数值分析课程设计最佳平方逼近与最小二乘拟合.docVIP

数值分析课程设计：最佳平方逼近与最小二乘拟合 给出函数f(x)=1/(1+25x^2) 一： 求f（x）在[-1,1]上的三次最佳平方逼近多项式以及均方误差。 Matlab编程代码如下： syms x; p=[1 x (1./2)*(3*x^2-1) (1./2)*(5*x^3-3*x) 1./(1+25*x^2)]; for i =1:1:4 jf = int((p(i)*p(5)),x,-1,1); a(i)=(2*(i-1)+1)/2*jf; end a f3=0; for i = 1:1:4 f3= f3+a(i)*p(i); end simplify(f3) f3 syms x fun=(f(x)-f3)^2; int(fun,x,-1,1) 输出结果为 a = [ 1/5*atan(5), 0, 3/10-14/25*atan(5), 0] ans = 12/25*atan(5)+9/20*x^2-3/20-21/25*atan(5)*x^2 f3 = 1/5*atan(5)+(3/10-14/25*atan(5))*(3/2*x^2-1/2) （最佳平方逼近多项式） ans = 4/1625-642/3125*atan(5)^2+209/625*atan(5) 化简均方误差可得ans = 0.0742 二．在[-1,1]上取5个和9个等距节点，做最小二乘拟合，得出均方误差。 五个节点时，matlab编码为： 首先建立M文件，并保存 function y=f(x) y=1/(1+25*x^2); end x=[-1 -0.5 0 0.5 1]; for i=1:5 y(i)=f(x(i)); end a=polyfit(x,y,3) syms x f1=a(1)*x^3+a(2)*x^2+a(3)*x+a(4) x=[-1 -0.5 0 0.5 1]; for i=1:5 E(i)=(f(x(i))-(a(1)*x(i)^3+a(2)*x(i)^2+a(3)*x(i)+a(4)))^2; end sum(E) 输出结果为 a = -0.0000 -0.6063 -0.0000 0.5737 f1 = -4878849915647781/1298074214633706907132624082305024*x^3-1600/2639*x^2-5348847520430703/649037107316853453566312041152512*x+1514/2639 （拟合的多项式） ans = 0.3534（均方误差） 九个点的时候，matlab编码为： x=[-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1]; for i=1:9 y(i)=f(x(i)); end a=polyfit(x,y,3) syms x f2=a(1)*x^3+a(2)*x^2+a(3)*x+a(4) x=[-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1]; for i=1:5 E1(i)=(f(x(i))-(a(1)*x(i)^3+a(2)*x(i)^2+a(3)*x(i)+a(4)))^2; end sum(E1) 输出结果为： a = -0.0000 -0.5609 0.0000 0.4855 f2 = -728732707776039/2535301200456458802993406410752*x^3-1263030908712921/2251799813685248*x^2+4915246442354361/20282409603651670423947251286016*x+1093229300764671/2251799813685248 （最小二乘拟合多项式） ans = 0.3350 （均方误差） 三：比较三个均方误差 经比较发现，最佳平方逼近多项式拟合程度高，最小二乘逼近中，9点的比5点的均方误差小。