----=（2）牛顿（Newton ） 插值牛顿插值的基本思想：由于)(x f y =关于二节点10,x x 的线性插值为)()()()()()()()()(00101000010101x x x x x f x f x p x x x x x f x f x f x p ---+=---+= 假设满足插值条件)2,1,0()()(2===i x p y x f iii的二次插值多项式一般形式为))(()()(1212x x x x c x x c c x p --+-+= 由插值条件可得⎪⎩⎪⎨⎧=--+-+=-+=)())(()()()()(21202202101011000x f x x x x c x x c c x f x x c c x f c 可以解出⎪⎪⎪⎩⎪⎪⎪⎨⎧------=--==020101121220101100)()()()()()(),(x x x x x f x f x x x f x f c x x x f x f c x f c所以))(()())(()()(10211020102x x x x c x p x x x x c x x c c x p --+=--+-+=类似的方法，可以得到三次插值多项式等，按这种思想可以得到一般的牛顿插值公式．函数的差商及其性质对于给定的函数)(x f ，用),,,(10n x x x f ⋅⋅⋅表示关于节点nx x x ,,,1⋅⋅⋅的n 阶差商，则有一阶差商：01011)()(),(x x x f x f x x f --=，121221)()(),(x x x f x f x x f --= 二阶差商：021021210),(),(),,(x x x x f x x f xx x f --=n 阶差商：0110211),,,(),,,(),,,(x x x x x f x x x f x x x f n n n n -⋅⋅⋅-⋅⋅⋅=⋅⋅⋅-差商有下列性质：（1）差商的分加性：∑∏=≠=-=⋅⋅⋅nk nk j j j kk n x xx f xx x f 0)(01)()(),,,(．（2）差商的对称性：在),,,(1nx x x f ⋅⋅⋅中任意调换jix x ,的次序其值不变．牛顿插值公式： 一次插值公式为))(,()()(01001x x x x f x f x p -+=二次插值公式为))()(,,()())()(,,())(,()()(1021011021001002x x x x x x x f x p x x x x x x x f x x x x f x f x p --+=--+-+=于是有一般的牛顿插值公式为)())()(,,,()()())()(,,,())()(,,())(,()()(11010111010102100100----⋅⋅⋅--⋅⋅⋅+=-⋅⋅⋅--⋅⋅⋅+⋅⋅⋅+--+-+=n n n n n n x x x x x x x x x f x p 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 p可以证明：其余项为))(())()(,,,,()(11010n n n x x x x x x x x x x x x f x R --⋅⋅⋅--⋅⋅⋅=-实际上，牛顿插值公式是拉格朗日插值公式的一种变形，二者是等价的．另外还有著名的埃尔米特（Hermite ）插值等．（3）样条函数插值方法样条，实质上就是由分段多项式光滑连接而成的函数，一般称为多项式样条．由于样条函数的特殊性质，决定了样条函数在实际中有着重要的应用．样条函数的一般概念定义 设给定区间],[b a 的一个分划b x x x a n=<⋅⋅⋅<<=∆1:，如果函数)(x s 满足条件：(1) 在每个子区间),,2,1](,[1n i x x ii ⋅⋅⋅=-上是k 次多项式； (2) )(x s 及直到k -1阶的导数在],[b a 上连续．则称)(x s 是关于分划△的一个k 次多项式样条函数，nx x x ,,,1⋅⋅⋅称为样条节点，121,,,-⋅⋅⋅n x x x 称为内节点，nx x ,0称为边界节点，这类样条函数的全体记作),(k S P∆，称为k 次样条函数空间．若),()(k S x s P∆∈，则)(x s 是关于分划△的k 次多项式样条函数．k 次多项式样条函数的一般形式为∑∑=-=+-+=ki n j k j jii k x x k i x x s 011)(!!)(βα其中),,1,0(k i i=α和)1,,2,1(-=n j jβ均为任意常数，而)1,,2,1(,0,)()(-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x jj kj kj在实际中最常用的是2=k 和３的情况，即为二次样条函数和三次样条函数． 二次样条函数：对于],[b a 上的分划b x x x a n=<⋅⋅⋅<<=∆1:,则)2,()(!2!2)(11222102∆βαααP n j j jS x x x x x s ∈-+++=∑-=+其中)1,2,1(,0,)()(22-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x j j j j ． 三次样条函数：对于],[b a 上的分划b x x xa n =<⋅⋅⋅<<=∆10:,则)3,()(!3!3!2)(1133322103∆βααααP n j j jS x x x x x x s ∈-++++=∑-=+其中)1,2,1(,0,)()(33-=⎪⎩⎪⎨⎧<≥-=-+n j x x x x x x x x jjj j ．1 二次样条函数插值)2,()(2∆∈P S x s 中含有2+n 个待定常数，故应需要2+n 个插值条件，因此，二次样条插值问题可分为两类：问题(1)：已知插值节点ix 和相应的函数值),,2,1,0(n i y i⋅⋅⋅=，以及端点0x (或n x )处的导数值0'y (或ny ')，求)2,()(2∆∈PS x s 使得⎩⎨⎧'=''='⋅⋅⋅==))(()(),,2,1,0()(20022n n i i y x s y x s n i y x s 或（5.1）问题(2)：已知插值节点ix 和相应的导数值),,2,1,0(n i y i⋅⋅⋅='，以及端点0x (或n x )处的函数值0y (或ny )，求)2,()(2∆∈P S x s 使得⎩⎨⎧==⋅⋅⋅='='))(()(),,2,1,0()(20022n n i i y x s y x s n i y x s 或(5.2)事实上，可以证明这两类插值问题都是唯一可解的．