MATLAB作业4参考答案教学教材.docx

资源描述

MATLAB作业4参考答案教学教材.docx

《MATLAB作业4参考答案教学教材.docx》由会员分享，可在线阅读，更多相关《MATLAB作业4参考答案教学教材.docx（9页珍藏版）》请在冰豆网上搜索。

MATLAB作业4参考答案教学教材.docx

MATLAB作业4参考答案教学教材

MATLAB作业4参考

答案

MATLAB作业四参考答案

1、用ysin（10t23）在（0,3）区间内生成一组较稀疏的数据，并用一维数据插值的方法对给出的数据进行曲线拟合，并将结果与理论曲线相比较。

【求解】类似于上面的例子，可以用几乎一致的语句得出样本数据和插值效果。

>>t=0:

0.2:

y=sin（10*t.A2+3）;plot（t,y,'o'）

ezplot（'sin（10^2+3）',[0,3]）;holdon

x1=0:

0.001:

3;y1=interp1（t,y,x1,'spline'）;

plot（x1,y1）

由于曲线本身变换太大，所以在目前选定的样本点下是不可能得出理想插值效果的，因为样

本数据提供的信息量不够。

为了得到好的插值效果，必须增大样本数据的信息量，对本例来

说，必须在快变化区域减小样本点的步长。

>>holdoff

t=[0:

0.1:

1,1.1:

0.04:

3];y=sin（10X2+3）;plot（t,y,'o'）

ezplot（'sin（10^2+3）',[0,3]）;holdon

x1=0:

0.001:

3;y1=interp1（t,y,x1,'spline'）;

plot（x1,y1）

2、用f（x,y）V—exysin（xy2x2y）原型函数生成一组网络数据或随机数据，分别拟

3xy

合出曲面，并和原曲面进行比较

求解】由下面的语句可以直接生成一组网格数据，用下面语句还可以还绘制出给定样本点是三维表面图。

>>[x,y]=meshgrid（0.2:

0.2:

2）;

z=exp（-x.A2-y.A4）.*sin（x.*y.A2+x.A2.*y）./（3*x43+y）;

surf（x,y,z）

选择新的密集网格，则可以通过二元插值得出插值曲面。

对比插值结果和新网格下的函数值精确解，则可以绘制出绝对插值误差曲面。

由插值结果可见精度是令人满意的。

>>[x1,y1]=meshgrid（0.2:

0.02:

2）;

z1=interp2（x,y,z,x1,y1,'spline'）;

surf（x1,y1,z1）

>>z0=exp（-x1.A2-y1.A4）.*sin（x1.*y1.A2+x1.A2.*y1）./（3*x1.A3+y1）;surf（x1,y1,abs（z1-z0））

现在假设已知的样本点不是网格形式分布的，而是随机分布的，则可以用下面语句生成样本点，得出分布的二维、三维示意图。

>>x=0.2+1.8*rand（400,1）;y=0.2+1.8*rand（400,1）;

%仍生成（0.2,2）区间的均匀分布随机数

z=exp（-x.A2-y.A4）.*sin（x.*y.A2+x.A2.*y）./（3*x.A3+y）;

plot（x,y,'x'）

figure,plot3（x,y,z,'x'）

利用下面的语句可以得出三维插值结果,同时可以绘制出插值的绝对误差曲面，可见插值

结果还是很好的，但由于边界样本点信息不能保证，所以不能像网格数据那样对（0.2,2）

区域，而只能选择（0.3,1.9）区域进行插值

>>[x1,y1]=meshgrid（0.3:

0.02:

1.9）;

z仁griddata（x,y,z,x1,y1,'v4'）;

surf（x1,y1,z1）

>>z0=exp（-x1.A2-y1.A4）.*sin（x1.*y1.A2+x1.A2.*y1）./（3*x1.A3+y1）;

surf（x1,y1,abs（z1-z0））

3、假设已知一组数据，试用插值方法绘制出x（2,4.9）区间内的光滑函数曲线，比较各

种插值算法的优劣。

-2

-1.7

-1.4

-1.1

-0.8

-0.5

-0.2

0.1

0.4

0.7

1.3

.10289

.11741

.13158

.14483

.15656

.16622

.17332

.1775

.17853

.17635

.17109

.16302

1.6

1.9

2.2

2.5

2.8

3.1

3.4

3.7

4.3

4.6

4.9

.15255

.1402

.12655

.11219

.09768

.08353

.07015

.05786

.04687

.03729

.02914

.02236

【求解】用下面的语句可以立即得出给定样本点数据的三次插值与样条插值，得出的结果

如，可见，用两种插值方法对此例得出的结果几乎一致，效果均很理想。

>>x=[-2,-1.7,-1.4,-1.1,-0.8,-0.5,-0.2,0.1,0.4,0.7,1,1.3，…

1.6,192.2,2.5,2.8,3.1,3.4,3.7,4;

y=[0.10289,0.11741,0.13158,0.14483,0.15656,0.16622,0.17332,...

0.1775,0.17853,0.17635,0.17109,0.16302,0.15255,0.1402,...

