原文:Matlab随笔之插值与拟合(上)

1、拉格朗日插值

新建如下函数:

function y=lagrange(x0,y0,x)
%拉格朗日插值函数
%n 个节点数据以数组 x0, y0 输入(注意 Matlat 的数组下标从1开始),
%m 个插值点以数组 x 输入,输出数组 y 为 m 个插值
n=length(x0);m=length(x);
for i=:m
z=x(i);
s=0.0;
for k=:n
p=1.0;
for j=:n
if j~=k
p=p*(z-x0(j))/(x0(k)-x0(j));
end
end
s=p*y0(k)+s;
end
y(i)=s;
end

应用实例:

x0=1:1:20;
y0=x0.^2-20*x0-5;
x=1:0.1:20;
z=lagrange(x0,y0,x);
plot(x,z,':',x0,y0,'ko');

运行结果:

2、分段线性插值

MATLAB现成的插值函数为interp1,其调用格式为:  yi= interp1(x,y,xi,'method')

其中x,y为插值点,yi为在被插值点xi处的插值结果;x,y为向量, 'method'表示采用的插值方法,包括:
'method':是最近项插值;                                                              'linear':线性插值;(默认)

'spline':逐段3次样条插值; (下面的三次样条插值会用到)             'cubic':保凹凸性3次插值

'pchip':分段三次Hermite 插值。

例如:在一天24小时内,从零点开始每间隔2小时测得的环境温度数据分别为
            12,9,9,1,0,18 ,24,28,27,25,20,18,15,13,
推测中午12点(即13点)时的温度.

x=::;
y=[,,,,,,,,,,,,];
x1=:0.5:;
y1=interp1(x,y,x1,'linear');
plot(x,y,'bo',x1,y1,'r:');

运行结果:

3、埃尔米特插值

如果要求插值函数不仅在节点处与函数同值,而且要求它与函数有相同的一阶、二阶甚至高阶导数值,这就是埃尔米特插值问题。

已知f(x)的n+1个节点的函数值f(xi)以及导数值f`(xi),可得一个至多n+1次的多项式H(x),即hermite插值多项式。

新建以下这个函数:

function y = hermite( x0,y0,y1,x )
%埃尔米特插值多项式
%x0为点横坐标
%y0为函数值
%y1为导数值
%m个插值点用数组x输入
n=length(x0);m=length(x);
for k=:m
yy=0.0;
for i=:n
h=1.0;
a=0.0;
for j=:n
if j~=i
h=h*((x(k)-x0(j))/(x0(i)-x0(j)))^;
a=/(x0(i)-x0(j))+a;
end
end
yy=yy+h*((x0(i)-x(k))*(*a*y0(i)-y1(i))+y0(i));
end
y(k)=yy;
end

4、样条插值

所谓样条( Spline)本来是工程设计中使用的一种绘图工具,它是富有弹性的细木条或细金属条。绘图员利用它把一些已知点连接成一条光滑曲线(称为样条曲线),并使连接点处有连续的曲率。

数学上将具有一定光滑性的分段多项式称为样条函数。

在实际中最常用的是二次样条函数和三次样条函数:

二次样条函数插值


首先,我们注意到s2 (x)中含有 n + 2 个特定常数,故应需要 n + 2 个插值条件,因此,二次样条插值问题可分为两类:

(1)已知插值节点xi 和相应的函数值 yi (i = 0,1,…,n) 以及端点 x0 (或 xn )处的导数值y'0(或y'n)

(2)已知插值节点xi 和相应的导数值 y'i (i = 0,1,…,n) 以及端点 x0 (或 xn )处的函数值y0 (或yn

三次样条函数插值

由于 s3 (x)中含有n + 3 个待定系数,故应需要 n + 3 个插值条件,已知插值节点xi 和相应的函数值 f(xi ) = yi (i = 0,1,…,n) ,这里提供了 n + 1 个条件,还需要 2 个边界条件。因此,三次样条插值问题可分为三类:

(1)s'3 (a) = y'0 ,s'3 (b) = y'n 。由这种边界条件建立的样条插值函数称为 f(x) 的完备三次样条插值函数。
特别地,y0' = yn`= 0时,样条曲线在端点处呈水平状态。
如果 f' (x) 不知道,我们可以要求 s'3 (x) 与 f' (x) 在端点处近似相等。这时以x0 , x1 , x2 , x3 为节点作一个三次 Newton 插值多项式 Na (x) ,以 xn, xn−1, xn−2, xn−3 作一个三次 Newton 插值多项式 Nb (x) ,要求s' (a) = N'a (a), s' (b) = N'b (b)
由这种边界条件建立的三次样条称为 f(x) 的 Lagrange 三次样条插值函数。

(2)s"3 (a) = y"0 ,s"3 (b) = y"3 。特别地 y"n = y"n = 0 时,称为自然边界条件。

(3)s'3 ( a + 0) = s'3 ( b − 0), s"3 (a + 0) = s"3 (b − 0) , (这里要求 s3 (a + 0) =s3 (b − 0) )此条件称为周期条件。

Matlab实现(三次样条插值)

Matlab中的函数:

1、y=interp1(x0,y0,x,`spline`);%(spline改成linear,则变成线性插值)

2、y=spline(x0,y0,xi);%这个是根据己知的x,y数据,用样条函数插值出xi处的值。即由x,y的值计算出xi对应的函数值。

3、pp=spline(x0,y0);%是由根据己知的x,y数据,求出它的样条函数表达式,不过该表达式不是用矩阵直接表示,要求点x`的值,要用函数y`=ppval(pp,x`);

4、pp=csape(x,y,'变界类型','边界值conds');生成各种边界条件的三次样条插值. 其中,(x,y)为数据向量,边界类型可为:

'complete':给定边界一阶导数,即默认的边界条件,Lagrange边界条件
             'not-a-knot':非扭结条件,不用给边界值.
             'periodic':周期性边界条件,不用给边界值.
             'second':给定边界二阶导数. 
             'variational':自然样条(边界二阶导数为[0,0]

边界值conds可用1x2矩阵表示,矩阵元素取值为1,2,此时,使用命令
pp=csape(x0,y0_ext,conds)
其中 y0_ext=[left, y0, right],这里 left 表示左边界的取值, right 表示右边界的取值。
conds(i)=j 的含义是给定端点 i j 阶导数, 即 conds 的第一个元素表示左边界的条
件,第二个元素表示右边界的条件, conds=[2,1]表示左边界是二阶导数,右边界是一阶
导数,对应的值由 left 和 right 给出。

例子:

表 1
0  3      5   7     9  11  12  13  14  15
0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6
要求用 Lagrange、分段线性和三次样条三种插值方法计算。

编程实现:

clear,clc
x0=[,,,,,,,,,];
y0=[,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.0,1.6];
t=:0.05:;
%拉格朗日插值函数
y1=lagrange(x0,y0,t);%调用编写的lagrange函数
dy1=(lagrange(x0,y0,0.0001)-lagrange(x0,y0,))/0.0001%x=0处斜率
min1=min(lagrange(x0,y0,:0.001:))%13到15最小值
subplot(,,);
plot(x0,y0,'ro',t,y1);%画出曲线
title('拉格朗日插值函数');
%分段线性插值
y2=interp1(x0,y0,t,'spline');%注意区分spline与linear
Y2=interp1(x0,y0,t);%默认linear
dy2=(interp1(x0,y0,0.0001,'spline')-interp1(x0,y0,,'spline'))/0.0001%x=0处斜率
min2=min(interp1(x0,y0,:0.001:,'spline'))%13到15最小值
subplot(,,);
plot(t,y2,'b',t,Y2,'r',x0,y0,'ro');%画出曲线
title('分段线性插值');
legend('边条','线性');%显示图形图例
%三次线条插值A
y3=spline(x0,y0,t);
dy3=(spline(x0,y0,0.0001)-spline(x0,y0,))/0.0001%x=0处斜率
min3=min(spline(x0,y0,:0.001:))%13到15最小值
subplot(,,);
plot(x0,y0,'ro',t,y3);%画出曲线
title('三次线条插值A');
%三次线条插值B
pp1=csape(x0,y0);%默认的边界条件,即给定边界一阶导数
pp2=csape(x0,y0,'second');%给定边界二阶导数
y4=ppval(pp1,t);
Y4=ppval(pp2,t);
dy4=(ppval(pp1,0.0001)-ppval(pp1,))/0.0001%x=0处斜率
min4=min(ppval(pp1,:0.001:))%13到15最小值
subplot(,,);
plot(t,y4,'b',t,Y4,'r',x0,y0,'ro');%画出曲线
title('三次线条插值B');
legend('一阶','二阶');

