《分段线性插值（精品）》由会员分享，可在线阅读，更多相关《分段线性插值（精品）（12页珍藏版）》请在金锄头文库上搜索。
1、分段线性插值来源与意义:本课题来源于教材第二章插值法，目的是从几何意义掌握分段线性插值的思想，加深对其的理解以及掌握用计算机与Matlab解决相关问题的能力。 基本要求:要求自编程序；掌握编程思想，学会一门编程语言；报告要有较强的理论分析；有较强说服力的数据表或图像；对结果进行分析；给出相应结论；鼓励创新；一、 问题提出：考察分段线性插值：对在(-5，5)上进行分段线性插值，取不同节点个数，得到不同分段线性插值函数。（要求：自编程序，报告有数据表、图像、分析、结论。）虽然matlab里有直接分段线形插值的函数，但为了对分段插值算法有更明确的理解，编写该程序是有必要的需要解决的问题：1、 由已知
2、数据节点编写分段线形插值函数，从而能由所编函数得到非节点的函数值。2、 比较用不同节点数所得插值函数与真实函数的误差，从而得出节点数与插值效果的关系二、理论基础所谓分段线性插值就是通过插值点用折线段连接起来逼近f（x）。设已知节点a=x0x1xn=b上的函数值f0，f1，fn ，求一折线函数满足：1o 2o ,3o 在每个小区间xk,xk+1上是线性函数。则称为分段线性插值函数。模型一：由定义可知在每个小区间xk,xk+1上可表示为= 模型二：首先确定间隔序列k，使得：第二个量是局部变量s，其定义为 ：最后一个量是一阶均差则插值基函数可表示为.三、实验内容1、模型一： 用MATLAB分别建立m
3、文件：（1）原函数fd1.m（2）分段线性插值函数fd2.m（3）比较不同节点数所得分段线性插值函数的插值效果fd3.m2、选取插值节点数为偶数在MATLAB窗口中执行：fd3 n=2的数据见附录，图像如下：n=8的图如下:n=20的图 3、模型二：用MATLAB分别建立m文件：（1）分段插值函数fd22（2）插值效果比较函数fd32（选取插值节点数为奇数）程序代码（参见附录）在MATLAB窗口中执行：fd32得下图：上图为不同节点数插值函数图像与原函数图像，下图为误差图像3、 由上所有的图可看出，由于原函数是偶函数，等距节点所得插值函数有很强对称性，下任取节点，编写程序fd33.m，得图上图
4、为不同节点数插值函数图像与原函数图像，下图为误差图像 4、 比较不同节点所得插值函数与被插函数误差的平方和，程序模板为d1.m得下图:红星由fd32得奇数节点误差平方和，绿星加圈由fd3得偶数节点误差平方和，圈由f33得随机节点误差平方和,数据见附录四、结果分析1、不同插值节点数所得的分段线形插值函数，在节点处与原函数的函数值一定相同2、所得的分段线形插值函数在原函数斜率绝对值变化大的地方，与原函数的误差比较大3、由误差平方和e，插值节点个数越多，e有减小的趋势，最后趋于0。单考虑奇数或偶数个节点，则随节点数增加e严格减小。4、随机生成的节点不如等距节点使插值效果好。五、结论插值节点个数越多，
5、分段线形插值函数与原函数误差平方和有减小趋势,插值效果越好。六、参考文献数值分析与实验 薛 毅 编著 北京工业大学出版社附录代码如下：% fd1.m线性插值原函数function y=fd1(x)y=1./(1+x.2);% fd2.m 分段线性插值函数function yi=fd2(x,y,xi)n=length(x);m=length(y);if n=merror(X和Y向量的长度必须相同);return;endfor k=1:n-1if abs(x(k)-x(k+1)eps % x(k)-x(k+1) 的绝对值 必须大于eerror(数据有误);return;endif x(k)=xi&
6、xi=x(k+1) % 保证 x(k) xi x(k+1)temp=x(k)-x(k+1);yi=(xi-x(k+1)/temp*y(k)+(xi-x(k)/(-temp)*y(k+1)return;endend% fd3.m 比较插值效果a=-5;b=5;n=input(请输入分端节点数：);if n=0error(你输入的数据有误！);break;endh=(b-a)/(n-1); % 求节点x=a:h:b;y=fd1(x);xx=a:0.1:b; % 用分段线性插值函数求非节点函数值yyi=fd1(xx);m1=length(xx);z=zeros(1,m1);for k1=1:m1z(
7、k1)=fd2(x,y,xx(k1);endw=z-yyi; % 计算误差subplot(2,1,1);plot(x,y,o,xx,yyi,-,x,y,k:);%插值图像xlabel(x);ylabel(y);title(原函数(实线)-插值函数（虚线）);hold onsubplot(2,1,2);plot(xx,w,k:); % 误差的图像xlabel(x);ylabel(R（x）);title(误差分析);hold onxx=xx;yyi=yyi;z=z;w=w;% fd22.m 分段线性插值函数function v=fd22(x,y,u)delta=diff(y)./diff(x);n
