实验名称 拟合法3.doc

探索实验6 曲线拟合法 实验目的 了解最小二乘法与曲线拟合问题及用法，理解并掌握多项式拟合及线性模型曲线拟合算法的构造和计算，学习用计算机求近似函数的一些科学计算方法和简单的编程技术。 二、概念与结论 1. 最小二乘法则： 设f为函数y=f(x)的一组实验点（xk f(xk)）， k=0,1,2,…,n 组成的，在一个函数集合P中选择一个函数 (*(x) 作为函数f(x)的近似表达式，使 这里(k 0为已知的一组数值, yk= f(xk)。函数集合P称为拟合函数类。 2．线性模型拟合： 如果用最小二乘法确定函数 (*(x) 作为函数f(x)的近似函数时，使用的拟合函数类P是由已知函数(0(x)、(1(x)、…、(m(x)的线性组合构成的线性空间 P={((x)| ((x)= a0(0(x)+ a1(1(x)+ a2(2(x)+ …+ am(m(x)}=Span[(0 ,(1 , …,(m ] 中所求出的近似函数。这里已知函数(0(x)、(1(x)、…、(m(x)称为基函数，它们彼此是线性无关的。 3.多项式拟合 在函数f(x) 的线性拟合中，如果取基函数 (j(x)=x j ,即,拟合函数类是 M =Span[1,x , x2，…，xm] 构成的m次多项式空间时得到的近似函数。这个拟合函数称为最小二乘多项式。 4.Haar条件 设(0(x)、(1(x)、…、(m(x)是闭区间[a,b]上的连续函数，如果它们的任意线性组合在点集{xj}={xj, j=0,1,2,…,n},n(m 至多有m个不同的零点 ,则称(0(x)、(1(x)、…、(m(x)是在点集{xj}上满足Haar条件。 三、程序中Mathematica语句解释： 1.Plot[f[t],{t,a,b}, PlotLabel-{m****}] 画出带有变量m的值和数字串“****”表识的图形 2. v=Plot[f[t],{t,a,b},DisplayFunction-Identity] 将函数f(t)在区间[a,b]上的图形文件存在变量v中，但不画出该图形。 3. Show[v, DisplayFunction-$DisplayFunction] 将存在变量v中的图形文件画出。 4.p={f1[x],f2[x],…,fn[x]}/.x-a 将一组函数值{f1(a),f2(a),…,fn(a)}赋值给变量p 四、方法与程序 曲线拟合也是函数逼近的重要方法之一, 它是求近似函数的一种方法，有着广泛的应用。插值法关心插值函数与被插函数在插值节点上函数值相同，曲线拟合关心的是在数据点上的误差平方和最小，它可以克服测量数据误差对确定近似函数的影响。曲线拟合法也有很多种,其中常用的有多项式拟合和线性模型拟合。 多项式拟合 如果拟合函数函数类是一个多项式集合，则称为多项式拟合，求出的拟合多项式称为最小二乘多项式，多项式拟合是最简单的拟合形式。 1.1 多项式拟合的构造过程： 令所求的拟合函数((x)= a0+ a1x+ a2x2+ …+ amxm 为确定系数a0,a1, …,am ，考虑平方和 于是求解归结为 m+1元函数S(a0,a1,…,a m)的极值问题,由多元函数极值的必要条件，有 整理后，得 这是关于a0,a1,…,a m的线性方程组，引进函数内积符号： 于是得到如下线性方程组 这个线性方程组称为法方程组或正规方程组，它的系数矩阵是对称矩阵，这个方程组是正定方程组，它有唯一解。设此解为a0*,a1*,…,a m*，则函数 (*(x)= a0*+ a1*x+ a2*x2+ …+ am*xm 既为所求的多项式拟合。 注意到正规方程组的系数具有规律，引入符号 于是正规方程可以写为更简单的形式 1.2 多项式拟合算法： 输入n+1个拟合点： (xi, yi),i=0,1,…,n 根据散点图确定拟合多项式的次数m 计算相应正规线性方程组的系数和右端项 解正规正规线性方程组，得解：a0*,a1*,…,a m* 写出拟合多项式(*(x)= a0*+ a1*x+ a2*x2+ …+ am*xm 1.3 求m次多项式拟合程序： Clear[xi,xx,yi]; xi=Input[xi=] yi=Input[yi=] n=Length[xi]; h=ListPlot[Table[{xi[[i]],yi[[i]]},{i,1,n}],PlotStyle-PointSize[0.04]] m=Input[多项式次数m=] s=Table[Sum[xi[[k]]^i,{k,1,n}],{i,0,2m}]; a=Table[s[[i+j-1]],{i,1