对于问题(1)，由条件(5.1)⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=+='==-+++==++==++=∑-=00210211222102121211112020201002)(,,3,2,)(2121)(21)(21)(y x x s n j y x x x x x s yx x x s y x x x s j j i i j i jj j ααβααααααααα 引入记号T n ),,,,,(11210-=ββααα X 为未知向量，T nn y y y y ),,,,(10'= C 为已知向量， ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=-0010)(21)(21211)(212110211211021212212222211200x x x x x x x x x x x x x x x n n n n n A 于是，问题转化为求方程组C AX =的解Tn ),,,,,(1121-=ββααα X 的问题，即可得到二次样条函数的)(2x s 的表达式．对于问题(2)的情况类似．２．三次样条函数插值由于)3,()(3∆∈P S x s 中含有3+n 个待定系数，故应需要3+n 个插值条件，因此可将三次样条插值问题分为三类： 问题(1)：已知插值节点jx 和相应的函数值),,2,1,0(n j y j⋅⋅⋅=，以及两个端点0x ，n x 处的导数值0'y ，ny '，求)3,()(3∆∈PS x s 使满足条件⎪⎩⎪⎨⎧='='⋅⋅⋅==),0()(),,1,0()(33n j y x s n j y x s j j j j(5.3)问题(2)：已知插值节点jx 和相应的函数值),,2,1,0(n j y j⋅⋅⋅=，以及两个端点0x ，nx 处的二阶导数值0y ''，n y ''，求)3,()(3∆∈PS x s 使满足条件⎪⎩⎪⎨⎧=''=''⋅⋅⋅==),0()(),,1,0()(33n j y x s n j y x s j j j j(5.4)问题(3)：类似地，求)3,()(3∆∈PSx s 使满足条件⎪⎩⎪⎨⎧=+=-==)2,1,0)(0()0(),,1,0()(0)(3)(33k x s x s n j y x s k n k j j(5.5)这三类插值问题的条件都是3+n 个，可以证明其解都是唯一的〔8〕．一般的求解方法可以仿照二次样条的情况处理方法，在这里给出一种更简单的方法．仅依问题(1)为例，问题(2)和问题(3)的情况类似处理．由于在)3,()(3∆PS x s ∈区间],[b a 上是一个分段光滑，且具有二阶连续导数的三次多项式，则在子区间],[1+j jx x 上)(3x s ''是线性函数，记),,,1,0)((3n j x s d jj =''=为待定常数．由拉格朗日插值公式可得nj x x h h x x d h x x d x s j j j jj j jj j ,,1,0,,)(1113=-=-+-=''+++显然jjj h d dx s -='''+13)(在],[1+j jx x上为常数．于是在],[1+j j x x 上有31233)(6)(2))(()(j jjj j j j j j x x h d d x x d x x x s y x s --+-+-'+=+(5.6)则当1+=j x x 时，由(5.6)式和问题(1)的条件得121231362)()(+++=-++'+=j j jj j j j j j j y h d d h d h x s y x s故可解得)2(6)(113+++--='j j j jjj j d d h h y y x s（5.7）将(5.7)式代入(5.6)式得)1,,1,0](,[,)(6)(2)()2(6)(1312113-=∈--+-+-⎥⎥⎦⎤⎢⎢⎣⎡+--+=++++n j x x x x x h d d x x d x x d d h h y y y x s j j j jj j j jj j j j j j j j(5.8) 在],[1j j x x-上同样的有),,2,1](,[,)(6)(2)()2(6)(131112111111113n j x x x x x h d d x x d x x d d h h y y y x s j j j j j j j j j j j j j j j j =∈--+-+-⎥⎥⎦⎤⎢⎢⎣⎡+--+=------------(5.9) 根据)(3x s的一阶导数连续性，由(5.9)式得)()2(6)0(311113j j j j j j j j x s d d h h y y x s '=++-=-'---- 结合(5.7)式整理得⎪⎪⎭⎫ ⎝⎛---+=++++--+-+----11111111162j j j j j j j j j j j j j j j j j h y y h y y h h d h h h d d h h h 引入记号⎪⎪⎭⎫ ⎝⎛---+=+=--+--111116,j j j j j j j j j j j j j h y y h y y h h c h h h a ，111--+=-j j j j h h h a ．则)1,,2,1(,2)1(11-==++-+-n j c d a d d a j j j j j j（5.10）再由边界条件：nny x s y x s '=''=')(,)(33得⎪⎪⎩⎪⎪⎨⎧⎪⎪⎭⎫ ⎝⎛--'=+⎪⎪⎭⎫ ⎝⎛'--=+----111100010106262n n n n n n n h y y y h d d y h y y h d d(5.11)联立(5.10),(5.11)式得方程组C D A =⋅（5.12）其中⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=----2121212112112200n n n n a a a a a aA ，⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=-n n d d d d 110 D ，⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--'⎪⎪⎭⎫ ⎝⎛'--=----111110001066n n n n n n hy y y h c c y h y y h C 由方程组(6.12)可以唯一解出),,1,0(n j d j=，代入（5.8）式就可以得三次样条函数)(3x s 的表达式．