样条插值函数及应用
摘要 样条函数具有广泛的应用，是现代函数论的一个十分活跃的分支，是计算方法的主要基础和工具之一，由于生产和科学技术向前发展的推动以及电子计算机广泛应用的需要，人们便更多地应用这个工具，也更深刻的认识了它的本质。 在实际问题中所遇到许多函数往往很复杂，有些甚至是很难找到解析表达式的。根据函数已有的数据来计算函数在一些新的点处的函数值，就是插值法所需要解决的问题。 插值法是数值逼近的重要方法之一，它是根据给定的自变量值和函数值,求取未知函数的近似值。早在一千多年前,我国科学家就在研究历法时就用到了线性插值和二次插值。而在实际问题中,有许多插值函数的曲线要求具有较高的光滑性,在整个曲线中,曲线不但不能有拐点,而且曲率也不能有突变。因此，对于插值函数必须二次连续可微且不变号 ,这就需要用到三次样条插值。 关键词三次样条函数；插值法
目录 引言 0 第一章三次样条插值 (1) 1.1 样条插值函数简介 (1) 1.2 三次样条函数应用 (2) 第二章AMCM91A 估计水塔水流量 (4) 2.1 理论分析及计算 (5) 2.2运用MATLAB软件计算 (8) 参考文献 (13)
引言 样条函数具有广泛的应用，是现代函数论的一个十分活跃的分支，是计算方法的主要基础和工具之一，由于生产和科学技术向前发展的推动以及电子计算机广泛应用的需要，人们便更多地应用这个工具，也更深刻的认识了它的本质。上世纪四十年代，在研究数据处理的问题中引出了样条函数，例如，在1946年Schoenberg将样条引入数学,即所谓的样条函数，直到五十年代，还多应用于统计数据的处理方面，从六十年代起，在航空、造船、汽车等行业中，开始大量采用样条函数。 在我国，从六十年代末开始，从船体数学放样到飞机外形设计，逐渐出现了一个使用样，逐渐出现了一个使用样条函数的热潮，并推广到数据处理的许多问题中。 在实际生活中有许多计算问题对插值函数的光滑性有较高的要求，例如飞机机翼外形、发动机进、排气口都要求有连续的二阶导数，用三次样条绘制的曲线不仅有很好的光滑度，而且当节点逐渐加密时其函数值整体上能很好地逼近被插函数，相应的导数值也收敛于被插函数的导数值，不会发生“龙格现象”。 现在国内外学者对这方面的研究也越来越重视，根据我们的需要来解决不同的问题，而且函数的形式也在不断地改进，长期以来很多学者致力于样条插值的研究，对三次样条的研究已相当成熟。
有限差分方法(FDM:Finite Difference Method)是计算机数值模拟最早采用的方法，至今仍被广泛运用。该方法将求解域划分为差分网格，用有限个网格节点代替连续的求解域。有限差分法以Taylor级数展开等方法，把控制方程中的导数用网格节点上的函数值的差商代替进行离散，从而建立以网格节点上的值为未知数的代数方程组。有限差分法主要集中在依赖于时间的问题（双曲型和抛物型方程）。有限差分法方面的经典文献有Richtmeyer & Morton的《Difference Methods for Initial-Value Problems》；R. LeVeque《Finite Difference Method for Differential Equations》；《Numerical Methods for C onservation Laws》。 注：差分格式： （1）从格式的精度来划分，有一阶格式、二阶格式和高阶格式。 （2）从差分的空间形式来考虑，可分为中心格式和逆风格式。 （3）考虑时间因子的影响，差分格式还可以分为显格式、隐格式、显隐交替格式等。 目前常见的差分格式，主要是上述几种形式的组合，不同的组合构成不同的差分格式。差分方法主要适用于有结构网格，网格的步长一般根据实际地形的情况和柯朗稳定条件来决定。 构造差分的方法： 构造差分的方法有多种形式，目前主要采用的是泰勒级数展开方法。其基本的差分表达式主要有三种形式：一阶向前差分、一阶向后差分、一阶中心差分和二阶中心差分等，其中前两种格式为一阶计算精度，后两种格式为二阶计算精度。通过对时间和空间这几种不同差分格式的组合，可以组合成不同的差分计算格式。 有限差分法的不足：由于采用的是直交网格，因此较难适应区域形状的任意性，而且区分不出场函数在区域中的轻重缓急之差异，缺乏统一有效的处理自然边值条件和内边值条件的方法，难以构造高精度(指收敛阶)差分格式，除非允许差分方程联系更多的节点(这又进一步增加处理边值条件韵困难)。另外它还有编制不出通用程序的困难。 有限差分法的优点：该方法是一种直接将微分问题变为代数问题的近似数值解法，数学概念 直观，表达简单，精度可选而且在一个时间步内，对于一个给定点来说其相关的空间点只是 与该相邻的几点，而不是全部的空间点。是发展较早且比较成熟的数值方法 广义差分法（有限体积法）（GDM:Generalized Difference Method）：1953年，Mac—Neal 利用积分插值法(也称积分均衡法)建立了三角网格上的差分格 式，这就是以后通称的不规划网格上的差分法．这种方法的几何误差小，特别是给出了处理自然边值条件(及内边值条件)的有效方法，堪称差分法的一大进步。1978年，李荣华利用有限元空间和对偶单元上特征函数的推广——局部Taylor展式的公项，将积分插值法改写成广义Galerkin法形式，从而将不规则网格差分法推广为广义差分法.其基本思路是，将计算区域划分为一系列不重复的控制体积，并使每个网格点周围有
