插值与拟合-MATLAB学习之四详解.pptVIP

MATLAB与插值、拟合;主要参考资料： 《数学建模与数学实验》第三版 赵静，但琦等编，高等教育出版社，2010年;拉格朗日插值;问题来源: 当数据量不够，需要补充，且认定已有数据可信时 , 通常 利用函数插值方法建立插值模型.; 当数据量不够，需要补充，且认定已有数据可信时 , 通常 利用函数插值方法建立插值模型.;1、插值的定义; 构造一个(相对简单的)函数; 称为拉格朗日插值基函数。;(1).拉格朗日(Lagrange)插值; 拉格朗日多项式插值的这种振荡现象叫 Runge现象;(2).分段线性插值;例;比分段线性插值更光滑。; (3).三次样条插值;例;; 例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。试估计每隔1/10小时的温度值。;;机翼下轮廓线;二、拟合;拟 合 问 题 引 例 1;拟 合 问 题 引 例 2;曲 线 拟 合 问 题 的 提 法;拟合与插值的关系;x=[1 2 4 7 9 12 13 15 17]; f=[1.5 3.9 6 11.7 12.6 18.8 20.3 20.6 21.1]; axis([0 18 1 22]) xlabel(x); ylabel(f) y=1:0.1:17; figure(1); plot(x,f,o); gtext(已知数据点) hold on;pause bb1=interp1(x,f,y,nearest) plot(y,bb1); gtext(nearest) hold on;pause a=polyfit(x,f,3) aa=polyval(a,y) plot(y,aa) gtext(‘曲线拟合’); hold off;pause;最临近插值、线性插值、样条插值与曲线拟合结果：;曲线拟合问题最常用的解法——线性最小二乘法的基本思路;线性最小二乘法的求解：预备知识;线性最小二乘法的求解;线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 ;三 用MATLAB解拟合问题;用MATLAB作线性最小二乘拟合;即要求 出二次多项式:;1）输入以下命令： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; R=[(x.^2) x ones(11,1)]； A=R\y;;1. lsqcurvefit 已知数据点： xdata=（xdata1，xdata2，…，xdatan）， ydata=（ydata1，ydata2，…，ydatan） ; 输入格式为: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) x =lsqcurvefit (‘fun’,x0,xdata,ydata,options); (3) x = lsqcurvefit (‘fun’,x0,xdata,ydata,options,’grad’); (4) [x, options] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (5) [x, options,funval] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (6) [x, options,funval, Jacob] = lsqcurvefit (‘fun’,x0,xdata,ydata,…);; lsqnonlin用以求含参量x（向量）的向量值函数 f(x)=(f1(x),f2(x),…,fn(x))T 中的参量x，使得 最小。 其中 fi（x）=f（x，xdatai，ydatai） =F(x,xdatai)-ydatai ;输入格式为： 1） x=lsqnonlin（‘fun’，x0）； 2） x= lsqnonlin （‘fun’，x0，options）； 3） x= lsqnonlin （‘fun’，x0，options，‘grad’）； 4） [x，options]= lsqnonlin （‘fun’，x0，…）； 5） [x，options，funval]= lsqnonlin （‘fun’，x0，…）；;; 1）编写M-文件 curvefun1.m funct