1.

INTERPOLARE
1.1. Interpolare liniară

Pentru a construi graficul interpolării lineare executăm următoarele acțiuni consecutive:

a) Întroducem vectorii datelor experimentale x și y

R  rnorm( 1005)

i  0 9
x  2 i
i
y  5x  3  x  R
i i i i

b) Detrminăm funcția frântei pentru interpolarea lineară

I( z)  linterp( xy z)

c) Construim graficul marcând trasările prin linii și puncte pentru funcție și variabilă

100
I( z )

y 50

0 5 10 15 20
z x

d) Calculul valorilor funcției interpolate

T
X  ( 1 2 3 4 5 6 )
T
I( X)  ( 5.417 7.834 20.997 34.16 29.907 25.655 )

În concluzie putem afirma că nu există diferență la construirea graficului interpolării

lineare între ambele variante (introducerea datelor experimentale și folosirea funcției linterp).
Doar că în trasarea curbei după un număr mic de puncte în formatul lines, MathCAD execută
interpolarea automat, în forma ascunsă, iar la folosirea funcției linterp noi ne implicăm activ în
proces.

1.2. Interpolarea cu funcția ”spline” cubică

a) Scopul rezolvării constă în unirea punctelor valorilor funcției obținute cu ajutorul unei
curbe line pe exemplu de interpolare cu polinom algebric

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 T T
x  ( 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 ) y  ( 1 3 2 3 5 3 2 0 )

I( xy )  for i  0  last ( x)

for j  0  last( x)

M
i j
 x  ilast( x) j
M
1
XM y
X

last ( x)
zk  I( xy) 
Int( z)    ( last ( x) k )
k 0

b) Obținem graficul cu interpolarea polinomului algebric nesatisfăcătoare

10

Int ( z )

y
0 0.2 0.4 0.6 0.8

z x

c) Funcția spline-interpolare oferă mai mare exactitate și apropiere de extremele curbiliniei,

dintre care există :
- lspline(x,y). Construiește spline cu continuități lineare;
- pspline(x,y). Curba interpolată construită va fi prelungită din punctele mărginite prin
parabolă;
- cspline(x,y). Construiește spline cu prelungire în parabola cubică.
Organizăm datele sub formă de vectori proporționali
T T
x  ( 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 ) y  ( 1 3 2 3 5 3 2 0 )

d) Introducem vectorii următoarelor variabile cu ajutorul uneia din funcții din familia
”spline”. Încercăm să comparăm vectorii , carevor calcula pentru datele noastre toate trei
funcții

s1  lspline( xy) s2  pspline ( xy) s3  cspline( xy)

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 0 0 0
0 0 0 0 0 0
1 3 1 3 1 3
2 0 2 1 2 2
3 0 3 -101.026 3 640.67
4 -127.997 4 -101.026 4 -300
s1  s2  s3 
5 -1.288·103 5 -1.295·103 5 -1.241·103
6 2.88·103 6 2.881·103 6 2.863·103
7 -2.432·103 7 -2.427·103 7 -2.41·103
8 848.574 8 828.205 8 777.512
9 -362.144 9 -285.641 9 -100
10 0 10 -285.641 10 -977.512

Deosebiri esențiale dintre variabilele următoare pentru punctele de margine nu-s, excepție
rândurile 3 și 10.

e) Introducem funcția interp(s,x,y,t). În cazul nostru

I1( z)  interp( lspline( xy) xy z)

I2( z)  interp( pspline ( xy) xy z)

I3( z)  interp( cspline( xy) xy z)

f) Construim graficile interpolării spline cu prelungiri de tip diferit

5
5
I1( z ) I2( z )

y y  0.5 0 0.5
 0.5 0 0.5 1

5

z x z x

I3( z )

y  0.5 0 0.5 1

5

z x

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 1.3. Interpolarea cu funcția B-spline
a) În unele cazuri algoritmul tradițional de trasare a spline-ului cu ajutorul parabolelor
cubice cu reticularea în punctele experimentale poate să fie inutil la rezolvarea
problemelor.Atunci se folosesc b-spline-urile. Organizăm date experimentale în formă de
doi vectori
T
x  ( 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 )
T y  ( 1 3 2 3 5 3 2 0 )

b) Introducem vector de reticulare a curbelor elimentare

T
u1  ( 0 0.27 0.32 0.41 0.55 0.67 0.72 0.81 )
T
u2  ( 0.09 0.25 0.35 0.45 0.55 0.65 0.87 )
T
u3  ( 0 0.23 0.35 0.45 0.67 0.9 )

c) Introducem parametrii viitoarei spline-curbe cu ajutorul funcției bspline(x,y,u,n); unde x