对样条函数及其插值问题的一点认识 样条函数是计算数学以及计算机辅助设计几何设计的重要工具。1946年，I. J. Schoenberg 著名的关于一元样条函数的奠定性论文“Contribution to the problem of application of equidistant data by analytic functions ”发表，建立了一元样条函数的理论基础。自此以后，关于样条函数的研究工作逐渐深入。随着电子计算机技术的不断进步，样条函数的理论以及应用研究得到迅速的发展和广泛的应用。经过数学工作者的努力，已经形成了较为系统的理论体系。 所谓（多项式）样条函数，乃指具有一定光滑性的分段（分片）多项式。一元n 次且n －1阶连续可微的样条函数具有如下的表示式： 1()()()()N n n j j j s x p x c x x x +==+--∞<<+∞∑[] 011,00,01,,...,,(1),...,(),,...,,n n n n N n N N u un u u u u x x x x x S x x x x ++++ +≥??=??
#include
printf("f(%f)=%f\n",x,px); } void Hermite () //Hermite插值 { int i,k,n=2; int flag1=0; printf("Hermite插值多项式H5(x)="); for(i=0;i<=n;i++) { int flag=0; flag1++; if(flag1==1) { printf("y%d[1-2(x-x%d)*(",i,i); } else { printf("+y%d[1-2(x-x%d)*(",i,i); } for(k=0;k<=n;k++) { if(k!=i) { flag++; if(flag==1) { printf("(1/x%d-x%d)",i,k); } else { printf("+(1/x%d-x%d)",i,k);
告: Matlab中插值函数汇总和使用说明收藏 命令1 interp1 功能一维数据插值(表格查找。该命令对数据点之间计算内插值。它找出一元函数f(x在中间点的数值。其中函数f(x由所给数据决定。x:原始数据点 Y:原始数据点 xi:插值点 Yi:插值点 格式 (1yi = interp1(x,Y,xi 返回插值向量yi,每一元素对应于参量xi,同时由向量x 与Y 的内插值决定。参量x 指定数据Y 的点。 若Y 为一矩阵,则按Y 的每列计算。yi 是阶数为length(xi*size(Y,2的输出矩阵。 (2yi = interp1(Y,xi 假定x=1:N,其中N 为向量Y 的长度,或者为矩阵Y 的行数。 (3yi = interp1(x,Y,xi,method 用指定的算法计算插值: ’nearest’:最近邻点插值,直接完成计算; ’linear’:线性插值(缺省方式,直接完成计算;
’spline’:三次样条函数插值。对于该方法,命令interp1 调用函数spline、ppval、mkpp、umkpp。这些命令生成一系列用于分段多项式操作的函 数。命令spline 用它们执行三次样条函数插值; ’pchip’:分段三次Hermite 插值。对于该方法,命令interp1 调用函数p chip,用于对向量x 与y 执行分段三次内插值。该方法保留单调性与数据的外形; ’cubic’:与’pchip’操作相同; ’v5cubic’:在MATLAB 5.0 中的三次插值。 对于超出x 范围的xi 的分量,使用方法’nearest’、’linear’、’v5cubic’的插值算法,相应地将返回NaN。对其他的方法,interp1 将对超出的分量执行外插值算法。 (4yi = interp1(x,Y,xi,method,'extrap' 对于超出x 范围的xi 中的分量将执行特殊的外插值法extrap。 (5yi = interp1(x,Y,xi,method,extrapval 确定超出x 范围的xi 中的分量的外插值extrapval,其值通常取NaN 或0。 例1 1.>>x = 0:10; y = x.*sin(x; 2.>>xx = 0:.25:10; yy = interp1(x,y,xx; 3.>>plot(x,y,'kd',xx,yy 复制代码 例2 1.>> year = 1900:10:2010;
CENTRAL SOUTH UNIVERSITY 数值分析实验报告
