数值分析插值与拟合实验(MATLAB)

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。

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。

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。

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。

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。