Mathematica第章 插值与拟合.ppt

第6章 插值、拟合、数学规划 6.3 曲线拟合 给定一组数据，Mathematica可按最小二乘法的原理对这组数据进行线性拟合或n次多项式等曲线拟合，调用函数格式： 练习 已知函数为2e-x 1、求x从0到10的函数表（为近似值）。 2、求第一题所得数据的线性拟合。 3、求第一题所得数据的二次线性拟合。 4、把两次拟合的图形与原图形进行比较。 6.5数学规划6.5.1线性规划 * 6.1 一元 插值 6.1.1插值函数中数据输入方式： data1={{x1,y1},{x2,y2},…,{xn,yn}} data2={y1,y2,y3,…} data3={{x1,{y1,dy1}},{x2,{y2,dy2}},…,} data4={{x1,y1,z1},{x2,y2,z2},…} data5=Table[fi,{I,imin,imax}] 6.1.2 整区间上的插值 InterpolatingPolynomial[data,x] 演示6.1.nb 6.1.3 分段区间上的插值 Interpolation[data,InterpolationOrder-r ] 若选项没有，则默认值为3，用最光滑的曲线 去近似。data数据可以是函数值，导数值等。 ListInterpolation[data] 对表格形式数据的调用函数 此函数也可用于多维插值 n阶多项式拟合 Fit[data,Table[x^i,{i,0,n}],x] 二次曲线拟合,拟合函数形式为a+bx+cx2 Fit[{f1,f2,…},{1,x,x^2},x] 线性拟合,拟合函数形式为a+bx Fit[{f1,f2,…},{1,x},x] 用变量为vars的函数funs拟合一组数据 Fit[data,funs,vars] 意义 函数 求使 在A.x=b和x≥0下取得最小值的矢量x LinearProgramming[C,A,b] 在不等式定义的区域内求f的最小值 ConstrainedMin[f,{inequalities},{x,y,…}] 在不等式约束的区域内求f的最大值 ConstrainedMax[f,{inequalities},{x,y,…}] 意义 函数 求多自变量函数的极小值 FindMinimum[f,{x,x0},{y,y0},…] (xmin,xmax),(ymin,ymax)局部极小点的上下界估计值 FindMinimum[f,{x,x0, xmin,xmax},{y,y0,ymin,ymax},…] 以x0,x1作为x的开始两个值，求局部最小值 FindMinimum[f,{x,x0,x1}] 从点x=x0开始，求函数f局部最小值 FindMinimum[f,{x,x0}] 意义 函数 演示6.5.nb 6.5.2无约束非线性规划 *