0.12655,0.11219,0.09768,0.08353,0.07019,0.05786,0.04687,...

0.03729,0.02914,0.02236];

x0=-2:

0.02:

4.9;

y1=interp1（x,y,x0,'cubic'）;

y2=interp1（x,y,x0,'spline'）;

plot（x0,y1,':

',x0,y2,x,y,'o'）

并用三维曲面的方式绘制出插值结果。

X10

X11

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.1

0.1

.83041

.82727

.82406

.82098

.81824

.8161

.81481

.81463

.81579

.81853

.82304

0.2

.83172

.83249

.83584

.84201

.85125

.86376

.87975

.89935

.92263

.94959

.9801

0.3

.83587

.84345

.85631

.87466

.89867

.9284

.96377

1.0045

1.0502

1.1

1.1529

0.4

.84286

.86013

.88537

.91865

.95985

1.0086

1.0642

1.1253

1.1904

1.257

1.3222

0.5

[.85268

.88251

.92286

.97346

1.0336

1.1019

1.1764

1.254

1.3308

1.4017

1.4605

0.6

r.86532

.91049

.96847

1.0383

1.118

1.2046

1.2937

1.3793

1.4539

1.5086

1.5335

0.7

r.88078

.94396

1.0217

1.1118

1.2102

1.311

1.4063

1.4859

1.5377

1.5484

1.5052

0.8

.89904

.98276

1.082

1.1922

1.3061

1.4138

1.5021

1.5555

1.5573

1.4915

1.346

0.9

r.92006

1.0266

1.1482

1.2768

1.4005

1.5034

1.5661

1.5678

1.4889

1.3156

1.0454

r.94381

1.0752

1.2191

1.3624

1.4866

1.5684

1.5821

1.5032

1.315

1.0155

.62477

1.1

.97023

1.1279

1.2929

1.4448

1.5564

1.5964

1.5341

1.3473

1.0321

.61268

.14763

【求解】直接采用插值方法可以解决该问题，得出的插值曲面

>>[x,y]=meshgrid（0.1:

0.1:

1.1）;

z=[0.83041,0.82727,0.82406,0.82098,0.81824,0.8161,0.81481,0.81463,0.81579,0.81853,0.82304;

0.83172,0.83249,0.83584,0.84201,0.85125,0.86376,0.87975,0.89935,0.92263,0.94959,0.9801;

0.83587,0.84345,0.85631,0.87466,0.89867,0.9284,0.96377,1.0045,1.0502,1.1,1.1529;

0.84286,0.86013,0.88537,0.91865,0.95985,1.0086,1.0642,1.1253,1.1904,1.257,1.3222;

0.85268,0.88251,0.92286,0.97346,1.0336,1.1019,1.1764,1.254,1.3308,1.4017,1.4605;

0.86532,0.91049,0.96847,1.0383,1.118,1.2046,1.2937,1.3793,1.4539,1.5086,1.5335;

0.88078,0.94396,1.0217,1.1118,1.2102,1.311,1.4063,1.4859,1.5377,1.5484,1.5052;

0.89904,0.98276,1.082,1.1922,1.3061,1.4138,1.5021,1.5555,1.5573,1.4915,1.346;

0.92006,1.0266,1.1482,1.2768,1.4005,1.5034,1.5661,1.5678,1.4889,1.3156,1.0454;

0.94381,1.0752,1.2191,1.3624,1.4866,1.5684,1.5821,1.5032,1.315,1.0155,0.62477;

0.97023,1.1279,1.2929,1.4448,1.5564,1.5964,1.5341,1.3473,1.0321,0.61268,0.1476

3];

[x1,y1]=meshgrid（0.1:

0.02:

1.1）;

z1=interp2（x,y,z,x1,y1,'spline'）;

surf（x1,y1,z1）

axis（[0.1,1.1,0.1,1.1,min（z1（:

））,max（z1（:

））]）

其实，若光需要插值曲面而不追求插值数值的话，完全可以直接采用MATLABF的shading

interp命令来实现。

可见，这样的插值方法更好，得出的插值曲面更光滑。

>>surf（x,y,z）;shadinginterp

5、习题3和4给出的数据分别为一元数据和二元数据，试用分段三次样条函数和B样条函数对其进行拟合。

【求解】先考虑习题4，相应的三次样条插值和B-样条插值原函数与导数函数分别为：

>>x=[-2,-1.7,-1.4,-1.1,-0.8,-0.5,-0.2,0.1,0.4,0.7,1,1.3,...

1.6,1.9,2.2,2.5,2.8,3.1,3.4,3.7;

y=[0.10289,0.11741,0.13158,0.14483,0.15656,0.16622,0.17332,...

0.1775,0.17853,0.17635,0.17109,0.16302,0.15255,0.1402,...

0.12655,0.11219,0.09768,0.08353,0.07019,0.05786,0.04687,...