8、=length(x);k=ones(size(u);for j=2:n-1k(x(j)=u)=j;ends=u-x(k);v=y(k)+s.*delta(k); % fd32.m 同时画不同节点的插值函数图像和误差图像clearcloset=-5:0.01:5;a=k g r c m;for i=1:5n=2*i+1;x=linspace(-5,5,n); %把区间-5 5分为（n1）份，算插值节点y=fd1(x); p=fd22(x,y,t);p=p; %计算以（x，y）为插值点的插值函数在t处的各个值y1=fd1(t);y1=y1; e=p-y1; %计算误差subplot(2,1,1);
9、plot(x,y,a(i);hold on; %画出插值函数图像及误差图像subplot(2,1,2);plot(t,e,a(i);hold on;end subplot(2,1,1);legend(n=3,n=5,n=7,n=9,n=11)subplot(2,1,2);legend(n=3,n=5,n=7,n=9,n=11)subplot(2,1,1);fplot(fd1,-5 5,k); %画出原函数图像hold off%fd33.m 插值节点非等分区间获得closet=-5:0.01:5;a=k g r c m;for i=1:5n=2*i+1;x=-5 rand(1,n-2)*10-5
10、 5; %得（-5，5）上的n维随机向量x=sort(x);y=fd1(x);p=fd22(x,y,t);p=p;y1=fd1(t);y1=y1;e=p-y1;subplot(2,1,1);plot(x,y,a(i);hold on;subplot(2,1,2);plot(t,e,a(i);hold on;endsubplot(2,1,1);legend(n=3,n=5,n=7,n=9,n=11)subplot(2,1,2);legend(n=3,n=5,n=7,n=9,n=11)subplot(2,1,1);fplot(fd1,-5 5,k);hold off%fd1.m 比较不同节点数误差
11、平方和cleart=-5:0.01:5;a=;b=;for i=1:10 n=2*i; %n=2*i+1则是奇数节点x=linspace(-5,5,n)y=fd1(x);p=fd22(x,y,t);y1=fd1(t);e=p-y1;e=e*e;a=a e;b=b n;endplot(b,a,go)xlabel(n节点数)ylabel(e误差平方和)hold onn=2的数据：XYYI（原函数）W-5.00000.03850.03850-4.90000.04000.0577-0.0177-4.80000.04160.0769-0.0353-4.70000.04330.0962-0.0528-4.
12、60000.04510.1154-0.0703-4.50000.04710.1346-0.0876-4.40000.04910.1538-0.1047-4.30000.05130.1731-0.1218-4.20000.05360.1923-0.1387-4.10000.05610.2115-0.1554-4.00000.05880.2308-0.1719-3.90000.06170.2500-0.1883-3.80000.06480.2692-0.2045-3.70000.06810.2885-0.2204-3.60000.07160.3077-0.2361-3.50000.07550.32
13、69-0.2515-3.40000.07960.3462-0.2665-3.30000.08410.3654-0.2813-3.20000.08900.3846-0.2956-3.10000.09430.4038-0.3096-3.00000.10000.4231-0.3231-2.90000.10630.4423-0.336-2.80000.11310.4615-0.3484-2.70000.12060.4808-0.3601-2.60000.12890.5000-0.3711-2.50000.13790.5192-0.3813-2.40000.14790.5385-0.3905-2.30000.15900.5577-0.3987-2.20000.17120.5769-0.4057-2.10000.18480.5962-0.4113-2.00000.20000.6154-0.4154-1.90000.21690.6346-0.4177-1.80000.23580.653
