ch2常用数值计算方法.pptVIP

Ch2常用计算方法和数值模拟基础 2.1数据处理技术 2.2线性方程组求解 2.1数据处理技术 数据处理方法的选择 数据→信息→新规律→学科关系 →企业问题→改进工艺→提高产量 处理工具的选择 手工计算→计算机编程 内容：多项式、插值、曲线拟合 2.1数据处理技术 一、多项式 1.多项式的根 2.多项式相加 3.多项式相乘 4.多项式求值 2.1数据处理技术 一、多项式 1.多项式的根 定义多项式 在MATLAB命令窗口p=[a b c d e] p= a b c d e r=roots(p) r= 2.1数据处理技术 一、多项式 2.多项式相加(p=p1+p2) 定义两多项式 把多项式扩展成阶数相同 直接让两多项式相加 ex见板书 2.1数据处理技术 一、多项式 3.多项式相乘 定义两多项式 使用conv(a,b)命令 4.多项式求值 定义两多项式p 使用polyval命令 2.1数据处理技术 二、多项式插值 1.线性插值 2.抛物线插值 3.拉格朗日插值 4.例题：教材p24ex1.5 2.1数据处理技术——二.多项式插值 1.线性插值 由初等解析几何可知，过任意两点(x1,y1)，(x2,y2)可作一直线，方程为： 2.1数据处理技术——二.多项式插值 1.线性插值 方程即为： 且有： 其中 和 为线性插值的基函数。 2.1数据处理技术——二.多项式插值 2.抛物线插值 过任意三点(x1,y1)，(x2,y2)，(x3,y3)的直线方程为： 即 且有 2.1数据处理技术——二.多项式插值 2.抛物线插值 已知在1673k，1773k，1873k时的热容分别为：2.3136，2.3354，2.3563kJ/(m3.k)，求CO2在1708k时的热容。 解：利用抛物线插值公式求得： 2.1数据处理技术——二.多项式插值 3.拉格朗日插值 函数过点(x1,y1)(x2,y2)…(xn,yn)此函数多项式不高于n-1项 则有 式中 2.1数据处理技术 三、曲线拟合与最小二乘法 1.曲线拟合概念 2.一元线性拟合 3.多元线性拟合 4.曲线拟合软件求解 2.1数据处理技术 ——三、曲线拟合与最小二乘法 1.曲线拟合概念 概念：实验数据处理中，给定观测点大于待测系数个数，使用“选点法”求解结果差异较大，需采用某种方法从矛盾方程中确定系数，进而确定的直线或曲线最好的逼近给定的实验观测点数据，即曲线拟合问题。 特点：被确定直线或曲线不要求正真通过给定各点，尽可能从给定点的附近通过。 2.1数据处理技术 ——三、曲线拟合与最小二乘法 2.一元线性拟合 根据实验数据(xi,yi)找出满足通过或接近各点的直线关系yi(x)=a+bxi,令 为残差 残差越小表明所选参数a,b越好，用最小二乘法确定，令残差平方和为Q，为极小值时a、b最佳，即： 2.1数据处理技术 ——三、曲线拟合与最小二乘法 2.一元线性拟合 要Q最小即求解下下式： 二元一次方程组求解a,b 2.1数据处理技术 ——三、曲线拟合与最小二乘法 3.多元线性拟合 若实验数据为（x1i,x2i, …xNi;yi）,i=1-M,满足线性关系为 当满足Q最小，有参数a,b1,b2,…bN最优。 2.1数据处理技术 ——三、曲线拟合与最小二乘法 4.曲线拟合软件求解 MATLAB中函数polyfit求解最小二乘曲线拟合问题，调用格式为： a=polyfit(x,y,m) 其中x,y是要拟合的数据，m为拟合多项式的次数，输出参数为： 即多项式为： 2.2线性方程组求解 一、基本概念 二、Gauss顺序消去法 三、软件求解 x=inv(A)*b x=A\b chol分解 * 计算机应用多媒体课件 * 计算机应用多媒体课件