运行结果:

dy1 =

  -55.2855

min1 =

    0.9391

dy2 =

    0.5023

min2 =

    0.9828

dy3 =

    0.5023

min3 =

    0.9828

dy4 =

    0.5007

min4 =

    0.9851

综上,可以看出,拉格朗日插值函数根本不能应用,分段线性函数的光滑性较差,推荐三次样条插值。

同时,可以看出,interp1(x0,y0,’spline’)等价于spline(x0,y0)。

最后,将上述所有情况封装起来,变成下列函数:

function y = showAllInterp( x0,y0,s,t)
%显示x0,y0之间所有不同类型的插值情况
%字符串s选择要输出的插值类型:
%all:全部类型 lagrange:拉格朗日插值函数
%linear:分段线性插值 spline:三次线条插值A
%csape:三次线条插值B
if(nargin<)
t=linspace(x0(),x0(length(x0)),);%默认
end
switch s
case 'lagrange' %拉格朗日插值函数
y1=lagrange(x0,y0,t);%调用编写的lagrange函数
plot(x0,y0,'ro',t,y1);%画出曲线
title('拉格朗日插值函数');
if(nargout==)
y=y1;
end
case 'linear' %分段线性插值
y2=interp1(x0,y0,t);%默认linear
plot(x0,y0,'ro',t,y2,'b');%画出曲线
title('分段线性插值');
if(nargout==)
y=y2;
end
case 'spline' %三次线条插值A
y3=spline(x0,y0,t); %等价于interp1(x0,y0,t,'spline');
plot(x0,y0,'ro',t,y3);%画出曲线
title('三次线条插值A');
if(nargout==)
y=y3;
end
case 'csape' %三次线条插值B
pp1=csape(x0,y0);%默认的边界条件,即给定边界一阶导数
pp2=csape(x0,y0,'second');%给定边界二阶导数
y4=ppval(pp1,t);
Y4=ppval(pp2,t);
plot(t,y4,'b',t,Y4,'r',x0,y0,'ro');%画出曲线
title('三次线条插值B');
legend('一阶','二阶');
if(nargout==)
y=y4;
end
case 'all' %显示全部
y1=lagrange(x0,y0,t);%调用编写的lagrange函数
subplot(,,);
plot(x0,y0,'ro',t,y1);%画出曲线
title('拉格朗日插值函数'); y2=interp1(x0,y0,t);%默认linear
subplot(,,);
plot(x0,y0,'ro',t,y2);%画出曲线
title('分段线性插值'); y3=spline(x0,y0,t); %等价于interp1(x0,y0,t,'spline');
subplot(,,);
plot(x0,y0,'ro',t,y3);%画出曲线
title('三次线条插值A'); pp1=csape(x0,y0);%默认的边界条件,即给定边界一阶导数
pp2=csape(x0,y0,'second');%给定边界二阶导数
y4=ppval(pp1,t);
Y4=ppval(pp2,t);
subplot(,,);
plot(t,y4,'b',t,Y4,'r',x0,y0,'ro');%画出曲线
title('三次线条插值B');
legend('一阶','二阶');
end

Matlab随笔之插值与拟合(上)的更多相关文章

  1. Matlab随笔之插值与拟合(下)

    原文:Matlab随笔之插值与拟合(下) 1.二维插值之插值节点为网格节点 已知m x n个节点:(xi,yj,zij)(i=1…m,j=1…n),且xi,yi递增.求(x,y)处的插值z. Matl ...

  2. matlab学习——05插值和拟合(黄河小浪底调水调沙问题)

    05插值和拟合 黄河小浪底调水调沙问题 data3.txt 1800 1900 2100 2200 2300 2400 2500 2600 2650 2700 2720 2650 32 60 75 8 ...

  3. matlab学习——05插值和拟合(一维二维插值,拟合)

    05插值和拟合 1.一维插值 (1) 机床加工零件,试用分段线性和三次样条两种插值方法计算.并求x=0处的曲线斜率和13<=x<=15范围内y的最小值. x0=[0 3 5 7 9 11 ...

