18.01.2015 Views

Appunti di Calcolo Numerico - Esercizi e Dispense - Università degli ...

Appunti di Calcolo Numerico - Esercizi e Dispense - Università degli ...

Appunti di Calcolo Numerico - Esercizi e Dispense - Università degli ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

12. PRIMI PASSI IN MATLAB®<br />

Figura 12.4: Algoritmo instabile: schermata del confronto tra l’uso o meno della function single<br />

coefficienti del polinomio interpolante (o approssimante) in or<strong>di</strong>ne decrescente [a m a m−1 ... a 0 ] da cui il polinomio<br />

è p(x) = a m x m + a m−1 x m−1 +... a 0 : per m = n −1 si ha il polinomio <strong>di</strong> interpolazione, per m < n −1 si<br />

ha il polinomio <strong>di</strong> approssimazione. L’algoritmo si basa sul processo <strong>di</strong> minimizzazione nel senso dei minimi<br />

quadrati.<br />

Esempio:<br />

>> x=[7 8 9 10];<br />

>> y=[3 1 1 9];<br />

>> p=polyfit(x,y,3)<br />

p =<br />

1.0000 -23.0000 174.0000 -431.0000<br />

Significa che il polinomio <strong>di</strong> interpolazione è:<br />

p(x) = x 3 − 23x 2 + 174x − 431<br />

Una volta ricavati i coefficienti, si può fare un grafico del polinomio utilizzando la function polyval.<br />

>> xx=linspace(x(1), x(4));<br />

>> yy=polyval(p,xx);<br />

>> plot(x,y,’o’, xx,yy)<br />

196

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!