《多项式插值拟合PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《多项式插值拟合PPT讲稿.ppt（85页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、多项式插值拟合第1页，共85页，编辑于2022年，星期六5.1 关于多项式MATLAB命令一个多项式的幂级数形式可表示为：也可表为嵌套形式或因子形式 N阶多项式n个根，其中包含重根和复根。若多项式所有系数均为实数，则全部复根都将以共轭对的形式出现 第2页，共85页，编辑于2022年，星期六幂系数：在MATLAB里，多项式用行向量表示，其元素为多项式的系数，并从左至右按降幂排列。例：被表示为 p=2 1 4 5 poly2sym(p)ans=2*x3+x2+4*x+5Roots:多项式的零点可用命令roots求的。例：r=roots(p)得到 r=0.2500+1.5612i 0.2500-1.
2、5612i -1.0000 所有零点由一个列向量给出。第3页，共85页，编辑于2022年，星期六Poly:由零点可得原始多项式的各系数，但可能相差一个常数倍。例：poly(r)ans=1.0000 0.5000 2.0000 2.5000 注意：若存在重根，这种转换可能会降低精度。例：r=roots(1-6 15-20 15-6 1)r=1.0042+0.0025i 1.0042-0.0025i 1.0000+0.0049i 1.0000-0.0049i 0.9958+0.0024i 0.9958-0.0024i舍入误差的影响，与计算精度有关。第4页，共85页，编辑于2022年，星期六poly
3、val:可用命令polyval计算多项式的值。例：计算y(2.5)c=3,-7,2,1,1；xi=2.5;yi=polyval(c,xi)yi=23.8125如果xi是含有多个横坐标值的数组，则yi也为与xi长度相同的向量。c=3,-7,2,1,1;xi=2.5,3;yi=polyval(c,xi)yi=23.8125 76.0000第5页，共85页，编辑于2022年，星期六polyfit:给定n+1个点将可以唯一确定一个n阶多项式。利用命令polyfit可容易确定多项式的系数。例：x=1.1,2.3,3.9,5.1;y=3.887,4.276,4.651,2.117;a=polyfit(x,
4、y,length(x)-1)a=-0.2015 1.4385 -2.7477 5.4370 poly2sym(a)ans=-403/2000*x3+2877/2000*x2-27477/10000*x+5437/1000 多项式为Polyfit的第三个参数是多项式的阶数。第6页，共85页，编辑于2022年，星期六多项式积分：功能：求多项式积分 调用格式：py=poly_itg(p)p:被积多项式的系数 py：求积后多项式的系数 poly_itg.m function py=poly_itg(p)n=length(p);py=p.*n:-1:1.(-1),0不包括最后一项积分常数第7页，共85页
5、，编辑于2022年，星期六多项式微分：Polyder:求多项式一阶导数的系数。调用格式为:b=polyder(c)c为多项式y的系数，b是微分后的系数，其值为：第8页，共85页，编辑于2022年，星期六两个多项式的和与差：命令poly_add:求两个多项式的和,其调用格式为:c=poly_add(a,b)多项式a减去b，可表示为:c=poly_add(a,-b)第9页，共85页，编辑于2022年，星期六 功能：两个多项式相加 调用格式：b=poly_add(p1,p2)b:求和后的系数数组poly_add.mfunction p3=poly_add(p1,p2)n1=length(p1);n2
6、=length(p2);if n1=n2 p3=p1+p2;endif n1n2 p3=p1+zeros(1,n1-n2),p2;endif n1 a=2,-5,6,-1,9;b=3,-90,-18;c=conv(a,b)c=6 -195 432 -453 9 -792 -162 q,r=deconv(c,b)q=2 -5 6 -1 9r=0 0 0 0 0 0 0 poly2sym(c)ans=6*x6-195*x5+432*x4-453*x3+9*x2-792*x-162 第12页，共85页，编辑于2022年，星期六5.2 插值5.2.1 Lagrange插值方法介绍 对给定的n个插值点