三次样条插值方法的应用 一、问题背景 分段低次插值函数往往具有很好的收敛性，计算过程简单，稳定性好，并且易于在在电子计算机上实现，但其光滑性较差，对于像高速飞机的机翼形线船体放样等型值线往往要求具有二阶光滑度，即有二阶连续导数，早期工程师制图时，把富有弹性的细长木条（即所谓的样条）用压铁固定在样点上，在其他地方让他自由弯曲，然后沿木条画下曲线，称为样条曲线。样条曲线实际上是由分段三次曲线并接而成，在连接点即样点上要求二阶导数连续，从数学上加以概括就得到数学样条这一概念。下面我们讨论最常用的三次样条函数及其应用。 二、数学模型 样条函数可以给出光滑的插值曲线（面），因此在数值逼近、常微分方程和偏微分方程的数值解及科学和工程的计算中起着重要的作用。 设区间[]b ,a 上给定有关划分b x x n =<<<= 10x a ，S 为[]b ,a 上满足下面条件的函数。 ● )(b a C S ,2∈； ● S 在每个子区间[]1,+i i x x 上是三次多项式。 则称S 为关于划分的三次样条函数。常用的三次样条函数的边界条件有三种类型： ● Ⅰ型 ()()n n n f x S f x S ''0'',==。 ● Ⅱ型 ()()n n n f x S f x S ''''0'''',==，其特殊情况为()()0''''==n n x S x S 。 ● Ⅲ型 ()() 3,2,1,0,0==j x S x S n j j ，此条件称为周期样条函数。 鉴于Ⅱ型三次样条插值函数在实际应用中的重要地位，在此主要对它进行详细介绍。 三、算法及流程 按照传统的编程方法，可将公式直接转换为MATLAB 可是别的语言即可；另一种是运用矩阵运算，发挥MATLAB 在矩阵运算上的优势。两种方法都可以方便地得到结果。方法二更直观，但计算系数时要特别注意。这里计算的是方法一的程序，采用的是Ⅱ型边界条件，取名为spline2.m 。 Matlab 代码如下： function s=spline2(x0,y0,y21,y2n,x) %s=spline2(x0,y0,y21,y2n,x) %x0,y0 are existed points,x are insert points,y21,y2n are the second
例1 设)(x f 为定义在[0,3]上的函数，有下列函数值表： 且2.0)('0=x f ，1)('3-=x f ，试求区间[0,3]上满足上述条件的三次样条插值函数)(x s 本算法求解出的三次样条插值函数将写成三弯矩方程的形式： ) ()6()() 6()(6)(6)(211123 13 1j j j j j j j j j j j j j j j j x x h h M y x x h h M y x x h M x x h M x s -- + -- + -+ -= +++++其中，方程中的系数 j j h M 6， j j h M 61+，j j j j h h M y )6(2- ， j j j j h h M y ) 6(211++- 将由Matlab 代码中的变量Coefs_1、Coefs_2、Coefs_3以及Coefs_4的值求出。 以下为Matlab 代码： %============================= % 本段代码解决作业题的例1 %============================= clear all clc % 自变量x 与因变量y ，两个边界条件的取值 IndVar = [0, 1, 2, 3]; DepVar = [0, 0.5, 2, 1.5]; LeftBoun = 0.2; RightBoun = -1; % 区间长度向量，其各元素为自变量各段的长度 h = zeros(1, length(IndVar) - 1); for i = 1 : length(IndVar) - 1 h(i) = IndVar(i + 1) - IndVar(i); end % 为向量μ赋值
学习报告—— 三次样条函数插值问题的讨论 班级：数学二班 学号：152111033 姓名：刘楠楠
样条函数： 由一些按照某种光滑条件分段拼接起来的多项式组成的函数；最常用的样条函数为三次样条函数，即由三次多项式组成，满足处处有二阶连续导数。 一、三次样条函数的定义： 对插值区间[,]a b 进行划分，设节点011n n a x x x x b -=<< <<=，若 函数2()[,]s x c a b ∈在每个小区间1[,]i i x x +上是三次多项式，则称其为三次样条函数。如果同时满足()()i i s x f x = (0,1,2)i n =，则称()s x 为()f x 在 [,]a b 上的三次样条函数。 二、三次样条函数的确定： 由定义可设：101212 1(),[,] (),[,]()(),[,] n n n s x x x x s x x x x s x s x x x x -∈??∈?=???∈?