0.03729,0.02914,0.02236];

S=csapi（x,y）;S1=spapi（6,x,y）;

fnplt（S）;holdon;fnplt（S1）

>>Sd=fnder（S）;Sd1=fnder（S1）;

fnplt（Sd）,holdon;fnplt（Sd1）

再考虑习题5中的数据，原始数据不能直接用于样条处理，因为meshgrid（）函数产生的

数据格式与要求的ndgrid（）函数不一致，所以需要对数据进行处理，其中需要的x和y

均应该是向量，而z是原来z矩阵的转置，所以用下面的语句可以建立起三次样条和B-样

条的插值模型，函数的表面图所示，可见二者得出的结果很接近。

>>[x,y]=meshgrid（0:

0.1:

1.1）;z=[0.83041,0.82727,0.82406,0.82098,0.81824,0.8161,0.81481,0.81463,0.81579,0.81853,0.82304;

0.83172,0.83249,0.83584,0.84201,0.85125,0.86376,0.87975,0.89935,0.92263,0.94959,0.9801;

0.83587,0.84345,0.85631,0.87466,0.89867,0.9284,0.96377,1.0045,1.0502,1.1,1.152

0.84286,0.86013,0.88537,0.91865,0.95985,1.0086,1.0642,1.1253,1.1904,1.257,1.32

22;

0.85268,0.88251,0.92286,0.97346,1.0336,1.1019,1.1764,1.254,1.3308,1.4017,1.460

0.86532,0.91049,0.96847,1.0383,1.118,1.2046,1.2937,1.3793,1.4539,1.5086,1.5335;

0.88078,0.94396,1.0217,1.1118,1.2102,1.311,1.4063,1.4859,1.5377,1.5484,1.5052;

0.89904,0.98276,1.082,1.1922,1.3061,1.4138,1.5021,1.5555,1.5573,1.4915,1.346;

0.92006,1.0266,1.1482,1.2768,1.4005,1.5034,1.5661,1.5678,1.4889,1.3156,1.0454;

0.94381,1.0752,1.2191,1.3624,1.4866,1.5684,1.5821,1.5032,1.315,1.0155,0.62477;

0.97023,1.1279,1.2929,1.4448,1.5564,1.5964,1.5341,1.3473,1.0321,0.61268,0.1476

3];

>>x0=[0.0:

0.1:

1];y0=x0;z=z';

S=csapi（{x0,y0},z）;fnplt（S）

figure;S1=spapi（{5,5},{x0,y0},z）;fnplt（S1）

>>S1x=fnder（S1,[0,1]）;fnplt（S1x）

figure;S1y=fnder（S1,[0,1]）;fnplt（S1y）

6、重新考虑习题3中给出的数据，试考虑用多项式插值的方法对其数据进行逼近，并选择一个能较好拟合原数据的多项式阶次。

【求解】可以选择不同的多项式阶次，例如选择3,5,7,9,11，则可以对其进行多项式拟合，并绘制出曲线。

>>x=[-2,-1.7,-1.4,-1.1,-0.8,-0.5,-0.2,0.1,0.4,0.7,1,1.3,...

1.6,1.9,2.2,2.5,2.8,3.1,3.4,3.7;

y=[0.10289,0.11741,0.13158,0.14483,0.15656,0.16622,0.17332,...

0.1775,0.17853,0.17635,0.17109,0.16302,0.15255,0.1402,...

0.12655,0.11219,0.09768,0.08353,0.07019,0.05786,0.04687,...

0.03729,0.02914,0.02236];

x0=-2:

0.02:

4.9;

p3=polyfit（x,y,3）;y3=polyval（p3,x0）;

p5=polyfit（x,y,5）;y5=polyval（p5,x0）;

p7=polyfit（x,y,7）;y7=polyval（p7,x0）;

p9=polyfit（x,y,9）;y9=polyval（p9,x0）;

pl1=polyfit（x,y,11）;y1仁polyval（p11,xO）;

plot（x0,[y3;y5;y7;y9;y11]）

从拟合的结果可以发现，选择5次多项式就能较好地拟合原始数据

的值，并用得出的函数将函数曲线绘制出来，观察拟合效果。

这时可以写出原型函数为

>>f=inline（'exp（-（x-a

（1））A2/2/a

（2）A2）/（sqrt（2*pi）*a

（2））','a','x'）;

由原型函数则可以用下面的语句拟合出待定参数31,32,。

这样，拟合曲线得出的拟合效果

是满意的。

>>x=[-2,-1.7,-1.4,-1.1,-0.8,-0.5,-0.2,0.1,0.4,0.7,1,1.3，…

1.6,192.2,2.5,2.8,3.1,3.4,3.7,4;

y=[0.10289,0.11741,0.13158,0.14483,0.15656,0.16622,0.17332,...

0.1775,0.17853,0.17635,0.17109,0.16302,0.15255,0.1402,...

0.12655,0.11219,0.09768,0.08353,0.07019,0.05786,0.04687,...

0.03729,0.02914,0.02236];

a=lsqcurvefit（f,[1,1],x,y）

0.346057535548862.23400202798747

>>x0=-2:

0.02:

5;y0=f（a,x0）;

plot（x0,y0,x,y,'o'）

小二乘方法识别出a,b,c,d,e的数值。

【求解】用下面的语句可以用最小二乘的得出