7、及对应的函数值 ，利用构造的n-1次Lagrange插值多项式，则对插值区间内任意x的函数值y可通过下式求的：MATLAB实现第13页，共85页，编辑于2022年，星期六function y=lagrange(x0,y0,x)ii=1:length(x0);y=zeros(size(x);for i=ii ij=find(ii=i);y1=1;for j=1:length(ij),y1=y1.*(x-x0(ij(j);end y=y+y1*y0(i)/prod(x0(i)-x0(ij);end算例：给出f(x)=ln(x)的数值表，用Lagrange计算ln(0.54)的近似值。x=0.4:0
8、.1:0.8；y=-0.916291,-0.693147,-0.510826,-0.356675,-0.223144;lagrange(x,y,0.54,0.55,0.78)ans=-0.6161 -0.5978 -0.2484 （精确解-0.616143)第14页，共85页，编辑于2022年，星期六5.2.2 Hermite插值方法介绍 不少实际问题不但要求在节点上函数值相等，而且要求导数值也相等，甚至要求高阶导数值也相等，满足这一要求的插值多项式就是Hermite插值多项式。下面只讨论函数值与一阶导数值个数相等且已知的情况。已知n个插值点 及对应的函数值 和一阶导数值 。则对插值区间内任意
9、x的函数值y的Hermite插值公式：第15页，共85页，编辑于2022年，星期六MATLAB实现%hermite.mfunction y=hermite(x0,y0,y1,x)n=length(x0);m=length(x);for k=1:m yy=0.0;for i=1:n h=1.0;a=0.0;for j=1:n if j=i h=h*(x(k)-x0(j)/(x0(i)-x0(j)2;a=1/(x0(i)-x0(j)+a;end end yy=yy+h*(x0(i)-x(k)*(2*a*y0(i)-y1(i)+y0(i);end y(k)=yy;end第16页，共85页，编辑于20
10、22年，星期六算例:对给定数据,试构造Hermite多项式求出sin0.34的近似值。x0=0.3,0.32,0.35;y0=0.29552,0.31457,0.34290;y1=0.95534,0.94924,0.93937;y=hermite(x0,y0,y1,0.34)y=0.3335 sin(0.34)与精确值比较ans=0.3335第17页，共85页，编辑于2022年，星期六 x=0.3:0.005:0.35;y=hermite(x0,y0,y1,x);plot(x,y)y2=sin(x);hold on plot(x,y2,-r)第18页，共85页，编辑于2022年，星期六5.2.
11、3 Runge现象问题的提出：根据区间a,b上给出的节点做插值多项式p(x)的近似值，一般总认为p(x)的次数越高则逼近f(x)的精度就越好，但事实并非如此。反例：在区间-5,5上的各阶导数存在，但在此区间上取n个节点所构成的Lagrange插值多项式在全区间内并非都收敛。取n=10,用Lagrange插值法进行插值计算。第19页，共85页，编辑于2022年，星期六 x=-5:1:5;y=1./(1+x.2);x0=-5:0.1:5;y0=lagrange(x,y,x0);y1=1./(1+x0.2);绘制图形 plot(x0,y0,-r)插值曲线 hold on plot(x0,y1,-b)
12、原曲线为解决Rung问题，引入分段插值。第20页，共85页，编辑于2022年，星期六算法分析：所谓分段插值就是通过插值点用折线或低次曲线连接起来逼近原曲线。MATLAB实现 可调用内部函数。命令1 interp1 功能：一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。格式1 yi=interp1(x,Y,xi)%返回插值向量yi，每一元素对应于参量xi，同时由向量x与Y的内插值决定。参量x指定数据Y的点。若Y为一矩阵，则按Y的每列计算。算例 对于t，beta、alpha分别有两组数据与之对应，用分段线性插值法计算当t
13、=321,440,571时beta、alpha的值。5.2.4 分段插值第21页，共85页，编辑于2022年，星期六 temp=300,400,500,600;beta=1000*3.33,2.50,2.00,1.67;alpha=10000*0.2128,0.3605,0.5324,0.7190;ti=321,400,571;propty=interp1(temp,beta,alpha,ti);propty=interp1(temp,beta,alpha,ti,linear);ti,proptyans=1.0e+003*0.3210 3.1557 2.4382 0.4000 2.5000 3
