www.vorkurse.de
Ein Projekt von vorhilfe.de
Die Online-Kurse der Vorhilfe

E-Learning leicht gemacht.
Hallo Gast!einloggen | registrieren ]
Startseite · Mitglieder · Teams · Forum · Wissen · Kurse · Impressum
Forenbaum
^ Forenbaum
Status Mathe-Vorkurse
  Status Organisatorisches
  Status Schule
    Status Wiederholung Algebra
    Status Einführung Analysis
    Status Einführung Analytisc
    Status VK 21: Mathematik 6.
    Status VK 37: Kurvendiskussionen
    Status VK Abivorbereitungen
  Status Universität
    Status Lerngruppe LinAlg
    Status VK 13 Analysis I FH
    Status Algebra 2006
    Status VK 22: Algebra 2007
    Status GruMiHH 06
    Status VK 58: Algebra 1
    Status VK 59: Lineare Algebra
    Status VK 60: Analysis
    Status Wahrscheinlichkeitst

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Uni-Numerik" - Kurvenapproximation, Spline
Kurvenapproximation, Spline < Numerik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Numerik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Kurvenapproximation, Spline: Matlab code
Status: (Frage) überfällig Status 
Datum: 18:14 So 10.11.2013
Autor: Numl

Hallo,

Meine Aufgabe lautet:
a) Schreiben Sie eine Funktion val = linSpline(z,x,y), die zu einem gegebenen Datensatz
{(xi, yi)T}i=0,...,N 2 R2 mit N 2 N und xi < xi+1 den eindeutigen linearen
Spline berechnet, in beliebigen Punkten z 2 [x0, xN] auswertet und das Resultat zurück
gibt.
b) Schreiben Sie eine Funktion val = cubSpline(z,x,y), die zu einem gegebenen Datensatz
{(xi, yi)T}i=0,...,N 2 R2 mit N 2 N und xi < xi+1 den eindeutigen natürlichen
kubischen Spline berechnet, in beliebigen Punkten z 2 [x0, xN] auswertet und das
Resultat zurück gibt.
https://ilias3.uni-stuttgart.de/goto.php?target=crs_528681&client_id=Uni_Stuttgart
c) Eine Kurve K im R2 ist das Bild einer stetigen, doppelpunktfreien Abbildung f :
[a, b] ! R2 wobei a, b 2 R sind. Dabei bedeutet doppelpunktfrei, dass f|(a,b] und
f|[a,b) injektiv sind. Die Abbildung f nennt man eine Parametrisierung von K.
Eine Methode zur Approximation von Kurven im R2 ist, zu einem Satz paarweise verschiedener
Punkte {(xi, yi)T}i=0,...,N 2 K auf der Kurve, die Splineinterpolationen sx
zum Datensatz {(i, xi)T}i=0,...,N und sy zum Datensatz {(i, yi)T}i=0,...,N zu bestimmen.
Dann liefert das Bild der approximativen Parametrisierung
s : [0,N] ! R2, t 7! (sx(t), sy(t))
eine Approximation der Kurve.
Wenden Sie die oben beschriebenen Methode an, um aus den durch die Matrizen L und
U gegebenen Punkten mittels linearer und kubischer Spline-Interpolation approximative
Parametrisierungen s zu erzeugen, werten Sie diese anschließend in den Punkten
ti = i
1000N, i = 0, . . . , 1000
aus und stellen Sie die Ergebnisse grafisch dar
.
DIES ist mein erarbeiteter Code:
function Spline()
% SPLINE   Spline-Interpolation

    % Definition der Punktmengen
    L = [-1 -0.5  0  0.5  1  1   1 1   1 0.5 0 -0.5 -1 -1  -1 -1   -1 ;
         -1 -1   -1 -1   -1 -0.5 0 0.5 1 1   1  1    1  0.5 0 -0.5 -1]    
    U = [1   1     1    1      1    4    4    1    -2.5 -2.5 -2.5 -2.5 ...
        -2.5 1     1    1     -1   -1   -1   -1    -1   -0.5  0    0.5 1;
         2   2.375 2.75 3.125  3.5  6   10   11.5  10    9.5  9    8.5 ...
         8   9.5   7    5.5    4    3.5  3    2.5   2    2    2    2   2]