Ｂ样条函数插值方法磨光函数实际中的许多问题，往往是既要求近似函数（曲线或曲面）有足够的光滑性，又要求与实际函数有相同的凹凸性，一般插值函数和样条函数都不具有这种性质．如果对于一个特殊函数进行磨光处理生成磨光函数（多项式），则用磨光函数构造出样条函数作为插值函数，既有足够的光滑性，而且也具有较好的保凹凸性，因此磨光函数在一维插值（曲线）和二维插值（曲面）问题中有着广泛的应用．由积分理论可知，对于可积函数通过积分会提高函数的光滑度，因此，我们可以利用积分方法对函数进行磨光处理．定义 若)(x f 为可积函数，对于0>h ，则称积分⎰+-=22,1)(1)(hx h x h dt t f h x f为)(x f 的一次磨光函数，h 称为磨光宽度．同样的，可以定义)(x f 的k 次磨光函数为)1()(1)(22,1,>=⎰+--k dt t f h x f hx h x h k h k事实上，磨光函数)(,x f h k 比)(x f 的光滑程度要高，且当磨光宽度h 很小时)(,x f h k 很接近于)(x f ．等距Ｂ样条函数对于任意的函数)(x f ，定义其步长为１的中心差分算子δ如下：⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+=2121)(x f x f x f δ在此取0)(+=x x f ，则002121+++⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+=x x x δ是一个单位方波函数（如图5-1），记0)(+=Ωx x δ．并取1=h ，对)(0x Ω进行一次磨光得++++-+++-+++--+-+=-=⎥⎥⎦⎤⎢⎢⎣⎡⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛+==⎰⎰⎰⎰)1(2)1(2121)()(11212100212101x x x dt t dt t dt t t dt t x x xx x x x x x ΩΩ显然)(1x Ω是连续的（如图5-2）．)(1x Ωo1-1/2 0 1/2 x -1 0 1 x 图5-1图5-2类似地可得到k 次磨光函数为kk j jk j k j k x k C x ++=+⎪⎭⎫ ⎝⎛-++-=Ω∑21!)1()(11 实际上,可以证明：)(x kΩ是分段k 次多项式，且具有1-k 阶连续导数，其k 阶导数有2+k个间断点，记为)1,,2,1,0(21+⋅⋅⋅=+-=k j k j x j．从而可知)(x kΩ是对应于分划+∞<<⋅⋅⋅<<<-∞∆+110:k x x x 的k 次多项式样条函数，称之为基本样条函数，简称为k 次Ｂ样条．由于样条节点为)1,,2,1,0(21+⋅⋅⋅=+-=k j k j xj是等距的，故)(x k Ω又称为k 次等距Ｂ样条函数．对于任意函数)(x f 的k 次磨光函数，由归纳法可以得到 [4,8] ：⎪⎭⎫⎝⎛+≤≤--Ω=⎰∞+∞--22)()(1)(1,h x t h x dt t f htx h x f k h k 特别地，当1)(=x f 时，有1)(11⎰+∞∞--=-dt htx hk Ω，从而1)(⎰+∞∞-=dx x k Ω，且当k ≥1时有递推关系⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛-Ω⎪⎭⎫ ⎝⎛---⎪⎭⎫ ⎝⎛+Ω⎪⎭⎫ ⎝⎛++=Ω--212121211)(11x x k x k x k x k k k一维等距Ｂ样条函数插值等距Ｂ样条函数与通常的样条如下的关系： 定理设有区间],[b a 的均匀分划nab h n j jh x x j -=⋅⋅⋅=+=),,,1,0(:0∆，则对任意 k 次样条函数),()(k S x S p k ∆∈都可以表示为Ｂ样条函数族1021-=-=⎭⎬⎫⎩⎨⎧⎪⎭⎫⎝⎛+---n j k j k k j h x x Ω的线性组合[14]．根据定理 5.1,如果已知曲线上一组点()jjy x ,，其中),,1,0,0(0n j h jh x x j⋅⋅⋅=>+=，则可以构造出一条样条磨光曲线（即为Ｂ样条函数族的线性组合）⎪⎭⎫⎝⎛--=∑--=j h x x c x S n kj k j k 01)(Ω 其中)1,,1,(-⋅⋅⋅+--=n k k j c j为待定常数．用它来逼近曲线，既有较好的精度，又有良好的保凸性．实际中，最常用的是3=k 的情况，即一般形式为⎪⎭⎫ ⎝⎛--=∑+-=j h x x c x S n j j 01133)(Ω 其中3+n 个待定系数)1,,0,1(+⋅⋅⋅-=n j c j可以由三类插值条件确定．由插值条件(5.3)得()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=-'='==-='=-'='∑∑∑+-=+-=+-=n n j j n i n j j i n j j y j n c h x S ni y j i c x S y j c h x S 113311330113031)(,,1,0,)(1)(ΩΩΩ(5.13)注意到)(3x Ω的局部非零性及其函数值：61)1(,32)0(33=±=ΩΩ，当2≥x 时0)(3=x Ω；且由)21()21()(223--+='x x x ΩΩΩ知，21)1(,0)0(33=±'='ΩΩ，当2≥x 时0)(3='x Ω．则(5.13)中的每一个方程中只有三个非零系数，具体的为⎪⎩⎪⎨⎧'=+-==++'=+-+-+--n n n i i i i y h c c n i y c c c y h c c 2,,1,0,6421111011(5.14)由方程组(5.14)容易求解出)1,,0,1(+⋅⋅⋅-=n j c j，即可得到三次样条函数)(3x S 表达式．