其中()k s x 为1[,]k k x x -上的三次 多项式，且满足11(),()k k k k k k s x y s x y --== (1,2,,k n = 由2()[,]s x C a b ∈可得：''''''()(),()(),k k k k s x s x s x s x -+-+== 有''1()(),k k k k s x s x -++= ''''1()(),(1 ,2,,1)k k k k s x s x k n -+ +==-， 已知每个()k s x 均为三次多项式，有四个待定系数，所以共有4n 个待定系数，需要4n 个方程才能求解。前面已经得到22(1)42n n n +-=-个方程，因此要唯一确定三次插值函数，还要附加2个条件，一般上，实际问题通常对样条函数在端点处的状态有要求，即所谓的边界条件。 1、第一类边界条件：给定函数在端点处的一阶导数，即 ''''00(),()n n s x f s x f == 2、第二类边界条件：给定函数在端点处的二阶导数，即
实验名称：插值计算 1引言 在生产和科研中出现的函数是多种多样的。常常会遇到这样的情况：在某个实际问题中，虽然可以断定所考虑的函数f（x）在区间[a,b]上存在且连续，但却难以找到它的解析表达式，只能通过实验和观测得到在有限个点上的函数值。用这张函数表来直接求出其他点的函数值是非常困难的，在有些情况下，虽然可以写出f(x)的解析表达式，但由于结构十分复杂，使用起来很不方便。面对这些情况，构造函数P(x)作为f(x)的近似，插值法是解决此类问题比较古老却目前常用的方法，不仅直接广泛地应用与生产实际和科学研究中，而且是进一步学习数值计算方法的基础。 设函数y=f(x)在区间[a,b]上连续，且在n+1个不同的点a≤x0,x1……,xn≤b上分别取值y0,y1……,yn. 插值的目的就是要在一个性质优良、便于计算的函数φ中，求一简单函数P(x),使P(xi)=yi(i=0,1…,n)而在其他点x≠xi上，作为f(x)的近似。 通常，称区间[a,b]为插值区间，称点x0,x1,…,xn为插值节点，上式为插值条件，称函数类φ为插值函数类，称P(x)为函数f(x)在节点x0,x1,…,xn处的插值函数，求插值函数P(x)的方法称为插值法。 2实验目的和要求 用matlab定义分段线性插值函数、分段二次插值函数、拉格朗日插值函数，输入所给函 数表，并利用计算机选择在插值计算中所需的节点，计算f(0.15),f(0.31),f(0.47)的近似值。
3算法描述 1.分段线性插值流程图
2.分段二次插值流程图
3.拉格朗日插值流程图
4程序代码及注释 1.分段线性插值
数值分析报告 班级： 专业： 流水号： 学号： 姓名：
常用的插值方法 序言 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。 早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，牛顿、拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。 插值问题的提法是：假定区间[a，b〕上的实值函数f（x）在该区间上n＋1个互不相同点x0，x1……x n处的值是f（x0），……f（x n），要求估算f（x）在[a，b〕中某点的值。其做法是：在事先选定的一个由简单函数构成的有n＋1个参数C0， C1，……C n的函数类Φ(C0，C1，……C n)中求出满足条件P（x i）＝f（x i）（i＝0，1，……n）的函数P(x)，并以P(x)作为f(x)的估值。此处f（x）称为被插值函数，x0，x1，……xn 称为插值结(节)点，Φ(C0，C1，……C n)称为插值函数类，上面等式称为插值条件，Φ（C0，……C n）中满足上式的函数称为插值函数，R（x）＝f（x）－P（x）称为插值余项。
求解这类问题，它有很多种插值法，其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点，常用的插值还有Hermit 插值，分段插值和样条插值。 一．拉格朗日插值 1.问题提出： 已知函数()y f x =在n+1个点01,,,n x x x L 上的函数值01,,,n y y y L ，求任意一点 x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 2.解决方法： 构造一个n 次代数多项式函数()n P x 来替代未知（或复杂）函数()y f x =，则 用()n P x '作为函数值()f x '的近似值。 设()2012n n n P x a a x a x a x =++++L ，构造()n P x 即是确定n+1个多项式的系数 012,,,,n a a a a L 。 3.构造()n P x 的依据： 当多项式函数()n P x 也同时过已知的n+1个点时，我们可以认为多项式函数 ()n P x 逼近于原来的函数()f x 。根据这个条件，可以写出非齐次线性方程组： 20102000 20112111 2012n n n n n n n n n n a a x a x a x y a a x a x a x y a a x a x a x y ?++++=?++++=?? ? ?++++=?L L L L L 其系数矩阵的行列式D 为范德萌行列式： ()20 0021110 2111n n i j n i j n n n n x x x x x x D x x x x x ≥>≥= = -∏L L M M M M L
