数值分析实验二讲解.docx
《数值分析实验二讲解.docx》由会员分享,可在线阅读,更多相关《数值分析实验二讲解.docx(20页珍藏版)》请在冰点文库上搜索。
数值分析实验二讲解
内江师范学院
数值分析
实验报告册
编制张莉审定牟廉明
专业:
班级:
级班
学号:
姓名:
数学与信息科学学院
2013年9月
说明
一、学生在做实验之前必须要准备实验,主要包括预习与本次实验相关的理论知识,熟练与本次实验相关的软件操作,收集整理相关的实验参考资料,要求学生在做实验时能带上充足的参考资料;若准备不充分,则学生不得参加本次实验,不得书写实验报告;
二、要求学生要认真做实验,主要是指不得迟到、早退和旷课,在做实验过程中要严格遵守实验室规章制度,认真完成实验内容,极积主动地向实验教师提问等;
三、各个实验按照学生水平分别设置了A、B、C、D四个等级,其中对应的难度系数为1、0.8、0.7、0.6,也可根据实际完成情况制定相应地的难度系数,但总体保证难度排序为A级难度最大,B级次之,C级较易,D级最简单。
四、学生可以根据自己对各个实验涉及到的知识点掌握的程度自由选取A、B、C、D等级的实验题目。
五、学生要认真工整地书写实验报告,实验报告的内容要紧扣实验的要求和目的,不得抄袭他人的实验报告;
四、根据实验准备、实验态度、实验报告的书写、实验报告的内容进行综合评定,并给出实验成绩评定分。
实验名称:
实验二插值与拟合指导教师:
吴开腾张莉
实验时数:
4实验设备:
安装了Matlab、C++、VF软件的计算机
实验日期:
2013年10月23、30日实验地点:
第五教学楼北902
实验目的:
1.掌握插值方法的基本思想和基本步骤,能够根据实际问题选用适当地插值方法进行数值实验,并从实验过程中理解各类插值方法之间的联系与区别。
2.理解各类插值方法优缺点,并能自行编程求解。
3.理解插值方法与数据拟合的区别,掌握数据拟合方法解决实际问题的基本步骤和求解理论,并能通过数值实验进行验证。
实验准备:
1.在开始本实验之前,请回顾教科书的相关内容;
2.需要一台准备安装WindowsXPProfessional操作系统和装有数学软件的计算机。
实验内容及要求
A题在某海域测得一些点
处的水深
由表1给出,在矩形区域
内画出海底曲面的图形;若船的吃水深度为5英尺,请问在矩形区域
里的哪些地方船要避免进入。
表1海域数据表
129
140
103.5
88
185.5
195
105
7.5
141.5
23
147
22.5
137.5
85.5
4
8
6
8
6
8
8
157.5
107.5
77
81
162
162
117.5
-6.5
-81
3
56.5
-66.5
84
-33.5
9
9
8
8
9
4
9
B题设从某一实验中测得2个变量
和
的一组数据表2所示。
表2变量关系数据表
1
2
3
4
5
6
7
8
9
1
3
4
5
6
7
8
9
10
10
5
4
2
1
1
2
3
4
求一代数多项式曲线,使其最好地拟合这组给定数据。
要求:
请用多项式和指数模型进行曲线拟合,观察其结果的精度,再直接调用polyfit命令进行比较。
C题考察函数
(1)设计插值方案,构造龙格(Runge)现象。
(2)设计插值方法消除龙格(Runge)现象,要求至少用分段线性插值和分段三次插值两种算法进行设计,并比较两种算法的精度。
D题已知数据(表3)
表3数据表
0.56160
0.56280
0.56401
0.56521
0.82741
0.82659
0.82577
0.81495
要求:
试用Lagrange插值多项式求
时的函数近似值.