14、.6050 0.5710 1.7657 6.6489第22页，共85页，编辑于2022年，星期六格式2 yi=interp1(Y,xi)%假定x=1:N，其中N为向量Y的长度，或者为矩阵Y的行数。格式3 yi=interp1(x,Y,xi,method)%用指定的算法计算插值：nearest：最近邻点插值，直接完成计算；linear：线性插值（缺省方式），直接完成计算；spline：三次样条函数插值。cubic：分段三次Hermite插值。其它，如v5cubic。对于超出x范围的xi的分量，使用方法nearest、linear、v5cubic的插值算法，相应地将返回NaN。对其他的方法，int
15、erp1将对超出的分量执行外插值算法。yi=interp1(x,Y,xi,method,extrap)yi=interp1(x,Y,xi,method,extrapval)%确定超出x范围的xi中的分量的外插值extrapval，其值通常取NaN或0。第23页，共85页，编辑于2022年，星期六算例 year=1900:10:2010;product=75.995,91.972,105.711,123.203,131.669,.150.697,179.323,203.212,226.505,249.633,256.344,267.893;p1995=interp1(year,product,1
16、995)p1995=252.9885 x=1900:1:2010;y=interp1(year,product,x,cubic);plot(year,product,o,x,y)第24页，共85页，编辑于2022年，星期六例:已知的数据点来自函数已知的数据点来自函数根据生成的数据进行插值处理，得出较平滑的曲线根据生成的数据进行插值处理，得出较平滑的曲线直接生成数据。直接生成数据。x=0:.12:1;y=(x.2-3*x+5).*exp(-5*x).*sin(x);plot(x,y,x,y,o)第25页，共85页，编辑于2022年，星期六调用interp1()函数：x1=0:.02:1;y0=(
17、x1.2-3*x1+5).*exp(-5*x1).*sin(x1);y1=interp1(x,y,x1);y2=interp1(x,y,x1,cubic);y3=interp1(x,y,x1,spline);y4=interp1(x,y,x1,nearest);plot(x1,y1,y2,y3,y4,:,x,y,o,x1,y0)误差分析 max(abs(y0(1:49)-y2(1:49),max(abs(y0-y3),max(abs(y0-y4)ans=0.0177 0.0086 0.1598第26页，共85页，编辑于2022年，星期六 x0=-1+2*0:10/10;y0=1./(1+25*
18、x0.2);x=-1:.01:1;y=lagrange(x0,y0,x);%Lagrange 插值 ya=1./(1+25*x.2);plot(x,ya,x,y,:)例第27页，共85页，编辑于2022年，星期六 y1=interp1(x0,y0,x,cubic);y2=interp1(x0,y0,x,spline);plot(x,ya,x,y1,:,x,y2,-)第28页，共85页，编辑于2022年，星期六命令2 interp2 功能 二维数据内插值（表格查找）格式1 ZI=interp2(X,Y,Z,XI,YI)%返回矩阵ZI，其元素包含对应于参量XI与YI（可以是向量、或同型矩阵）的元素
19、。参量X与Y必须是单调的，且相同的划分格式，就像由命令meshgrid生成的一样。若Xi与Yi中有在X与Y范围之外的点，则相应地返回NaN。格式2 ZI=interp2(Z,XI,YI)%缺省地，X=1:n、Y=1:m，其中m,n=size(Z)。再按第一种情形进行计算。格式3 ZI=interp2(X,Y,Z,XI,YI,method)%用指定的算法method计算二维插值：linear：双线性插值算法（缺省算法）；nearest：最临近插值；spline：三次样条插值；cubic：双三次插值。第29页，共85页，编辑于2022年，星期六算例：years=1950:10:1990;servi
20、ce=10:10:30;wage=150.697 199.592 187.625 179.323 195.072 250.287 203.212 179.092 322.767 226.505 153.706 426.730 249.633 120.281 598.243;w=interp2(service,years,wage,15,1975)w=190.6288第30页，共85页，编辑于2022年，星期六例 x,y=meshgrid(-3:.6:3,-2:.4:2);z=(x.2-2*x).*exp(-x.2-y.2-x.*y);surf(x,y,z),axis(-3,3,-2,2,-0.