习题二 1. 已知 ，求的二次值多项式。 2. 令 解：； ，介于x和0，1决定的区 间内；，当时。 的数表，分别用线性插值与二次插值求 3. 给出函数 ，试利用拉格朗日余项定理写出以为节点的三次 4. 设 插值多项式。 ，求及的值。1，0 5. 已知 6. 根据如下函数值表求四次牛顿插值多项式，并用其计算 ， 的如下函数值表，解答下列问题（1）试列出相应 7. 已知函数 的差分表；（2）分别写出牛顿向前插值公式和牛顿向后插值公式。 解：向前插值公式
向后插值公式 8. 下表为概率积分 的数据表，试问：1）时， 积分 在各点的数据（取五位有效数 9. 利用 字），求方程 在0.3和0.4之间的根的近似值。0.3376489 10. 依据表10中数据，求三次埃尔米特插值多项式。 11. 依据数表11 项式。 上给出的等距节点函数表，用分段线性插值求 12. 在 的近似值，要使截断误差不超过 取？ 13. 将区间 分成n等分，求在上的分段三次埃尔米 特插值多项式，并估计截断误差。 14、给定的数值表
用线性插值与二次插值计算ln0.54的近似值并估计误差限 解：仍可使用n=1及n=2的Lagrange插值或Newton插值,并应用误差估计。线性插值时，用0.5及0.6两点，用Newton插值 误差限 ，因，故 二次插值时，用0.5，0.6，0.7三点，作二次Newton插值 误差限， 故 15、在-4≤x≤4上给出的等距节点函数表，若用二次插值法 求的近似值，要使误差不超过，函数表的步长h应取多少? 解：用误差估计式， 令因 得
16、若，求和 解：由均差与导数关系 于是 17、若互异，求 的值，这里p≤n+1. 解：，由均差对称性 可知当有 而当P＝n＋1时 于是得 18、求证 解：只要按差分定义直接展开得 19、已知的函数表
例：已知一组数据点，编写一程序求解三次样条插值函数满足 并针对下面一组具体实验数据 0.25 0.3 0.39 0.45 0.53 0.5000 0.5477 0.6245 0.6708 0.7280 求解，其中边界条件为. 1）三次样条插值自然边界条件源程序： function s=spline3(x,y,dy1,dyn) %x为节点，y为节点函数值，dy1，dyn分别为x=0.25,0.53处的二阶导 m=length(x);n=length(y); if m~=n error('x or y输入有误') return end h=zeros(1,n-1); h(n-1)=x(n)-x(n-1); for k=1:n-2 h(k)=x(k+1)-x(k); v(k)=h(k+1)/(h(k+1)+h(k)); u(k)=1-v(k); end g(1)=3*(y(2)-y(1))/h(1)-h(1)/2*dy1; g(n)=3*(y(n)-y(n-1))/h(n-1)+h(n-1)/2*dyn; for i=2:n-1 g(i)=3*(u(i-1)*(y(i+1)-y(i))/h(i)+v(i-1)*(y(i)-y(i-1))/h(i-1)); end for i=2:n-1; A(i,i-1)=v(i-1); A(i,i+1)=u(i-1); end A(n,n-1)=1; A(1,2)=1; A=A+2*eye(n); M=zhuigf(A,g); %调用函数，追赶法求M fprintf('三次样条（三对角）插值的函数表达式\n'); syms X;
for k=1:n-1 fprintf('S%d--%d:\n',k,k+1); s(k)=(h(k)+2*(X-x(k)))./h(k).^3.*(X-x(k+1)).^2.*y(k)... +(h(k)-2*(X-x(k+1)))./h(k).^3.*(X-x(k)).^2.*y(k+1)... +(X-x(k)).*(X-x(k+1)).^2./h(k).^2*M(k)+(X-x(k+1)).*... (X-x(k)).^2./h(k).^2*M(k+1); end s=s.'; s=vpa(s,4); %画三次样条插值函数图像 for i=1:n-1 X=x(i):0.01:x(i+1); st=(h(i)+2*(X-x(i)))./(h(i)^3).*(X-x(i+1)).^2.*y(i)... +(h(i)-2.*(X-x(i+1)))./(h(i)^3).