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. Activity 调用Service的方法

    一般来说,Activity调用Service 分为两种:进程内调用和进程间调用.进程内调用时比较常用的一种,在进程内调用中我们常常使用的是bindService来启动Service(关于这种启动方式的 ...

  2. oracle员工表和部门表基本操作

    emp 员工表(empno 员工号/ename 员工姓名/job 工作/mgr 上级编号/hiredate 受雇日期/sal 薪金/comm 佣金/deptno 部门编号) dept 部门表(dept ...

  3. Android开发和測试实践 - 接入友盟统计

    这两年一直在做无线的測试,兴许还会继续去做无线的測试,可是之前由于时间的原因一直都没有非常细致的了解到代码层面. 最近抽出时间自己做了些app的开发,决定假设想把移动的測试做好做深入.有一定的app开 ...

  4. oracle改动登录认证方式

    通过配置sqlnet.ora文件.我们能够改动oracle登录认证方式. SQLNET.AUTHENTICATION_SERVICES=(NTS);基于操作系统的认证 SQLNET.AUTHENTIC ...

  5. Android 关于录音文件的编解码 实现米聊 微信一类的录音上传的功能

    最近老大要求做一个类米聊的app,于是就去找解决方案,首先用Android本身的MediaRecorder肯定是不行的,只支持amr,wav,acc,如果要做到Android,Iphone,pc通用的 ...

  6. TOP 10 ONLINE COMPILER

    Top 10 Online Compilers +1338 Tweet Share106 Share Pin 444 Shares Online compilers are one type of t ...

  7. 细说Oracle中NULL值

    1.NULL是什么? NULL表示UNKNOW(未知),其不代表不论什么值. 比如一行中某列没有不论什么值即为NULL. ORACLE同意不论什么一种数据类型的字段为空,除了下面两种情况: 1)主键字 ...

  8. 【机器学习实战】第8章 预测数值型数据:回归(Regression)

    第8章 预测数值型数据:回归 <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/ ...

  9. Spring学习笔记之六(数据源的配置)

    1.前言 上一篇博客分析了,Spring中实现AOP的两种动态代理的机制,以下这篇博客.来解说一下Spring中的数据源的配置.  2.DAO支持的模板类 Spring提供了非常多关于Dao支持的模板 ...

  10. 视频播放MPMoviePlayerController

    视频播放 如何播放视频 iOS提供了MPMoviePlayerController.MPMoviePlayerViewController两个类,可以用来轻松播放视频和网络流媒体\网络音频 提示:网络 ...