数值计算方法教案_曲线拟合函数逼近.docVIP

第三章 曲线拟合与函数逼近 一．曲线拟合 1.问题提出： 已知多组数据，由此预测函数的表达式。 数据特点：（1）点数较多。（2）所给数据存在误差。 解决方法：构造一条曲线反映所给数据点的变化总趋势，即所谓的“曲线拟合”。 2.直线拟合的概念 设直线方程为y=a+bx。 则残差为：，其中。 残差是衡量拟合好坏的重要标志。 可以用MATLAB软件绘制残差的概念。 x=1:6; y=[3,4.5,8,10,16,20]; p=polyfit(x,y,1); xi=0:0.01:7; yi=polyval(p,xi); plot(xi,yi,x,y, o); y1=polyval(p,x); hold on for i=1:6 plot([i,i],[y(i),y1(i)], r); end 可以绘制出如下图形： 三个准则： （1）最小 （2）最小 （3）最小 3.最小二乘法的直线拟合 问题：对于给定的数据点，求一次多项式y=a+bx，使得总误差Q最小。其中。根据 故有以下方程组（正则方程）： 例1.给定数据表，求最小二乘拟合一次多项式 xi 165 123 150 123 141 yi 187 126 172 125 148 解：N=5，=702，=758，=99864，=108396。 则有方程组 解得a=-60.9392，b=1.5138，则一次多项式为y=-60.9392+1.5138b 用MATLAB计算并画图如下： x=[165,123,150,123,141]; y=[187,126,172,125,148]; A(1,1)=5;A(1,2)=sum(x);A(1,3)=sum(y); A(2,1)=sum(x);A(2,2)=sum(x.^2);A(2,3)=x*y; B=rref(A); a=B(1,3);b=B(2,3); p=[b,a]; %以上四行，可以用一行命令 p=polyfit(x,y,1); 替代。 xi=min(x)-1:0.01:max(x)+1; yi=polyval(p,xi); plot(xi,yi,x,y, o); 绘制如下图形 4.最小二乘法的多项式拟合 问题：对于给定的数据点，求m次多项式（mN），使得总误差Q最小。其中。根据 故有正则方程： 当m=2时，有 例2.求数据表的最小二乘法拟合的二次多项式函数 xi -1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1 yi 50 40 25 20 18 21 35 56 66 在MATLAB命令窗口输入： x=-1:0.25:1; y=[50,40,25,20,18,21,35,56,66]; A(1,1)=length(x);A(1,2)=sum(x);A(1,3)=sum(x.^2);A(1,4)=sum(y); A(2,1)=sum(x);A(2,2)=sum(x.^2);A(2,3)=sum(x.^3);A(2,4)=y*x; A(3,1)=sum(x.^2);A(3,2)=sum(x.^3);A(3,3)=sum(x.^4);A(3,4)=y*(x.^2); B=rref(A); p=[B(3,4),B(2,4),B(1,4)]; %以上五行可以用 p=polyfit(x,y,2); 替代 xi=min(x)-0.1:0.01:max(x)+0.1; yi=polyval(p,xi); plot(xi,yi,x,y, o); 可以绘制出如下图形： 例3.从三次多项式上找出21个点，然后对这21个点进行“差错处理”，得到新的21个点，根据新的21个点拟合一个新的3次多项式函数，然后和原函数进行比较。 解：在MATLAB命令窗口输入： p3=inline(2.*x.^3-3.*x.^2+4.*x-5); x=-10:10; y=p3(x); e=randn(1,length(x))*80; y=y+e; p=polyfit(x,y,3); xi=-10:0.01:10; yi=polyval(p,xi); plot(xi,yi,x,y, o); hold on fplot(p3,[-10,10],r); 5.利用MATLAB的多项式拟合命令polyfit来实现多项式的插值 例1.过随机6个数据点，构造5次多项式函数。 解：在MATLAB命令窗口输入： x=1:6; y=round(10*randn(1,6)); p=polyfit(x,y,length(x)-1); xi=1:0.01:6; yi=polyval(p,xi); plot(xi,yi,x,y, o); 可以得到以下图形： 6.利用最小二乘法解超定方程组 例1．解下列超定方程组 解：设超定方程的解为。 方法一：点到4条直线的距离平方分别