实验4插值拟合与最优化 实验目的 1、了解插值和拟合的基本思想 2、掌握用 matlab软件插值和拟合的命令 3、掌握用 matlab软件求解线性规划、二次规划的命令。 实验内容: 1、一维多项式插值 由己知数据点(x1,y)(=0,1,2…,n)出发构造出n次插值多项式,进而通过多项 式求出x处的函数值y(x≠x1),在 Matlab中的命令为 Xp= yp=l, y2 y=int erp(xp, yp, x, 'linear) 注意: linear代表线性插值,此处也可换为 cubic(立方插值), spline(三次 样条插值), nearest(最邻近插值),也可以不写,系统默认为 linear。 在大多数情况下,线性插值就己经足够了 例1根据下函数表,求四次插值多项式,并用其计算f(1.682)和f(1.813)的近似值 1.615 1.634 1.702 1.921 f(x)2.414502.464592.652713.030353.34066 解:输入 matlab命令 xp=[1.615,1.634,1.702,1.828,1.921 yP=[2.41450,2.46459,2.65271,3.03035,3.34066]; yI=interpl(xp, yp, 1. 682) y2=interpl(xp, yp, 1. 813 所以结果为:y1=2974,y2=29854 2、多项式拟合 xp =[y1,y2,…,y实验 4 插值拟合与最优化 实验目的： 1、了解插值和拟合的基本思想； 2、掌握用 matlab 软件插值和拟合的命令； 3、掌握用 matlab 软件求解线性规划、二次规划的命令。 实验内容： 1、 一维多项式插值 由已知数据点 (x , y ),(i 0,1,2, ,n) i i =  出发构造出 n 次插值多项式，进而通过多项 式求出 x 处的函数值 y （ i x  x ），在 Matlab 中的命令为： [ , , , ] 1 2 n xp = x x  x ； [ , , , ] 1 2 n yp = y y  y ； y = int erp1(x p, yp, x, 'linear') 注意： linear 代表线性插值，此处也可换为 cubic （立方插值）， spline （三次 样条插值）， nearest （最邻近插值），也可以不写，系统默认为 linear 。 在大多数情况下，线性插值就已经足够了。 例 1 根据下函数表，求四次插值多项式，并用其计算 f (1.682) 和 f (1.813) 的近似值。 i x 1.615 1.634 1.702 1.828 1.921 ( ) i f x 2.41450 2.46459 2.65271 3.03035 3.34066 解：输入 matlab 命令 xp=[1.615,1.634,1.702,1.828,1.921]; yp=[2.41450,2.46459,2.65271,3.03035,3.34066]; y1=interp1(xp,yp,1.682) y2=interp1(xp,yp,1.813) 所以结果为： y1 = 2.5974 , y2 = 2.9854 。 2、 多项式拟合 [ , , , ] 1 2 n xp = x x  x ； [ , , , ] 1 2 n yp = y y  y ；