*(X-x(i)).^2.*y(i+1)... +(X-x(i)).*(X-x(i+1)).^2./h(i)^2*M(i)+(X-x(i+1)).*... (X-x(i)).^2./h(i)^2*M(i+1); plot(x,y,'o',X,st); hold on End plot(x,y); grid on %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %调用的函数： %追赶法 function M=zhuigf(A,g) n=length(A); L=eye(n); U=zeros(n); for i=1:n-1 U(i,i+1)=A(i,i+1); end U(1,1)=A(1,1); for i=2:n L(i,i-1)=A(i,i-1)/U(i-1,i-1); U(i,i)=A(i,i)-L(i,i-1)*A(i-1,i); end Y(1)=g(1); for i=2:n Y(i)=g(i)-L(i,i-1)*Y(i-1); end M(n)=Y(n)/U(n,n); for i=n-1:-1:1 M(i)=(Y(i)-A(i,i+1)*M(i+1))/U(i,i);
告： Matlab中插值函数汇总和使用说明收藏 命令1 interp1 功能一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。x：原始数据点 Y：原始数据点 xi：插值点 Yi：插值点 格式 (1)yi = interp1(x,Y,xi) 返回插值向量yi，每一元素对应于参量xi，同时由向量x 与Y 的内插值决定。参量x 指定数据Y 的点。 若Y 为一矩阵，则按Y 的每列计算。yi 是阶数为length(xi)*size(Y,2)的输出矩阵。 (2)yi = interp1(Y,xi) 假定x=1:N，其中N 为向量Y 的长度，或者为矩阵Y 的行数。 (3)yi = interp1(x,Y,xi,method) 用指定的算法计算插值： ’nearest’：最近邻点插值，直接完成计算； ’linear’：线性插值（缺省方式），直接完成计算； ’spline’：三次样条函数插值。对于该方法，命令interp1 调用函数spline、ppval、mkpp、umkpp。这些命令生成一系列用于分段多项式操作的函
数。命令spline 用它们执行三次样条函数插值； ’pchip’：分段三次Hermite 插值。对于该方法，命令interp1 调用函数p chip，用于对向量x 与y 执行分段三次内插值。该方法保留单调性与数据的外形； ’cubic’：与’pchip’操作相同； ’v5cubic’：在MATLAB 5.0 中的三次插值。 对于超出x 范围的xi 的分量，使用方法’nearest’、’linear’、’v5cubic’的插值算法，相应地将返回NaN。对其他的方法，interp1 将对超出的分量执行外插值算法。 (4)yi = interp1(x,Y,xi,method,'extrap') 对于超出x 范围的xi 中的分量将执行特殊的外插值法extrap。 (5)yi = interp1(x,Y,xi,method,extrapval) 确定超出x 范围的xi 中的分量的外插值extrapval，其值通常取NaN 或0。 例1 1.>>x = 0:10; y = x.*sin(x); 2.>>xx = 0:.25:10; yy = interp1(x,y,xx); 3.>>plot(x,y,'kd',xx,yy) 复制代码 例2 1.>> year = 1900:10:2010; 2.>> product = [75.995 91.972 105.711 12 3.203 131.669 150.697 179.323 203.212 226.505
数值计算方法作业 实验 三次样条差值函数 实验目的： 掌握三次样条插值函数的三弯矩方法。 实验函数: dt e x f x t ? ∞ -- = 2 221)(π 实验内容： （1） 编程实现求三次样条插值函数的算法，分别考虑不同的边界条件； （2） 计算各插值节点的弯矩值； （3） 在同一坐标系中绘制函数f(x)，插值多项式，三次样条插值多项式的曲线 比较插值结果。 实验 三次样条差值函数的收敛性 实验目的： 多项式插值不一定是收敛的，即插值的节点多，效果不一定好。对三次样条插值函数如何呢理论上证明三次样条插值函数的收敛性是比较困难的，通过本实验可以证明这一理论结果。 实验内容： 按照一定的规则分别选择等距或非等距的插值节点，并不断增加插值节点的个数。 实验要求： （1） 随着节点个数的增加，比较被逼近函数和三样条插值函数的误差变化情 况，分析所得结果并与拉格朗日插值多项式比较； （2） 三次样条插值函数的思想最早产生于工业部门。作为工业应用的例子，考 虑如下例子：某汽车制造商根据三次样条插值函数设计车门曲线，其中一
