函数逼近与曲线拟合的数值计算.docxVIP

《数值分析》课程设计函数逼近与曲线拟合的数值计算课程设计任务书一、设计目的掌握一致逼近和平方逼近的理论，较熟练掌握最小二乘算法和函数展开，能够熟练地应用MATLAB软件编写相应的程序和使用MATLAB软件函数库。二、设计内容(1)给出实验数据点(xi,yi)的横坐标向量为x=(22.252.52.7533.253.53.754)，纵坐标向量为y=(1.14-0.1-1.13-1.82-2.13-2.05-1.64-0.97-0.18)，用线性最小二乘法求拟合曲线，并估计其误差，作出拟合曲线。(2)给出一组实验数据点(xi,yi)的横坐标向量为x=(5 10 15 20 25 30 35 40 45 50 55)，纵坐标向量为y=(1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.62 4.64)*0.0001，用线性变换和线性最小二乘法求拟合曲线。(3)对数据x和y，用函数y=1，y=x，y=x^2，y=cos(x)，y=e^x，y=sin(x)进行逼近，其中x=(1 1.5 2 2.5 3 3.5 4)，y =(1 1.4794 1.841 1.9815 1.9126 1.5985 1.1645)。三、设计要求(1)用MATLAB数据库中相应函数对选定的问题，求出具有一定精度的结果。(2)使用所用的方法编写MATLAB程序求解。对数值结果进行分析。四、参考文献 [1] 黄明游,冯果忱.数值分析[M].北京:高等教育出版社,2008. [2] 张德丰.MATLAB数值分析与应用[M].北京:国防工业出版社,2007. 函数逼近与曲线拟合的数值计算摘 要对给定的实验数据作插值得到的近似函数往往缺乏实用价值。曲线拟合运用最小二乘准则，对一组离散的数据点，从整体的误差考虑出发，找出原始数据的规律，寻得一个函数，使与所有的数据点最为接近。函数逼近则是对一个比较复杂的连续函数，从已知的函数句柄中选取一组简单函数，构成一个易于研究的，使得偏差平方达到最小。根据拟合与逼近的思想，采用MATLAB语言编写MATLAB程序实现。通过实际的运用，直观地看到了曲线拟合与函数逼近的准确性。关键词：最小二乘准则，曲线拟合，函数逼近目 录1 前言12解题方法和思路12.1 曲线拟合12.1.1 线性最小二乘法[1]12.1.2 线性变换32.2 函数逼近[2]43 MATLAB程序实现53.1 曲线拟合53.1.1 线性最小二乘法53.1.2 线性变换93.2 最佳均方逼近114 结果分析13总结14参考文献15翻译161 前言本文运用最小二乘法的基本原理，就其MATLAB的实现方法进行了研究，介绍了曲线的拟合与函数的逼近以及其用MATLAB软件进行计算的问题，给出了MATLAB实现的源程序，并进行了测试。采用MATLAB对实验数据进行处理，能够快捷的得到图文并茂的比较令人满意的处理结果。2 解题思路和方法2.1 曲线拟合曲线拟合问题是指：已知个点，，其中互不相同，寻求函数，使与所有的数据点最接近。也可称为数据的平滑问题。从整体上考虑近似函数同所给数据点误差大小，常用方法有以下三种：一是误差绝对值的最大值，即误差向量的—范数；二是误差绝对值和，即误差向量的1—范数；三是误差平方和的算术平方根，即误差向量的2—范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合中常采用误差平方和来度量误差的整体大小。2.1.1线性最小二乘法[1]离散最佳平方逼近问题：求参数，使得(2.1)它可理解为使观测数据的均方差为最小。这种用离散最佳平方逼近问题的解作为“多余观测”问题的解的方法被称为“最小二乘法”。这种使其误差平方和最小的方法又称为最小二乘准则。曲线拟合最常用的方法是线性最小二乘法，其基本的思路是：令 (2.2)其中：是事先选定的一组函数：是待定系数，拟合准则是最小二乘准则，即是使个点与对应点距离平方和最小，即(2.3)寻求使达到最小，只需利用极值的必要条件，得到关于的线性方程组(2.4)记方程组(2.4)可表示为(2.5)当线性无关时，是满秩矩阵。故可逆，于是方程组(2.5)有唯一解(2.6)可以看出，只要关于待定系数是线性的，在最小二乘准则下得到的方程组(2.4)关于也一定是线性的，故称线性最小二乘法。面对一组数据，，用线性最小二乘法作曲线拟合时，首要的也是关键的一步是恰当地选取一组函数。如果通过分析，能够知道与这间的关系，通常可以将数据，作出散点图，直观地判断应该用什么样的曲线去作拟合。人们常用的曲线有(1)直线(2)多项式(3)双曲线(4)指数曲线(5)对数曲线(6)复合函数曲线，，2.1.2线性变换在选取曲线作拟