  4. matlab——插值与拟合

    @ 目录 前言 一.拟合 1.定义 2.三种判别准则 3.最小二乘法 (1)一般形式 (2)常用函数 (3)matlab实现 二.插值 1.定义 2.方法 (1)分段线性插值 (2)拉格朗日插值多项式 ...

  5. Matlab曲面拟合和插值

    插值和拟合都是数据优化的一种方法,当实验数据不够多时常常须要用到这样的方法来绘图. 在matlab中都有特定的函数来完毕这些功能. 这两种方法的确别在于: 当測量值是准确的,没有误差时,一般用插值: ...

  6. Matlab随笔之画图函数总结

    原文:Matlab随笔之画图函数总结 MATLAB函数画图 MATLAB不但擅长於矩阵相关的数值运算,也适合用在各种科学目视表示(Scientific visualization).本节将介绍MATL ...

  7. Matlab随笔之求解线性方程

    原文:Matlab随笔之求解线性方程 理论知识补充: %矩阵除分为矩阵右除和矩阵左除. %矩阵右除的运算符号为“/”,设A,B为两个矩阵,则“A/B”是指方程X*B=A的解矩阵X. %矩阵A和B的列数 ...

  8. Matlab随笔之矩阵入门知识

    原文:Matlab随笔之矩阵入门知识 直接输入法创建矩阵 – 矩阵的所有元素必须放在方括号“[ ]”内: – 矩阵列元素之间必须用逗号“,”或空格隔开,每行必须用“;”隔开 – 矩阵元素可以是任何不含 ...

  9. Matlab随笔之线性规划

    原文:Matlab随笔之线性规划   LP(Linear programming,线性规划)是一种优化方法,在优化问题中目标函数和约束函数均为向量变量的线性函数,LP问题可描述为:min xs.t. ...

随机推荐

  1. Ubuntu下成功安装QQ2013

    阳光小强最近用Win8系统感觉特别不爽,中午果断换了一个win7系统,又想着能不能搞个双系统(最近在看一些linux东西),于是就开始整起来.结果并不好,linux虽然整好了,但是硬盘全部格式化了,当 ...

  2. ZOJ Special AC String 水

    http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=3702 题目大意: 对于给定的一个字符串,满足如下要求输出AC,否则WA(好吧我 ...

  3. 撸代码--类QQ聊天实现(基于linux 管道 信号 共享内存)

    一:任务描写叙述 A,B两个进程通过管道通信,像曾经的互相聊天一样,然后A进程每次接收到的数据通过A1进程显示(一个新进程,用于显示A接收到的信息),A和A1间的数据传递採用共享内存,相应的有一个B1 ...

  4. Python 语法细节(Python 2.x 与 Python 3.x 语法差异)

    Language differences and workarounds 查询 Python 语言版本: >> import sys >> sys.version '3.5.2 ...

  5. Bootstrapbutton

    Bootstrap 提供了一些选项来定义button的样式,详细例如以下表所看到的: 下面样式可用于<a>, <button>, 或 <input> 元素上: 类 ...

  6. Git使用经验小结

    2012春,开始正式使用SVN,2014年9月加入一起好后,开始使用Git.  有了一些使用经验,也看了下网上关于"Git全胜SVN"的言论. 结合自己的实际情况,简要写几句: 1 ...

  7. js中动态创建json,动态为json添加属性、属性值的实例

    如下所示: ? 1 2 3 4 5 6 7 var param = {};  for(var i=0;i<fields.length;i++){  var field = fields[i]; ...

  8. java 原子量Atomic举例(AtomicReference)

    java并发库提供了很多原子类来支持并发访问的数据安全性,除了常用的 AtomicInteger.AtomicBoolean.AtomicLong 外还有 AtomicReference 用以支持对象 ...

  9. [Thu, 9 Jul 2015 ~ Tue, 14 Jul 2015] Deep Learning in arxiv

    这一期的神作论文有蛮多的,都很有意思. Feature Representation In ConvolutionalNeural Networks 该论文中论述了在某种CNN结构下,是否有准确率较高 ...

  10. 【codeforces 602D】Lipshitz Sequence

    time limit per test1 second memory limit per test256 megabytes inputstandard input outputstandard ou ...