matlab函数逼近7.pptVIP

数学建模与数学实验;实验目的;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);bb1=interp1(x,f,y,linest) plot(y,bb1) gtext(linest) hold on;pause a=polyfit(x,f,3) aa=polyval(a,y) plot(y,aa) gtext(曲线拟合) hold off;pause figure(3) plot(x,f,o);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 ;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，…）；;;MATLAB(fzxec1);3）运算结果为： f =0.0043 0.0051 0.0056 0.0059 0.0061 0.0062 0.0062 0.0063 0.0063 0.0063 x = 0.0063 -0.0034 0.2542;MATLAB(fzxec2);3）运算结果为 f =1.0e-003 *(0.2322 -0.1243 -0.2495 -0.2413 -0.1668 -0.0724 0.0241 0.1159 0.2030 0.2792 x =0.0063 -0.0034 0.2542;MATLAB解应用问题实例;MATLAB(dianzu1);一室模型：将整个机体看作一个房室，称中心室，室内血药浓度是均匀的。快速静脉注射后，浓度立即上升；