说明:
实验过程应包括对问题的简要分析、求解方法、求解步骤、程序及其必要的图表等内容。
实验过程:
A题的实验过程
1、实验中问题的重述
在某海域测得一些点
处的水深由表1给出,在矩形区域
内画出海底曲面的图形;若船的吃水深度为5英尺,请问在矩形区域
里的哪些地方船要避免进入。
2、对实验的分析
2.1对软件的选择
对于此题来说,利用Matlab10.0软件编程计算。
2.2对“如何画海底曲面图形”的分析
要画出海底曲面图形,首先就应该有该海域海底是平滑的假设;
然后,由于测量点是散乱分布的,所以在平面上先作出测量点的分布图;
其次,利用二维插值方法griddadt函数补充一些点的水深;
最后,再利用surf函数作出海底曲面图。
2.3对“哪些地方需避免进入”的分析
由于船只的吃水深度为5,所以在水深为5以下的区域都是危险区域,船只都需避免。
于是,先作出等高线图,再通过等高线图得到水深小于5的区域。
2.4对结果呈现的分析
由于题中明确要求画出海底曲面,所以利用插值,以曲面图显示结果。
题目中还要求给出哪些地方需要避免进入,所以可以利用图形显示出那一部分区域,也可以给出该危险区域中点的坐标范围。
3、实验求解过程(程序见附录)
首先,利用plot函数,画出所给14个点的位置分布图,分布图见下图1;
然后,利用meshgrid函数,生成一些采样点,便于接下来根据这些采样点绘制出整个海底曲面图形;
其次,利用griddadt函数进行插值;
再次,利用surf函数,画出经过插值后的海底曲面图形,见下图2。
图1测量点的分布图
图2海底曲面图
最后,利用contour函数,画出海水的等高线图,见下图3。
并且,利用clabel函数标记出各个等高线的水深高度。
图3等高线图
于是得到该危险区域为:
图3中水深为-5的等高线区域内部所有的位置。
B题的实验过程
一、用多项式拟合曲线
观察这一实验中测得的变量x、y的数据并进行分析,当i=[1,5]时y随x的增大而减小,当i=[6,9]时,y随x的增大呈线性增大。
那么我们就可以采取n>=2次多项式进行曲线拟合,然后观察图像的变化及其精度,并分析。
用matlab多项式拟合曲线图像如下:
图4二次多项式拟合图像
图5三次多项式拟合图像
图6四次多项式拟合图像
图7五次多项式拟合图像
图8六次多项式拟合图像
图9七次多项式拟合图像
通过上面六个拟合图像我们可以观察到当拟合多项式的次数越高,我们就猜想:
拟合多项式的次数越高那么拟合曲线的精度就越高,这一结论是否正确呢?
如果一直这样下去会产生什么样的情况?
图10八次多项式拟合图像
从上一图像我们可以看出,在x=[1,3]这个区间时,图像幅度变化的非常大。
但是我们可以观察到下图是当n=12时的图像,可以看出当x=[910]范围内时变化幅度大。
图11次多项式拟合图像
尽管曲线会因n的取值的增大,会不同程度的发生变化。
但是通过上面的图像我们可以总结出当多项式的次数越高时,曲线穿过点的个数是越多的,当n=8时,基本上曲线能穿过每一个点,当n=12时也一样。
二、用polyfit命令拟合曲线
我们直接调用命令进行作图:
p=polyfit(x,y,2)和p=polyfit(x,y,8),分别得到以下结果:
图12polyfit(x,y,2)拟合图像
图13polyfit(x,y,8)拟合图像
我们发现直接用polyfit命令非常方便,只需要改变维数就行了,结果和多项式拟合的图像一样,因此我们可以用这个命令来判断上述的结论,当n=100时拟合图像如下:
图14polyfit(x,y,100)拟合图像
结论:
并非多项式拟合的次数越高越好,比如当n=13时图像就如下图:
图14polyfit(x,y,13)拟合图像
三、用指数模型拟合曲线
同样的道理,指数模型拟合也是一样,得到以下拟合图像:
C题的实验过程
一、实验分析
(1)、要求构造龙格现象,则采用多项式插值的方法呈现。
(2)、针对于
(1)中的龙格现象,采用分段线性插值和分段三次插值的两种算法进行改进。
二、实验求解过程(代码见附录)
(1)、利用多项式插值的方法对函数
进行插值,分别取5、10个点进行插值进而构造出Runge现象,并呈现图像。
(2)、分别采用分段线性插值和分段三次插值的两种算法对
(1)中的Runge现象进行改进计算。
并呈现图像作比较。
三、实验结果
(1)MATLAB编程实现Runge现象的呈现如下图:
(2)分别采用分段线性插值和分段三次插值的两种算法对
(1)中的Runge现象进行改进计算。
并呈现图像如下图:
由图像中的关系可以看出,分段三次插值方法的误差相对低些。
D题的实验过程
一、实验分析
针对问题试用Lagrange插值多项式求
时的函数近似值。
首先求出Lagrange插值基函数的值,然后输入表格的数据及插值点,最后计算插值点所对应的函数值。
二、实验求解过程
用Matlab编程可以求出插值点的函数值。
Step1:
在M文件中编写程序,求出
和
的字符长度;
Step2:
判断m与n是否相等,如果不等,程序结束,反之继续编写;
Step3:
用for循环求插值基函数的值;
Step4:
在命令窗口中调用函数求出插值点对应的函数值;具体求解的流程图如下:
三、实验求解结果
时的函数近似值分别为:
0.8265,0.8268,0.8231。
附录
A题实验程序
clc
clear
x0=[129140103.588185.5195105157.5107.57781162162117.5];
y0=[7.5141.52314722.5137.585.5-6.5-81356.5-66.584-33.5];
z0=-[48686889988949];%原始数据x0、y0、z0
[x,y]=meshgrid(75:
5:
200,-50:
5:
150);
z=griddata(x0,y0,z0,x,y,'v4');%散点数据的插值函数griddata()