类似地，由插值条件(5.4)得待定系数的)1,,0,1(+⋅⋅⋅-=n j c j所满足的方程组为⎪⎩⎪⎨⎧''=+-==++''=+-+-+--nn n n i i i i y h c c c n i y c c c y h c c c 21111021012,,1,0,642（5.15）由插值条件(5.5)得待定系数的)1,,0,1(+⋅⋅⋅-=n j cj所满足的方程组为⎪⎪⎩⎪⎪⎨⎧==++=-+---=-++-=-+-+-+-+--+--+--ni y c c c c c c c c c c c c c c c c c c c i i i i n n n n n n n n ,,1,0,640)()(2)(0)(0)(0)()(4)(1111011111111011（5.16）方程组(5.15),(5.16)也都是容易求解的．注：上述等距Ｂ样条插值公式也适用于近似等距的情形，但在端点0x 和n x 处误差可能较大，实际应用时，为了提高在端点0x 和nx 处的精度，可以适当向左右延拓几个节点．二维等距Ｂ样条函数插值设有空间曲面),(y x f z =(未知),如果已知二维等距节点()()τj y ih x y x ji++=0,,)0,(>τh 上的值为),,2,1,0;,,2,1,0(m j n i z ij⋅⋅⋅=⋅⋅⋅=，则相应的Ｂ样条磨光曲面的一般形式为⎪⎭⎫ ⎝⎛--⎪⎭⎫⎝⎛--=∑∑--=--=j y y i h x x c y x s l m lj k ij n ki τΩΩ0011),( 其中),,2,1,0;,,2,1,0(m j n i c ij⋅⋅⋅=⋅⋅⋅=为待定常数，l k ,可以取不同值，常用的也是2,=l k 和３的情形．这是一种具有良好保凸性的光滑曲面(函数)，在工程设计中是常用的，但只能使用于均匀分划或近似均匀分划的情况．（4） 最小二乘拟合方法最小二乘拟合方法的思想：由于一般插值问题并不总是可解的（即当插值条件多于待定系数的个数时，其问题无解），同时，问题的插值条件本身一般是近似的，为此，只要求在节点上近似地满足插值条件，并使它们的整体误差最小，这就是最小二乘拟合法．最小二乘拟合方法可以分为线性最小二乘拟合方法和非线性最小二乘拟合方法．线性最小二乘拟合方法设{}m k kx 0)(=φ是一个线性无关的函数系，则称线性组合∑==mk k k x a x 0)()(φφ为广义多项式．如三角多项式：∑∑==+=mk k mk kkx b kx ax 0sin cos )(φ．设由给定的一组测量数据),(iiy x 和一组正数),,2,1(n i w i⋅⋅⋅=，求一个广义多项式∑==mk k k x a x 0)()(φφ使得目标函数[]21)(∑=-=ni i i i y x w S φ(5.17)达到最小，则称函数)(x φ为数据),,2,1)(,(n i y x ii⋅⋅⋅=关于权系数),,2,1(n i w i⋅⋅⋅=的最小二乘拟合函数，由于)(x φ关于待定系数ia 是线性的，故此问题又称为线性最小二乘问题． 注意：这里{}m k kx 0)(=φ可根据实际来选择，权系数iw 的选取更是灵活多变的，有时可选取1=i w ，或nw i 1=，对于nw i1=，则相应问题称为均方差的极小化问题．最小二乘拟合函数的求解要使最小二乘问题的目标函数(5.17)达到最小，则由多元函数取得极值的必要条件得),,2,1,0(0m k a Sk==∂∂ 即),,2,1,0(0)()(10m k x y x a w i k ni i m k i k k i ⋅⋅⋅⋅==⎥⎦⎤⎢⎣⎡-∑∑==φφ 亦即),,2,1,0()()()(001m k x y w a x x w n i i k i i j mj n i i k i j i ⋅⋅⋅⋅==⎥⎦⎤⎢⎣⎡∑∑∑===φφφ(5.18)是未知量为ma a a a ,,,,21⋅⋅⋅的线性方程组，称(5.18)式为正规方程组．实际中可适当选择函数系{}m k kx 0)(=φ，由正规方程组解出ma a a a ,,,,210⋅⋅⋅，于是可得最小二乘拟合函数∑==mk kk x a x 0)()(φφ．一般线性最小二乘拟合方法将上面一元函数的最小二乘拟合问题推广到多元函数，即为多维线性最小二乘拟合问题．假设已知多元函数),,,(21nx x x f y ⋅⋅⋅=的一组测量数据);,,,(21iniiiy x x x ⋅⋅⋅),,2,1(m i ⋅⋅⋅=和一组线性无关的函数系{}N k nk x x x 021),,,(=⋅⋅⋅φ，求函数∑=⋅⋅⋅=⋅⋅⋅Nk n k k n x x x a x xx 02121),,,(),,,(φφ对于一组正数mw w w ,,,21⋅⋅⋅，使得目标函数[]2121),,,(∑=⋅⋅⋅-=mi ni i i i i x x x y w S φ达到最小．其中待定系数N a a a a,,,,210⋅⋅⋅由正规方程组),,2,1,0(),(),(0N k y a Nj k j k j⋅⋅⋅==∑=φφφ确定，此处ini i i k mi i k ni i i k mi ni i i j i k j y x x x w y x x x x x x w ),,,(),(),,,(),,,(),(21121121⋅⋅⋅=⋅⋅⋅⋅⋅⋅=∑∑==φφφφφφ注：上面的函数φ关于ia 都是线性的，这就是线性最小二乘拟合问题，对于这类问题的正规组总是容易求解的．如果φ关于ia 是非线性的，则相应的问题称为非线性最小二乘拟合问题．非线性最小二乘拟合方法假设已知多元函数),,,(21nx x x f y ⋅⋅⋅=的一组测量数据);,,,(21iniiiy x x x ⋅⋅⋅),,2,1(m i ⋅⋅⋅=，要求一个关于参数),,2,1,0(N j a j⋅⋅⋅=是非线性的函数),,,;,,,(1021Nn a a a x x x ⋅⋅⋅⋅⋅⋅=φφ对一组正数mw w w ,,,21⋅⋅⋅使得目标函数[]21102110),,,;,,,(),,,(∑=⋅⋅⋅⋅⋅⋅-=⋅⋅⋅mi N ni i i i i N a a a x x x y w a a a S φ达到最小，则称之为非线性最小二乘问题．这类问题属于无约束的最优化问题，一般问题的求解是很复杂的，通常情况下，可以采用共轭梯度法、最速下降法、拟牛顿法和变尺度法等方法求解．实例：黄河小浪底调水调沙问题问题的提出2004年６月至７月黄河进行了第三次调水调沙试验，特别是首次由小浪底、三门峡和万家寨三大水库联合调度，采用接力式防洪预泄放水，形成人造洪峰进行调沙试验获得成功．整个试验期为20多天，小浪底从６月19日开始预泄放水，直到７月13日恢复正常供水结束．小浪底水利工程按设计拦沙量为75.5亿立方米，在这之前，小浪底共积泥沙达14.15亿吨．