9_基于Mathematica的数值计算.pptVIP

第九讲 数值计算 6.1 求近似函数 在生产和实验中, 人们经常遇到需要通过某个未知的函数f(x)在有限个给定点的函数值:{xi, yi}, i=1,2,…., n, 这里 f(xi) = yi 去获得函数f(x)的近似函数?(x), 求近似函数?(x)的方法主要有拟合方法和插值方法。 6.1.1 曲线拟合 曲线拟合主要用来求一元近似函数, 它是根据最小二乘原理的意义下获得近似函数的, 此近似函数具有在数据点处的误差平方和最小的特点。记函数集合: M=Span[?0, ?1, ?2,…, ?m]= {?(x)|?(x)= a0 ?0(x)+a1?1(x)+…+am?m(x), ai ?R} 称集合M为函数?0, ?1, ?2,…, ?m张成的空间，m+1个函数?0(x), ?1(x), ?2(x),…, ?m(x)称为拟合基函数集合, 它们都是已知的函数。 Mathematica曲线拟合的一般形式为: Fit[{数据点集合}, {拟合基函数集合}, 自变量名] 具体的拟合命令有: 命令形式1：Fit[{{x1,y1},{x2,y2},...,{xn,yn}},{ ?0, ?1, ?2,…, ?m },x] 功能：根据数据点集{{x1,y1},{x2,y2},...,{xn,yn}}求出具有拟合函数为 ?(x)