暑期培训Matlab之工具箱1..ppt

用MATLAB解拟合问题 1.线性最小二乘拟合 2.非线性最小二乘拟合 用MATLAB作线性最小二乘拟合 1. 作多项式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: a=polyfit(x,y,m) 2. 对超定方程组 可得最小二乘意义下的解． ，用 3.多项式在x处的值y可用以下命令计算： y=polyval（a，x） 输出拟合多项式系数 a=[a1, …,am , am+1] (数组)） 输入同长度 的数组x，y 拟合多项 式次数 即要求 出二次多项式: 中 的 使得: 例 对下面一组数据作二次多项式拟合 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 MATLAB(zxec1) 解法1．用解超定方程的方法 2）计算结果： Ａ = -9.8108 20.1293 -0.0317 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]; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) %作出数据点和拟合曲线的图形 2）计算结果： Ａ = -9.8108 20.1293 -0.0317 解法2．用多项式拟合的命令 1. lsqcurvefit 已知数据点： xdata=（xdata1,xdata2,…,xdatan）, ydata=（ydata1,ydata2,…,ydatan） 用MATLAB作非线性最小二乘拟合 MATLAB提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin．两个命令都要先建立M文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的,可参考例题. lsqcurvefit用以求含参量x（向量）的向量值函数 F(x,xdata)=（F（x,xdata1）,…,F（x，xdatan））T 中的参变量x(向量),使得 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,…); fun是一个事先建立的定义函数F(x,xdata) 的M文件, 自变量为x和xdata 说明:x=lsqcurvefit(‘fun’,x0,xdata,ydata,options); 迭代初值 已知数据点 选项见无 约束优化 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 2. lsqnonlin 已知数据点： xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan） 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，…）； 说明：x= lsqnonlin （‘