这次调水调试验一个重要目的就是由小浪底上游的三门峡和万家寨水库泄洪，在小浪底形成人造洪峰，冲刷小浪底库区沉积的泥沙．在小浪底水库开闸泄洪以后，从6月27日开始三门峡水库和万家寨水库陆续开闸放水，人造洪峰于29日先后到达小浪底，7月3日达到最大流量2700立方米/每秒，使小浪底水库的排沙量也不断地增加．下面是由小浪底观测站从6月29日到7月10日检测到的试验数据：表5-1: 试验观测数据单位：水流为立方米/每秒，含沙量为公斤/立方米·84··85·注：以上数据主要是根据媒体公开报道的结果整理而成的，不一定与真实数据完全相符．现在，根据试验数据建立数学模型研究下面的问题：(1) 给出估算任意时刻的排沙量及总排沙量的方法；(2) 确定排沙量与水流量的变化关系．模型的建立与求解对于问题（１），根据所给问题的试验数据，要计算任意时刻的排沙量，就要确定出排沙量随时间变化的规律，可以通过插值来实现．考虑到实际中排沙量应该是随时间连续变化的，为了提高精度，我们采用三次Ｂ样条函数进行插值．下面构造三次Ｂ样条函数)(x S y =．由试验数据，时间是每天的早８点和晚８点，间隔都是12个小时，共24个点)24,,2,1(⋅⋅⋅=i t i．为了计算方便，令)23,,,1,0(122128⋅⋅⋅=+⎥⎦⎤⎢⎣⎡⋅+-=i i t x i i(5.19)则it 对应于)23,,1,0(1⋅⋅⋅=+=i i x i．于是以)23,,1,0(⋅⋅⋅=i x i为插值节点（等距），步长1=h ．其相应的排沙量为)23,,1,0(⋅⋅⋅=i y i 对应关系如下表：·86·表5-2: 插值数据对应关系单位：排沙量为公斤函数)(x S y =所满足的条件为 (1)23,,1,0,)(⋅⋅⋅==i y x S ii；(2) 3500)(,56400)(2223222323231212-=--≈'='=--≈'='x x y y x S y x xy yx S y .取)(x S 的三次Ｂ样条函数一般形式为∑-=⎪⎭⎫⎝⎛--=24103)(j j j h x x c x S Ω·87·其中)24,,1,0,1(⋅⋅⋅-=j cj为待定常数，1=h ．在这里⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<<+-+-≤+-=Ω2,021,342611,3221)(23233x x x x x x x x x且易知⎪⎪⎪⎩⎪⎪⎪⎨⎧≥±===Ω2,01,610,32)(3x x x x和⎪⎪⎩⎪⎪⎨⎧≥±===Ω'2,01,210,0)(3x x x x 根据Ｂ样条函数的性质，)(x S ''在[]23,x x 上连续，则有()∑-=--'='='2413)(j jj xx c x S y Ω由插值条件(1),(2)可得到下列方程组()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧'=-'=''=-'='⋅⋅⋅==-=∑∑∑-=-=-=23241323024130241323)()(23,,1,0,)(y j c x S y j c x S i y j i c x S j j j j i j j i ΩΩΩ 即⎪⎩⎪⎨⎧'=+-'=+-⋅⋅⋅==++-+-23242311112223,,1,0,64y c c y c c i y c c c i i i i 将232324112,2y c c y c c '+='-=-代入前24个方程中的第一个和最后一个，便可得到方程组F AC =，其中·88·⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅⋅⋅⋅⋅⋅=⨯232102424,421410141014124c c c c C A ，⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡'-'+=3400048000684000458400266626232322100 y y y y y y F显然A 为满秩阵，方程组F AC =一定有解，用消元法求解可得问题的解为56044.39830=c , 4117111.2031=c , 2159510.7882=c , 9189845.6433=c ,1203106.6364=c , 8239727.8115=c ,8249182.1166=c , 1263543.7217=c ,9287842.9988=c , 2302284.2839=c ,4317419.86810=c , 1304836.24311=c ,3307635.15912=c ,6305423.11913=c ,2270672.36214=c ,4240287.43115=c ,0154177.91216=c ,4103000.92017=c ,99818.406218=c , 43725.454719=c ,49279.775020=c ,32155.445221=c , 2098.444222=c ,7450.777923=c ,-450.777924311.2034,2232324011='+=='-=-y c c y c c . 将)24,,1,0,1(⋅⋅⋅-=j c j代入()∑-=--==24131)(j jj x c x S y Ω(5.20)即得排沙量的变化规律．由（5.19）和(5.20)式可得到第i 时间段（12小时为一段）内，任意时刻]12,0[∈t 的排沙量．则总的排沙量为()dt j t c dx x S Y j j⎰∑⎰-=--Ω==284824132411)(经计算可得1110844.1⨯=Y 吨，即从6月29日至7月10日小浪底水库排沙总量大约为1.844亿吨,此与媒体报道的排沙量基本相符.对于问题(2),研究排沙量与水量的关系，从试验数据可以看出，开始排沙量是随着水流量的增加而增长，而后是随着水流量的减少而减少．显然，变化规律并非是线性的关系，为此，我们问题分为两部分，从开始水流量增加到最大值2720立方米/每秒（即增长的过程）为一段，从水流量的最大值到结束为第二段，分别来研究水流量与排沙量的关系．具体数据如表5-3和5-4.表5-3: 第一阶段试验观测数据 单位：水流为立方米/每秒，含沙量为公斤/立方米表5-4: 第二阶段试验观测数据单位：水流为立方米/每秒，含沙量为公斤/立方米对于第一阶段，由表5-3用Matlab作图（如图5-3）可以看出其变化趋势，我们用多项式作最小二乘拟合．