k x 012345678910 k y k y' 算法描述： 拉格朗日插值： 其中是拉格朗日基函数，其表达式为： () ∏ ≠ = - - = n i j j j i j i x x x x x l ) ( ) ( 牛顿插值： ) )...( )( ]( ,... , , [ .... ) )( ]( , , [ )0 ]( , [ ) ( ) ( 1 1 2 1 1 2 1 1 - - - - + + - - + - + = n n n x 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 其中 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - = - - = - - = - ) /( ]) ,... , [ ] ,... , [ ( ] ... , [ . . ] , [ ] , [ ] , , [ ) ( ) ( ] , [ 1 1 2 1 1 x x x x x f x x x f x x x f x x x x f x x f x x x f x x x f x f x x f n n n n i k j i k j k j i j i j i j i 三样条插值： 所谓三次样条插值多项式Sn(x)是一种分段函数，它在节点Xi(a x0=[0 0.9211 1.8431 2.9497 3.8714 4.9781 5.9 7.0064 7.9286 8.9678 10.9542 12.0328 12.9544 13.8758 14.9822 15.9039 16.8261 17.9317 19.0375 19.9594 20.8392 22.9581 23.88 24.9869 25.9083]; >> >> y0=[14405 11180 10063 11012 8797 9992 8124 10160 8488 11018 19469 20196 18941 15903 18055 15646 13741 14962 16653 14496 14648 15225 15264 13708 9633]; >> x=0:0.1:25.9; >> y1=interp1(x0,y0,x,'spline'); >> pp1=csape(x0,y0); %样条插值工具箱函数 y2=ppval(pp1,x); %计算x对应的y值 pp2=csape(x0,y0,'second'); y3=ppval(pp2,x); xydata=[x',y1',y2',y3'] subplot(1,2,1) plot(x0,y0,'+',x,y1) title('Spline1') subplot(1,2,2) plot(x0,y0,'+',x,y2) title('Spline2') dx=diff(x); dy=diff(y2); dy_dx=dy./dx; dy_dx0=dy_dx(1) ytemp=y2(13<=x&x<=15); ymin=min(ytemp); xmin=x(y2==ymin); xymin_1315=[xmin,ymin] ``````````````````````````````````````````` 数值分析拉格朗日插值法 拉格朗日插值的算法设计及应用 【摘要】 本文简介拉格朗日插值，它的算法及程序和拉格朗日在实际生活中的运用。运用了拉格朗日插值的公式，以及它在MATLAB 中的算法程序，并用具体例子说明。拉格朗日插值在很多方面都可以运用，具有很高的应用价值。 【关键词】 拉格朗日；插值；公式；算法程序；应用；科学。 一、绪论 约瑟夫·拉格朗日(Joseph Louis Lagrange)，法国数学家、物理学家。他在数学、力学和天文学三个学科领域中都有历史性的贡献，其中尤以数学方面的成就最为突出。拉格朗日对流体运动的理论也有重要贡献，提出了描述流体运动的拉格朗日方法。数据建模有两大方法：一类是插值方法，另一类是拟合函数一般的说，插值法比较适合数据准确或数据量小的情形。然而Lagrange 插值有很多种，1阶，2阶,…n 阶。我们可以利用拉格朗日插值求方程，根据它的程序求原方程的图像。下面我具体介绍分析一下拉格朗日插值的算法设计及应用。 二、正文 1、基本概念 已知函数y=f(x)在若干点i x 的函数值i y =()i x f （i=0,1,???,n ）一个差值问题就是求一“简单”的函数p(x)：p(i x )=i y ,i=0,1,???,n, (1) 则p(x)为f(x)的插值函数，而f(x)为被插值函数会插值原函数，0x ，1x ，2x ，...,n x 为插值节点，式（1）为插值条件，如果对固定点-x 求f(-x )数值解，我们称- x 为一个插值节点，f(-x )≈p(-x )称为-x 点的插值，当-x ∈[min(0x ，1x ，2x ，...,n x )，max(0x ，1x ，2x ，...,n x )] (){}2 1 ()(11),5,10,20: 1252 1()1,(0,1,2,,)()2,(0,1,2,,)()()2 35,20:1100 (i i i i n n k k k Newton f x x n x f x x i i n f x n x y i n Newton N x S x n x k y f x =-≤≤=+=-+====-+ =L L 题目：插值多项式和三次样条插值多项式。 