        N = length(U(1,:)) - 1
        M = length(L(1,:)) - 1
       i1 = 0:N;
       i2 = 0:M;
      
       x1 = U(1,:);
       y1 = U(2,:);
       x2 = L(1,:);
       y2 = L(2,:);
      
           t1 = ((0:1000)./1000)*N;
           t2 = ((0:1000)./1000)*M;
            figure
             plot(t1,cubSpline(t1,i1,x1)); hold on;
             plot(t1,cubSpline(t1,i1,y1));
             figure
             plot(t2,cubSpline(t2,i2,x2)); hold on;
             plot(t2,cubSpline(t2,i2,y2));
            
figure
             plot(t1,linSpline(t1,i1,x1)); hold on;
             plot(t1,linSpline(t1,i1,y1));
             figure
             plot(t2,linSpline(t2,i2,x2)); hold on;
             plot(t2,linSpline(t2,i2,y2));
             end

function val = linSpline(z,x,y)

    N = length(x)-1;    

    val = y(1)*(x(2)-z)./(x(2)-x(1)).*(x(1)<=z).*(z<x(2));

    for j = 2:N
        [mm] p_j [/mm] = (z-x(j-1))./(x(j)-x(j-1)).*(x(j-1)<=z).*(z<x(j)) + ...
              (x(j+1)-z)./(x(j+1)-x(j)).*(x(j)<=z).*(z<x(j+1));        
        val  = val + [mm] y(j)*p_j; [/mm]
    end
    val = val + y(N+1)*(z-x(N))./(x(N+1)-x(N)).*(x(N)<=z).*(z<=x(N+1));
end

function val = cubSpline(z,x,y)
N = length(x) -1  ;
h = zeros(1,N);
for i = 1:N
h(i) = x(i+1) - x(i);
end
A = zeros(N-1,N-1);
for i = 1:N-1
A(i,i) = 2*(h(i)+h(i+1));
end
for i = 1:(N-2)
A(i,i+1) = h(i+1);
A(i+1,i) = h(i+1);
end
bb = zeros(1,N-1);
for i = 1:N-1
bb(i) = (6./h(i+1)*(y(i+2) - y(i+1)) - (6./h(i))*(y(i+1)-y(i)));
end
YY = inv(A)*bb';
a = zeros(1,N+1);
b = zeros(1,N+1);
c = zeros(1,N+1);
d = zeros (1,N+1);
a(1) = (1./(6*h(1))*(YY(1)));
c(1) = (1./h(1))*(y(2) - y(1)) - (h(1)./6)*YY(1);
d(1) = y(1);
for i = 2:N-1
a(i) = (1./(6*h(i)))*(YY(i) - YY(i-1));
b(i) = 0.5*YY(i-1);
c(i) = (1./h(i))*(y(i+1) - y(i)) - (h(i)./6)*(YY(i)+2*YY(i-1));
d(i) = y(i);
end
a(N) = -(1./(6*h(N)))*(YY(N-1));
b(N)=0.5*YY(N-1);
c(N)=(1./h(N))*(y(N+1) - y(N)) - (h(N)./6)*(2*YY(N-1));
d(N) = y(N);
val = 0;
for i = 1:N-1
[mm] s_i [/mm] = (a(i)*(z-x(i)).^3 + b(i)*(z-x(i)).^2 + c(i)*(z-x(i)) + d(i)).*(x(i)<=z).*(z<x(i+1));
val = val + [mm] s_i; [/mm]
end
val = val + (a(N)*(z-x(N)).^3 + b(N)*(z-x(N)).^2 + c(N)*(z-x(N)) + d(N)).*(x(N)<=z).*(z<=x(N+1));
end


Die lineare und kubische Splineinterpolation funktionieren. Ich glaube jedoch, dass meine Kurven Approximation nicht ganz stimmt. Kann mir jemand weiter helfen?

Ich habe diese Frage in keinem Forum auf anderen Internetseiten gestellt.

        
Bezug
Kurvenapproximation, Spline: Fälligkeit abgelaufen
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 18:20 Do 14.11.2013
Autor: matux

$MATUXTEXT(ueberfaellige_frage)
Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Numerik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.vorkurse.de
[ Startseite | Mitglieder | Teams | Forum | Wissen | Kurse | Impressum ]