·90··91·图5-3设拟合函数为∑==mk kk x a x 1)(φ确定待定常数),,1,0(m k ak=使得211111102])([∑∑∑===⎥⎦⎤⎢⎣⎡-=-=i i i m k k i k i i y x a y x S φ有最小值．于是可以得到正规方程组为m k x y a x mj i k i i j i j k i ,,1,0,0111111 ==⎪⎭⎫⎝⎛∑∑∑===+ 当3=m 时，即取三次多项式拟合，则3,2,1,0,1113111321112111110111==⎪⎭⎫⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛∑∑∑∑∑==+=+=+=k x y a x a x a x a x i k i i i k i i k i i k i i k i求解可得73321108423.1,103172.1,3.1784,-2492.9318--⨯=⨯-===a a a a ．于是可得拟合多项式为332213)(x a x a x a a x +++=φ，最小误差为847.72=S ，拟合效果如图所示．·92·图:三次拟合效果，带*号的为拟合曲线．类似地，当4=m 时，即取四次多项式拟合，则正规方程组为4,3,2,1,0111411143111321112111110111==⎪⎭⎫⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛+⎪⎭⎫ ⎝⎛∑∑∑∑∑∑==+=+=+=+=k x y a x a x a x a x a x i ki i i k i i k i i k i i k i i k i求解可得104633210109312.1,1094.1,102626.7,12.0624,-7434.6557---⨯-=⨯=⨯-===a a a a a 于是可得拟合多项式为443322104)(x a x a x a x a a x ++++=φ，最小误差为102.66=S ，拟合效果如图5-5所示．图5-5:四次拟合效果，带*号的为拟合曲线．从上面的三次多项式拟合和四次多项拟合效果来看，差别不大．基本可以看出排沙量与水流量的关系．图5-6:第二段三·93··94· 次多项式拟合效果对于第二阶段，由表5-4可以类似地处理．我们用线性最小二乘法作三次和四多项式拟合．拟合效果如图5-6和5-7所示，最小误差分别为5.459=S 和1.236=S ． 从拟合效果来看，显然四次多项式拟合要比三次多项式拟合好的多．图5-7:第二段四次多项式拟合效果。
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。
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。
数值分析实验插值与拟合
数值分析实验插值与拟合插值是指根据已知的数据点，通过其中一种数学方法来构造一个函数，使得该函数在已知的数据点上与被插值函数相等。
插值方法可以分为两类：基于多项式的插值和非多项式插值。
基于多项式的插值方法中，最常用的是拉格朗日插值和牛顿插值。
拉格朗日插值方法通过一个n次多项式来逼近被插值函数，该多项式通过n个已知数据点中的所有点。
牛顿插值方法则通过一个n次多项式来逼近被插值函数，该多项式通过n个已知数据点中的前m+1个点。
非多项式插值方法中，最常用的是分段线性插值和样条插值。
分段线性插值方法将插值区间划分为多个小段，在每一段内使用线性函数来逼近被插值函数。
样条插值方法则使用分段低阶多项式来逼近被插值函数，保证了插值函数和原函数在插值区间内的连续性、光滑性。
拟合是指在给定的离散数据点集合上，通过选取一个函数，使得该函数与数据点之间的误差最小化。
拟合方法可以分为两类：线性拟合和非线性拟合。
线性拟合方法中，最简单的是最小二乘法。
最小二乘法拟合是通过最小化观测数据与拟合函数的残差平方和来选择最佳函数参数。
在实验中，最小二乘法常用于线性回归问题，例如估计一个直线或者平面来拟合数据。
非线性拟合方法中，最常用的是非线性最小二乘法和局部加权回归。
非线性最小二乘法通过将非线性拟合问题转化为线性问题，使用最小二乘法来寻找最佳参数。
局部加权回归方法则通过给予不同数据点不同的权重，以更好地逼近数据点。
在数值分析实验中，插值与拟合可以应用于各种实际问题。
例如，在地理信息系统中，通过已知的地理坐标点来插值出未知点的地理信息。
在气象学中，通过已知的气象数据点来插值出未知点的气象信息。
在工程学中，通过已知的测量数据点来拟合出一个最佳的拟合函数来预测未来的测量值。
需要注意的是，插值和拟合的精度在很大程度上取决于数据的分布和拟合函数的选择。
如果数据点过于稀疏或者数据点中存在异常值，可能导致插值和拟合结果不准确。
因此，在进行插值和拟合之前，需要对数据进行预处理，例如去除异常值、平滑数据等。
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！。
插值法与数据拟合
x=0:3:9;
y=x.*cos(x);
xx=linspace(0,9);
plot(x,y,'o');%样本点
hold on;
plot(xx,interp1(x,y,xx,'spline'),'r');%interp1只能使用默认边界条件
plot(xx,spline(x,[0 y 0],xx),'r:');%spline可以使用第一类边界条件，这里y'(0)=y'(9)=0 pp=csape(x,y,'second');
>> yi=New_int(x,y,0.596)
yi =0.631914405504000
4、已知函数在下列各点的值为：
0.2
0.4
0.6
0.8
1.0
0.98
0.92
0.81
0.64
0.38
试用4次牛顿插值多项式 对数据进行插值，根据｛ ｝，画出图形。
解：X=[0.2:0.2:1.0]; y=[0.98,0.92,0.81,0.64,0.38];
解：a=-1;b=1;n=100;h=(b-a)/n;
>> x=a:h:b;y=1./(1+25.*x.^2);
>> plot(x,y,'k')
其函数原图形分别如下所示：
图二龙格函数的图形
用龙格函数的Lagrange（）插值函数画图源程序
当n =10时，有：
functionRunge(10)
% Runge现象
xx=[0:0.5:64]; yy=sqrt(ห้องสมุดไป่ตู้x);
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。