已知对作、计算函数在点处的值； 、求插值数据点的插值多项式和三次样条插值多项式；、对计算和相应的函数值),()() (1,2,,99)4:()max ()()max ()n k n k n k n k n k n k k k N x S x k E N y N x E S y S x ==-=-L 和； 、计算，； 解释你所得到的结果。 算法组织: 本题在算法上需要解决的问题主要是：求出第二问中的Newton 插值多项式 )(x N n 和三次样条插值多项式()n S x 。如此，则第三、四问则迎刃而解。计算两 种插值多项式的算法如下： 一、求Newton 插值多项式)(x N n ，算法组织如下： Newton 插值多项式的表达式如下： )())(()()(110010--???--+???+-+=n n n x x x x x x c x x c c x N 其中每一项的系数c i 的表达式如下： 1102110) ,,,(),,,(),,,(x x x x x f x x x f x x x f c i i i i i -???-???= ???=- 根据i c 以上公式，计算的步骤如下： ?? ??? ?? ?????+??????? ???????????----) ,,,,(1) ,,,(),,,,(),(,),,(2)(,),(),(11101111011010n n n n n n n n x x x x f n x x x f x x x f n x x f x x f x f x f x f 、计算、计算、计算、计算 二、求三次样条插值多项式)(x S n ，算法组织如下： 复习： 1.数值计算方法的含义 2．误差及误差限 3.误差与有效数字 4.数值计算中应注意的问题 第二章 插值方法 一．插值的含义 问题提出： 已知函数()y f x =在n+1个点01,,,n x x x 上的函数值01,,,n y y y ，求任意一点x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 解决方法： 构造一个简单函数()P x 来替代未知（或复杂）函数()y f x =，则用()P x '作为函数值 ()f x '的近似值。 二、泰勒（Taylor ）插值 1.问题提出： 已知复杂函数()y f x =在0x 点的函数值()0f x ，求0x 附近另一点0x h +的函数值 ()0f x h +。 2.解决方法： 构造一个代数多项式函数()n P x ，使得()n P x 与()f x 在0x x =点充分逼近。 泰勒多项式为： ()()()()()()()()()200000002!! n n n f x f x P x f x f x x x x x x x n '''=+-+-++- 显然，()n P x 与()f x 在0x x =点，具有相同的i 阶导数值（i=0,1,…,n ）。 3.几何意义为： ()n P x 与()f x 都过点()()00,x f x ； ()n P x 与()f x 在点()()00,x f x 处的切线重合； ()n P x 与()f x 在点()()00,x f x 处具有相同的凹凸性； 其几何意义可以由下图描述，显然函数()3f x 能相对较好地在0x 点逼近()f x 。 4.误差分析（泰勒余项定理）： ()()()()()()1 101! n n n f P x f x x x n ξ++-=-+，其中ξ在0x 与x 之间。 5.举例： 已知函数()f x =() 115f 。 分析：本题理解为，已知“复杂”函数()f x =0x =100点的函数值为()010f x =，求0x 的附近一点0x +15的函数值()015f x +。 解： （1）构造1次泰勒多项式函数()1P x ：()()()()1000P x f x f x x x '=+-。 其中()()010010f x f ==，()1 212 f x x -'=，()()0110020f x f ''==，则有： ()150.05P x x =+ 故有()()111511510.75f P ≈= 误差分析： ()()()()2 1 1151151151002! f P f ξ''-=-三次样条插值函数matlab程序绝不坑爹
数值分析拉格朗日插值法.doc
matlab-牛顿插值法-三次样条插值法
数值计算方法教案_插值方法
相关主题
文本预览