figure
(1)
plot(x0,y0,'r*')
figure
(2)
plot3(x0,y0,z0,'r*');%已知节点的三维散点图
holdon
surf(x,y,z)%画出经插值的图形
figure(3)
[c,h]=contour(x,y,z);%画等高线
clabel(c,h)%标明等高线的高程,高程为5的区域避免进入
B题实验程序
clc
clear
%%数据文件(data)的读取
[vd]=xlsread('data.xls');
x=v(2,:
);
y=v(3,:
);
n=length(x);%读取文件中的点的个数
%%最小二乘法
symsab
y1=a*n+b*sum(x)-sum(y);
y2=a*sum(x)+b*sum(x.^2)-sum(x.*y);
[ab]=solve(y1,y2,'a','b')
%误差的计算
y1=a+b.*x;
formatlong
w1=sum(abs(y1-y))/sum(y)
%%指数模型的拟合
%y=A*exp(B/x)
%%matlab内部函数的命令
a1=polyfit(x,y,1);
%误差的计算
y2=a1
(1).*x+a1
(2);
w2=sum(abs(y2-y))/sum(y)
C题实验程序
function[]=Runge(a1,a2,n)
%%
(1)构造龙格现象
%n:
构造n次的多项式插值
x1=a1:
(a2-a1)/n:
a2;
y1=1./(1+x1.^2);
symsx
y=0;
fori=1:
n+1
ss=1;
forj=1:
n+1
ifj~=i
c=(x-x1(j))/(x1(i)-x1(j));
ss=ss.*c;
else
continue
end
end
y=y+ss.*y1(i);
end
%插值多项式
x=-5:
0.01:
5;
yy=eval(y);
plot(x,yy)
%龙格现象图
End
clc
clear
%%c题问题主程序
%Runge现象的呈现的程序
a=[510];
a1=-5;a2=5;
fori=1:
length(a)
Runge(a1,a2,a(i));
holdon
end
xlabel('Runge现象图')
%%分段线性插值
x1=a1:
(a2-a1)/a
(2):
a2;
y1=1./(1+x1.^2);
symsx
s1=[];
fori=1:
a
(2)
b0=(1-(x-x1(i))/(x1(i+1)-x1(i)))*y1(i);
b1=((x-x1(i))/(x1(i+1)-x1(i)))*y1(i+1);
s1{1,i}=b0+b1;
end
%%分段三次插值
x1=a1:
(a2-a1)/a
(2):
a2;
y1=1./(1+x1.^2);
y2=-2.*(x1)./((1+x1.^2).^2);
s3=[];
fori=1:
a
(2)
h=x1(i+1)-x1(i);
c0=(((x-x1(i))/(x1(i+1)-x1(i))-1)^2)*(2*(x-x1(i))/(x1(i+1)-x1(i))+1)*y1(i);
c1=((x-x1(i))/(x1(i+1)-x1(i)))^2*(-2*(x-x1(i))/(x1(i+1)-x1(i))+3)*y1(i+1);
c2=((x-x1(i))/(x1(i+1)-x1(i)))*((x-x1(i))/(x1(i+1)-x1(i))-1)^2*(y2(i));
c3=((x-x1(i))/(x1(i+1)-x1(i)))^2*((x-x1(i))/(x1(i+1)-x1(i))-1)*y2(i+1);
s3{1,i}=c0+c1+c2+c3;
end
%%画图
figure
x11=a1:
(a2-a1)/(a
(2)*100):
a2;
y11=1./(1+x11.^2);
%分段线性插值图
fori=1:
a
(2)
x=x1(i):
(a2-a1)/(10*a
(2)):
x1(i+1);
yy=eval(s1{1,i});
plot(x,yy,'r');
holdon
end
plot(x11,y11)
%axis([a1,a2,-0.5,2]);
xlabel('分段线性图红色:
插值蓝色:
原值')
figure
%分段三次插值
fori=1:
a
(2)
x=x1(i):
(a2-a1)/(10*a
(2)):
x1(i+1);
yy=eval(s3{1,i});
plot(x,yy,'');
holdon
end
plot(x11,y11)
%axis([a1,a2,-0.5,2]);
xlabel('分段线性图红色:
插值蓝色:
原值')
D题实验程序
function[y0,N]=lagrange_eval(X,Y,x0)
%%lagrange插值
%X,Y是一直的插值点的坐标点
%x0是插值点
%y0是lagrange多项式在x0处的值
%N是lagrange插值函数的权系数
m=length(X);
N=zeros(m,1);
y0=0;
fori=1:
m
N(i)=1;
forj=1:
m
ifj~=i
N(i)=N(i)*(x0-X(j))/(X(i)-X(j));
end
end
y0=y0+Y(i)*N(i);
end
clc
clear
%%lagrange插值(D题)
[vd]=xlsread('data.xls');
x=v(1,:
);
y=v(2,:
);
%数据的读取
x1=[0.56260.56350.5645];%需插值的点
y1=[];
fori=1:
length(x1)
[y0,N]=lagrange_eval(x,y,x1(i));
y1=[y1y0];
end
fprintf('lagrange插值函数的结果')
y1%lagrange插值函数的结果
实验总结(由学生填写):