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。
数值分析的实验报告
数值分析的实验报告数值分析的实验报告导言数值分析是一门研究数值计算方法和数值计算误差的学科，它在科学计算、工程技术和社会经济等领域具有广泛的应用。
本实验旨在通过对数值分析方法的实际应用，验证其有效性和可靠性。
实验一：方程求根方程求根是数值分析中的基础问题之一。
我们选取了一个非线性方程进行求解。
首先，我们使用二分法进行求解。
通过多次迭代，我们得到了方程的一个近似解。
然后，我们使用牛顿法进行求解。
与二分法相比，牛顿法的收敛速度更快，但需要选择一个初始点。
通过比较两种方法的结果，我们验证了牛顿法的高效性。
实验二：插值与拟合插值与拟合是数值分析中常用的数据处理方法。
我们选取了一组实验数据，通过拉格朗日插值法和最小二乘法进行插值和拟合。
通过对比两种方法的拟合效果，我们验证了最小二乘法在处理含有噪声数据时的优势。
同时，我们还讨论了插值和拟合的精度与样本点数量之间的关系。
实验三：数值积分数值积分是数值分析中的重要内容之一。
我们选取了一个定积分进行计算。
首先，我们使用复化梯形公式进行积分计算。
通过增加分割区间的数量，我们得到了更精确的结果。
然后，我们使用复化辛普森公式进行积分计算。
与复化梯形公式相比，复化辛普森公式具有更高的精度。
通过比较两种方法的结果，我们验证了复化辛普森公式的优越性。
实验四：常微分方程数值解常微分方程数值解是数值分析中的重要应用之一。
我们选取了一个常微分方程进行数值解的计算。
首先，我们使用欧拉方法进行数值解的计算。
然后，我们使用改进的欧拉方法进行数值解的计算。
通过比较两种方法的结果，我们验证了改进的欧拉方法的更高精度和更好的稳定性。
实验五：线性方程组的数值解法线性方程组的数值解法是数值分析中的重要内容之一。
我们选取了一个线性方程组进行数值解的计算。
首先，我们使用高斯消元法进行数值解的计算。
然后，我们使用追赶法进行数值解的计算。
通过比较两种方法的结果，我们验证了追赶法在求解三对角线性方程组时的高效性。
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)。
第 2 页 共 9 页
function s=csfit(x,y,dx0,dxn) %编写三次样条插值函数文件 n=length(x)-1; h=diff(x); d=diff(y)./h; a=h(2:n-1); b=2*(h(1:n-1)+h(2:n)); c=h(2:n); u=6*diff(d); b(1)=b(1)-h(1)/2; u(1)=u(1)-3*(d(1)); b(n-1)=b(n-1)-h(n)/2; u(n-1)=u(n-1)-3*(-d(n)); for k=2:n-1 temp=a(k-1)/b(k-1); b(k)=b(k)-temp*c(k-1); u(k)=u(k)-temp*u(k-1); end m(n)=u(n-1)/b(n-1); for k=n-2:-1:1 m(k+1)=(u(k)-c(k)*m(k+2))/b(k); end m(1)=3*(d(1)-dx0)/h(1)-m(2)/2; m(n+1)=3*(dxn-d(n))/h(n)-m(n)/2; for k=0:n-1 s(k+1,1)=(m(k+2)-m(k+1))/(6*h(k+1)); s(k+1,2)=m(k+1)/2; s(k+1,3)=d(k+1)-h(k+1)*(2*m(k+1)+m(k+2))/6; s(k+1,4)=y(k+1); End %主函数文件 clear all clc x=-5:0.01:5; z=5./(1+x.^2); plot(x,z,'gx') %作原函数图像
function [C,D]=newpoly(x,y) n=length(x); D=zeros(n,n); D(:,1)=y'; for j=2:n for k=j:n
%编写牛顿插值函数文件
D(k,j)=(D(k,j-1)-D(k-1,j-1))./(x(k)-x(k-j+1)); end end C=D(n,n); for k=(n-1):-1:1 C=conv(C,poly(x(k))); m=length(C); C(m)=C(m)+D(k,k); end
的图形比较。 步骤：打开 matlab 软件，编写如下代码： function [C,L]=lagran(x,y) %编写 lagran 插值函数文件 w=length(x); n=w-1; L=zeros(w,w); for k=1:n+1 V=1; for j=1:n+1 if k~=j V=conv(V,poly(x(j))/(x(k)-x(j))); end end L(k,:)=V; end C=y*L
二、
实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）
装有 matlab 软件的计算机一台
第 1 页 共 9 页
三、
实验内容及步骤（包含简要的实验步骤流程）
5 在每个结点 x k 的值， 做出插值函数的图形并与 y f ( x) 1 x2
实验内容： 1.将区间[-5， 5]作 10 等分， 计算函数 y
第 3 页 共 9 页
x1=-5:1:5; y=5./(1+x1.^2); [C,L]=lagran(x1,y); xx=-5:0.1:5; yy=polyval(C,xx); hold on plot(xx,yy,'k*',x1,y,'o')
%描绘 lagran 函数插值图像以及插值点
