最小二乘,切比雪夫,拉格朗日,牛顿,样条差值及仿真.doc

第一题：曲线拟合最小二乘法和切比雪夫的相同和不同，以及适用的场合 背景及意义：在很多日常生活以及科研活动中，我们需要对一些离散的点集进行拟合，使得拟合的曲线尽量多的穿过所给出的离散点，并且误差小。从而通过拟合的函数，找出离散点的规律，以此进行进一步的研究。 下面，就最小二乘法和切比雪夫两种拟合方法进行研究和分析。 1、最小二乘法 它的标准是，所求得的拟合函数与给出的实际离散点之间的误差平方和最小。公式为： 其中是规定区间上的线性无关函数族，。为了使问题提法更具一般性，在各自的离散点的区间中添加权函数以表示各个离散点数据的比重不同。 要想求出函数，就要求出其各阶系数，转而变成求多元函数极小点 其中：取 的问题。 为了求取极值，其必要条件为 简化上式可得到矩阵形式 其中，， 要想使所求极值有唯一解，就要求非奇异。又因的组所组成向量为非奇异，则为非奇异，故而存在唯一的解使得为所求最优解。 例题： 在相同离散点下用最小二乘法完成曲线拟合程序及结果如下 clear all; clc; x0=1:10; y0=[1.1 3.5 9.7 2.6 9.4 6.5 5.6 2.1 6.5 5.9]; plot(x0,y0,o); hold on; x=1:0.1:10; hold on; q=polyfit(x0,y0,3); for i=1:length(x); y1(i)=q(4)+q(3)*x(i)+q(2)*x(i)*x(i)+q(1)*x(i)*x(i)*x(i) plot(x(i),y1(i),*); hold on; end 阶次为一的时候拟合曲线 阶次为二的时候拟合曲线 阶次为三时拟合曲线 分析： 最小二乘法的拟合需要提前确定离散点分布情况的阶次，即使是相同的离散点所拟合的多项式阶次不同所得曲线会有很大差异，并且当离散点的规律超过三次多项式的时候所拟合曲线的误差就会很大并出现病态问题。 所以最小二乘法应用范围还是很有限的，只有离散点规律简单的时候才能使用，离散点规律过于复杂用最小二乘法拟合出来的曲线误差会非常大。 2、切比雪夫 切比雪夫算法是借助于牛顿差值算法（下面有提及），首先设定所求拟合曲线对于所给离散点的各阶差商为h，算出拟合曲线在各个离散点上的值 由牛顿公式求出： 再次计算和各个离散点各阶差值，检验是否在所给要求h的范围内，如果没有达到则更换离散点值并再次计算，直到满足要求为止。 分析： 切比雪夫拟合法借助于牛顿差值，使得拟合曲线各阶差值在所规定的范围内，这样的指标使得拟合曲线误差很小所得拟合曲线准确。但如果拟合的曲线差值达不到要求拟合曲线还要从新计算，这使得计算起来比较繁琐。分析其结果和牛顿法类似。在数据两端拟合曲线的波动会变大。但次算法可以最大限度的降低龙格现象。 和最小二乘法的比较见下面牛顿差值分析。 第二题：拉格朗日差值、牛顿差值和样条差值三种差值方法的研究与分析 背景和意义：许多实际问题中我们都会用到函数来表示某种实验规律的数据关系。然而在实验室中我们往往只能得到一些离散点的值却不能准确的推导出其实际的函数，或者我们知道他们的规律函数，但因为函数很复杂，在计算某些点的值得时候相当繁琐困难。因此我们利用差值的方法求出一个与很接近的简单的函数，用所求的近似的函数代替原有函数进行计算和研究就会使得工作量变小。 1、拉格朗日差值 （1）在给定区间中只有两个值，阶次为一时 所给两点为，求解线性差值多项式，满足，。由此可见的几何意义为通过所给两点的直线。得 （点斜式）或者， （两点式） 由两点式可以看出，是由两个线性函数 ， 相加而得。在所给节点上 ， ， 称为线性插值基数。 （2）在给定区间有三个值，阶次为二时 所给三个点为，求解线性差值多项式，满足，根据线性差值基数的性质，有 可推得： （3）在给定区间有n+1个值，阶次为n时 从上面的推理得 其中 （4）误差计算 设误差为，又因误差在节点上为零，则，则有 上式两边同时求n+1阶倒数则有 于是 得 （5）程序和仿真 lfun.m function lfun(x0,y0,x) n=length(x0); m=length(x); for i=1:m z=x(i); s=0; for k=1:n p=1; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end plot(x,y,’--’) （6）分