și y – vectorii datelor experimentale, u – vector reticular, n – ordinea polinoamelor
flosite, în cazul nostru:

B1  bspline ( xy u11) B2  bspline ( xy u22) B3  bspline ( xy u33)

Primele elemente la introducerea curbei de orice ordin vor fi egale, anume: 4. Ea se

folosește la determinarea de către funcția interp utilizarea algoritmului de compunere,
destinat pentru b-spline-uri și executăm calcului funcției

B1  4 B2  4 B3  4
0 0 0

B1  
 1 26 14 41.806 83.167 192.898 75.685 

1  20 80 42.5 93.611 133.611 278.426 94.606 

 3.202 23.152 162.455 236.818 100.515 34.343 

 
B2   53.03 212.626 847.98 926.566 300.101 114.848 
1
 110.101 429.293 1.086  103 885.859 229.293 89.899 
 

 154.963 399.584 776.279 416.027 

1.691  10
3

 3 3 3 3 3
 2.901  10 4.332  10 5.747  10 2.202  10 7.233  10 
B3 
1  4 4 4 3 4 
 1.653  10 1.492  10 1.388  10 3.788  10 1.029  10

 2.91  104 1.648  104 1.095  104 2.137  103 3
 4.869  10 

d) Întroducem funcțiile curbelor cu ajutorul aceleiași funcții integrate interp(s,x,y,t)

A1( z)  interp( B1xy z) A2( z)  interp( B2xy z) A3( z)  interp( B3xy z)

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 e) Construin graficile curbelor interpolate

LINEARA PATRATICA
10 10

A1( z ) A2( z )

y 0 0.5 1 y
5
0 0.5 1
A1( u1) A2( u2)

 20  10

z xu1 z xu2

CUBICA
10

A3( z )
0 0.5 1
y  10
A3( u3)

 30

z xu3

1.4. Interpolarea cu funcția spline bidimensională

a) Prin metoda simplă formăm matricea de coordonate pentru nodurile din care este
compusă suprafața
j  0 4 i  0 4

i j
X  5  5 Y  5  5
i j 2 i j 2

 5 5 5 5 5   5 2.5 0 2.5 5 
 2.5 2.5 2.5 2.5 2.5   5 2.5 0 2.5 5

   
X 0 0 0 0 0  Y   5 2.5 0 2.5 5 
 2.5 2.5 2.5 2.5 2.5   5 2.5 0 2.5 5 
   
 5 5 5 5 5   5 2.5 0 2.5 5 

b) Introducem matricea ce va conține valoarea mărimii măsurabile în punctele de noduri

Z
i j  ij2  Yij2  Xij2rnd(0.01)  Yij2rnd(0.01)
 X

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
  49.952 31.374 25.206 31.409 49.986 
 31.282 12.467 6.288 12.525 31.169

 
Z   24.761 6.221 0 6.212 24.79 
 31.104 12.483 6.287 12.484 31.093 
 
 49.966 31.384 25.106 31.427 49.948 

c) Construim suprafața conform matricelor introduse

( X YZ)

Vizualizând graficul observăm că ar trebui să folosim niște metode de nitezire cum ar fi interpolarea
bidimensională.
d) Introducem matrice de coordonate diagonale

i  0 4

R2  Y R1  X
i i i i i i

 5   5 5 
 2.5   5   2.5 2.5 
   2.5   
R1   0    R  augment( R1R2) R  0 0 
R2   0 
 2.5   2.5 2.5 
   2.5   
 5     5 5 
 5 

e) În calitatea celui de al doilea element al funcției cspline trebiue de introdus numele

matricei de valori ale caracteristicii măsurabile (Z)

S  cspline( R Z)

T
S  0 1 2 3 4 5 6 7 8
0 0 3 2 1.787 1.944 2.101 2.003 1.905 ...

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 f) Introducem nemijlocit funcția de apropiere a suprafețelor

  x 
I( xy)  interpS R Z  
  y 

g) Generăm guprafețele în grafice și observăm diferența

Interpolare multidimensionala

( X YZ) I

Nitezirea cu spline bidimensional

( X YZ) I

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala
 2. REGRESIE
2.1. Regresia lineară

Coala

Co
Mod Coală Nr. Document Semnăt. Data ala