[C,D]=newpoly(x1,y) x2=-5:0.01:5; y2=polyval(C,x2); plot(x2,y2,'r:') %作牛顿插值图像 x0=-5:0.05:5; y1=interp1(x1,y,x0,'linear');%求分段线性插值函数在 x0 上的值 plot(x0,y1,'-'); grid on x=-5:1:5; y=5./(1+x.^2); dx0=0.0739645; dxn=-0.0739645; S=csfit(x,y,dx0,dxn) x1=-5:0.01:-4;y1=polyval(S(1,:),x1-x(1)); x2=-4:0.01:-3;y2=polyval(S(2,:),x2-x(2)); x3=-3:0.01:-2;y3=polyval(S(3,:),x3-x(3)); x4=-2:0.01:-1;y4=polyval(S(4,:),x4-x(4)); x5=-1:0.01:-0;y5=polyval(S(5,:),x5-x(5)); x6=0:0.01:1;y6=polyval(S(6,:),x6-x(6)); x7=1:0.01:2;y7=polyval(S(7,:),x7-x(7)); x8=2:0.01:3;y8=polyval(S(8,:),x8-x(8)); x9=3:0.01:4;y9=polyval(S(9,:),x9-x(9)); x10=4:0.01:5;y10=polyval(S(10,:),x10-x(10)); plot(x1,y1,x2,y2,x3,y3,x4,y4,x5,y5,x6,y6,x7,y7,x8,y8,x9,y9,x10,y10,x,y,'.') %作三次样条插值图像 grid on 2.估计某地居民的用水速度和每天的总用水量. function [a,b]=csd(X1,Y1) %最小二乘法 xmean=mean(X1) ymean=mean(Y1) sumx2=(X1-xmean)*(X1-xmean)'; sumxy=(Y1-ymean)*(X1-xmean)'; a=sumxy/sumx2 b=ymean-a*xmean
左图是居民用水的水位变化函数， 根据点的排列容易知道：它的每一小 段呈线性分布，而对应的直线就是通 过最小二乘法拟合得得到的
第 8 页 共 9 页
上图就是经过改善的飞机的外形轮廓
五、
实验总结（包括心得体会、问题回答及实验改进意见，可附页）
1.通过以上比较，三次样条插值的效果是最好的，而 lagran 和牛顿插值是不稳定的 2.影响误差的大小往往与区间内取得结点数有关 3.对于飞机外形的轮廓，进过二乘法拟合得到的还是不光滑的，需要细分节点，或再次对尾部进行拟合， 这样得到的线条就会变得光滑 4.居民的水位呈一个周期函数，水位变化总是从一个最高到最低值
3 9
39 78 156 280 520]; 28 35 36 30 0];
x1=[3 39 78 156 280 520 ]; y1=[9 28 35 36 30 0]; x2=[520 280 156 78 39 3]; y2=[0 -30 -36 -35 -28 -9]; xx = 0:0.001:520; yy = spline(x1,y1,xx); %三次样条 yy1 = spline(x2,y2,xx); %三次样条 y2=[-30 0 30];x2=[280 520 280]; %进一步对尾端进行三次样条使其变光滑 x4=-30:0.001:30; x3 = spline(y2,x2,x4); plot(xx,yy,xx,yy1,X,Y,'r',x3,x4,'k') %做出图像
第 5 页 共 9 页
3.已知某个直升飞机旋转记忆外形轮廓线 12 个点的坐标：
X Y 520 0 280 -30 156 -36 78 -35 39 -28 3 -9 0 0 3 9 39 28 78 35 156 36 280 30 520 0
采用三次样条技术，画出飞机外形轮廓线。 clc clear all X=[520 280 156 78 39 3 0 Y=[0 -30 -36 -35 -28 -9 0
课程名实验 （综合性实验） 及实验名称 姓 名 学 号 系 班 别 级
实验地点 指导教师 一、
孙丽英
实验日期 同组其他成员
实验时数 成 绩
实验目的及要求
实验目的： 1.观察拉格朗日插值的龙格（Runge）现象，探索避免此现象发生的方法，比较不同方法的插值效果。 2.学会用最小二乘法求拟合数据的多项式，并应用算法于实际问题。 3.体会三次样条技术在实现图像光滑度方面的优越性。 实验要求： 1.（1）对函数作拉格朗日插值。在 MATLAB 中用内部函数 plot 利用插值点绘制函数的图形。 （2）对函数作 Newton 插值。在 MATLAB 中用内部函数 plot 利用插值点绘制函数的图形。 （3）对函数作分段线性插值。在 MATLAB 中用内部函数 plot 利用插值点绘制函数的图形。 （4）对函数作三次样条插值。在 MATLAB 中用内部函数 plot 利用插值点绘制函数的图形。 （5）在 MATLAB 中用内部函数 ezplot 直接绘制函数的图形，并与以上方法做出的插值函数的图形进行 比较（自编程序，用不同颜色、不同结点符号将（1）-(5)的结果画在一张图上） 。 2.(1) 用最小二乘法求以上数据的拟合多项式 f (t ) ，并做出 f (t ) 的图形。 （2）根据题目要求，估计一天的总用水量. 3.（1）用 MATLAB 的内部函数 plot 直接画出上述数据点 ( X , Y ) 的图形。 （2）利用 MATLAB 软件求出以上数据的三次样条插值多项式，并画出图形。 （3）自编程序将以上结果画在一张图上，比较其差异，给出你的结论。
第 4 页 共 9 页
clc clear all %对每段时间内水位 f(t)进行最小二乘法拟合 X1=[0 3316 6635 10619 13937 17921 21240 25202 28543 32284]/3600; Y1=[3175 3110 3054 2994 2947 2892 2850 2795 2752 2697]*0.01; [a,b]=csd(X1,Y1); t=0:0.5:10; y1=a*t+b; t1=[35932 39332]/3600; s1=[0 0]; grid on X2=[39435 43318 46636 49953 53936 57254 60574 64554 68535 71854 75021]/3600; Y2=[3550 3445 3350 3260 3167 3087 3012 2927 2842 2767 2697]*0.05; t2=[79254 82649]/3600; s2=[0 0]; [a,b]=csd(X2,Y2); d2=11:0.5:21; y2=a*d2+b; X3=[85968 89953 93270]/3600; Y3=[3475 3397 3340]*0.05; d3=24:0.5:26; [a,b]=csd(X3,Y3); y3=a*d3+b; plot(X1,Y1,'.',X2,Y2,'.',X3,Y3,'.',t,y1,d2,y2,d3,y3,t1,s1,t2,s2)