zoukankan      html  css  js  c++  java
  • MATLAB插 值 法

    MATLAB插  值  法

    作者:凯鲁嘎吉 - 博客园
    http://www.cnblogs.com/kailugaji/

    一、实验目的

    二、实验原理

    三、实验程序

    四、实验内容

    五、解答

    1. 程序

    (1)Lagrange插值多项式

    function [C, L,L1,l]=lagran1(X,Y)
    %输出C为插值多项式的系数,L为插值多项式,L1为l的系数,l为小l
    %输入数据表X=[];Y=[];行向量
    m=length(X); L=ones(m,m);
    for k=1: m
        V=1;
        for i=1:m
         if k~=i
            V=conv(V,poly(X(i)))/(X(k)-X(i));
         end
        end
    L1(k,:)=V; l(k,:)=poly2sym (V);
    end
    C=Y*L1;L=Y*l;

    2)Newton插值多项式

    function [A,C,L,wcgs,Cw]= newploy(X,Y)
    n=length(X); A=zeros(n,n); A(:,1)=Y';
    q=1.0; c1=1.0;
    for  j=2:n
       for i=j:n
           A(i,j)=(A(i,j-1)- A(i-1,j-1))/(X(i)-X(i-j+1));
       end
       b=poly(X(j-1));q1=conv(q,b); c1=c1*j;  q=q1;
    end
    C=A(n,n); b=poly(X(n)); q1=conv(q1,b);     
    for k=(n-1):-1:1
      C=conv(C,poly(X(k))); d=length(C); C(d)=C(d)+A(k,k);
    end
    L(k,:)=poly2sym(C); Q=poly2sym(q1);
    syms M
    wcgs=M*Q/c1; Cw=q1/c1;

    2. 运算结果

    (1>> X=[0:0.4:2];
    >> Y=X.^4;
    >> [C, L,L1,l]=lagran1(X,Y)
    
    C =
    
        0.0000    1.0000         0   -0.0000         0         0
    
     
    L =
     
    x^4
     
    
    L1 =
    
       -0.8138    4.8828  -11.0677   11.7188   -5.7083    1.0000
        4.0690  -22.7865   46.2240  -40.1042   12.5000         0
       -8.1380   42.3177  -76.8229   55.7292  -12.5000         0
        8.1380  -39.0625   63.8021  -40.6250    8.3333         0
       -4.0690   17.9036  -26.6927   15.8854   -3.1250         0
        0.8138   -3.2552    4.5573   -2.6042    0.5000         0
    
     
    l =
     
     - (625*x^5)/768 + (625*x^4)/128 - (2125*x^3)/192 + (375*x^2)/32 - (137*x)/24 + 1
          (3125*x^5)/768 - (4375*x^4)/192 + (8875*x^3)/192 - (1925*x^2)/48 + (25*x)/2
         - (3125*x^5)/384 + (8125*x^4)/192 - (7375*x^3)/96 + (2675*x^2)/48 - (25*x)/2
               (3125*x^5)/384 - (625*x^4)/16 + (6125*x^3)/96 - (325*x^2)/8 + (25*x)/3
        - (3125*x^5)/768 + (6875*x^4)/384 - (5125*x^3)/192 + (1525*x^2)/96 - (25*x)/8
                   (625*x^5)/768 - (625*x^4)/192 + (875*x^3)/192 - (125*x^2)/48 + x/2
    (2)
    >> X=[0:0.4:2];
    >> Y=X.^4;
    >> [A,C,L,wcgs,Cw]= newploy(X,Y)
    
    A =
    
             0         0         0         0         0         0
        0.0256    0.0640         0         0         0         0
        0.4096    0.9600    1.1200         0         0         0
        2.0736    4.1600    4.0000    2.4000         0         0
        6.5536   11.2000    8.8000    4.0000    1.0000         0
       16.0000   23.6160   15.5200    5.6000    1.0000    0.0000
    
    
    C =
    
        0.0000    1.0000    0.0000   -0.0000    0.0000         0
    
     
    L =
     
    (57*x^5)/18014398509481984 + x^4 + (209*x^3)/9007199254740992 - (525*x^2)/36028797018963968 + (213*x)/72057594037927936
     
     
    wcgs =
     
    -(M*(- x^6 + 6*x^5 - (68*x^4)/5 + (72*x^3)/5 - (4384*x^2)/625 + (768*x)/625))/720
     
    
    Cw =
    
        0.0014   -0.0083    0.0189   -0.0200    0.0097   -0.0017         0

    3. 拓展

    function [y,R]=lagran2(X,Y,x,M)
    %输入X=[];Y=[];行向量,x预测点,可以一个,也可以为矩阵x=[];M为x的个数,
    n=length(X); m=length(x);
    for i=1:m
       z=x(i);s=0.0;
       for k=1:n
           p=1.0; q1=1.0; c1=1.0;
         for j=1:n
             if j~=k
                p=p*(z-X(j))/(X(k)-X(j));
             end
             q1=abs(q1*(z-X(j)));c1=c1*j;
         end
         s=p*Y(k)+s;
       end
       y(i)=s;
    end
    R=M*q1/c1;

    MATLAB工作窗口输入程序

    >> x=2*pi/9; M=1; X=[pi/6 ,pi/4, pi/3];

    Y=[0.5,0.7071,0.8660]; [y,R]=lagran2(X,Y,x,M)

    运行后输出插值y及其误差限R

       y =

        0.6434

    R =

       8.8610e-04

    作者:凯鲁嘎吉
    本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须在文章页面给出原文链接,否则保留追究法律责任的权利。
  • 相关阅读:
    什么是微服务架构!
    Redis使用总结 (序列三)
    redis centos linux操作系统安装及集群使用(序列二)
    Python操作Redis缓存数据库
    高并发系统的限流实现方式
    如何服务器的操作系统中的型号
    B8 Concurrent JDK中的乐观锁与原子类
    B7. Concurrent 锁的分类
    B6. Concurrent 内存模型与线程
    B5. Concurrent JVM 锁优化
  • 原文地址:https://www.cnblogs.com/kailugaji/p/6932439.html
Copyright © 2011-2022 走看看