21、7,1.5)第31页，共85页，编辑于2022年，星期六选较密的插值点，用默认的线性插值算法进行插值 x1,y1=meshgrid(-3:.2:3,-2:.2:2);z1=interp2(x,y,z,x1,y1);surf(x1,y1,z1),axis(-3,3,-2,2,-0.7,1.5)第32页，共85页，编辑于2022年，星期六立方和样条插值：z1=interp2(x,y,z,x1,y1,cubic);z2=interp2(x,y,z,x1,y1,spline);surf(x1,y1,z1),axis(-3,3,-2,2,-0.7,1.5)figure;surf(x1,y1,z2),ax
22、is(-3,3,-2,2,-0.7,1.5)第33页，共85页，编辑于2022年，星期六算法误差的比较 z=(x1.2-2*x1).*exp(-x1.2-y1.2-x1.*y1);surf(x1,y1,abs(z-z1),axis(-3,3,-2,2,0,0.08)figure;surf(x1,y1,abs(z-z2),axis(-3,3,-2,2,0,0.025)第34页，共85页，编辑于2022年，星期六二维一般分布数据的插值功能:可对非网格数据进行插值格式:z=griddata(x0,y0,z0,x,y,method)v4:MATLAB4.0提供的插值算法，公认效果较好；linear：双
23、线性插值算法（缺省算法）；nearest：最临近插值；spline：三次样条插值；cubic：双三次插值。例：在x为-3，3，y为2，2矩形区域随机选择一组坐标，用 v4 与cubic插值法进行处理，并对误差进行比较。第35页，共85页，编辑于2022年，星期六 x=-3+6*rand(200,1);y=-2+4*rand(200,1);z=(x.2-2*x).*exp(-x.2-y.2-x.*y);x1,y1=meshgrid(-3:.2:3,-2:.2:2);z1=griddata(x,y,z,x1,y1,cubic);surf(x1,y1,z1),axis(-3,3,-2,2,-0.7,
24、1.5)z2=griddata(x,y,z,x1,y1,v4);figure;surf(x1,y1,z2),axis(-3,3,-2,2,-0.7,1.5)第36页，共85页，编辑于2022年，星期六误差分析 z0=(x1.2-2*x1).*exp(-x1.2-y1.2-x1.*y1);surf(x1,y1,abs(z0-z1),axis(-3,3,-2,2,0,0.15)figure;surf(x1,y1,abs(z0-z2),axis(-3,3,-2,2,0,0.15)第37页，共85页，编辑于2022年，星期六例：在x为3，3，y为2，2矩形区域随机选择一组坐标中，对分布不均匀数据，进行
25、插值分析。x=-3+6*rand(200,1);y=-2+4*rand(200,1);z=(x.2-2*x).*exp(-x.2-y.2-x.*y);%生成已知数据 plot(x,y,x)%样本点的二维分布 figure,plot3(x,y,z,x),axis(-3,3,-2,2,-0.7,1.5)，grid第38页，共85页，编辑于2022年，星期六去除在(-1,-1/2)点为圆心，以0.5为半径的圆内的点。x=-3+6*rand(200,1);y=-2+4*rand(200,1);%重新生成样本点 z=(x.2-2*x).*exp(-x.2-y.2-x.*y);ii=find(x+1).2
26、+(y+0.5).20.52);%找出满足条件的点坐标 x=x(ii);y=y(ii);z=z(ii);plot(x,y,x)t=0:.1:2*pi,2*pi;x0=-1+0.5*cos(t);y0=-0.5+0.5*sin(t);line(x0,y0)%在图形上叠印该圆，可见，圆内样本点均已剔除第39页，共85页，编辑于2022年，星期六用新样本点拟合出曲面 x1,y1=meshgrid(-3:.2:3,-2:.2:2);z1=griddata(x,y,z,x1,y1,v4);surf(x1,y1,z1),axis(-3,3,-2,2,-0.7,1.5)第40页，共85页，编辑于2022年，
27、星期六误差分析 z0=(x1.2-2*x1).*exp(-x1.2-y1.2-x1.*y1);surf(x1,y1,abs(z0-z1),axis(-3,3,-2,2,0,0.1)contour(x1,y1,abs(z0-z1),30);hold on,plot(x,y,x);line(x0,y0)误差的二维等高线图第41页，共85页，编辑于2022年，星期六命令3 interp3 三维网格生成用meshgrid()函数,调用格式:x,y,z=meshgrid(x1,y1,z1)其中x1,y1,z1为这三维所需要的分割形式，应以向量形式给出，返回x,y,z为网格的数据生成，均为三维数组。gri
28、ddata3()三维非网格形式的插值拟合命令4 interpn n维网格生成用ndgrid()函数,调用格式:x1,x2,xn=ndgridv1,v2,vn griddatan()n维非网格形式的插值拟合interp3()、interpn()调用格式同interp2()函数一致；函数一致；griddata3()、griddatan()调用格式同griddata()函数函数一致。一致。第42页，共85页，编辑于2022年，星期六例：通过函数生成一些网格型样本点，试根据样本点进行拟合，并给出拟合误差。x,y,z=meshgrid(-1:0.2:1);x0,y0,z0=meshgrid(-1:0.0
29、5:1);V=exp(x.2.*z+y.2.*x+z.2.*y).*cos(x.2.*y.*z+z.2.*y.*x);V0=exp(x0.2.*z0+y0.2.*x0+z0.2.*y0).*cos(x0.2.*y0.*z0+z0.2.*y0.*x0);V1=interp3(x,y,z,V,x0,y0,z0,spline);err=V1-V0;max(err(:)ans=0.0419第43页，共85页，编辑于2022年，星期六5.2.5样条插值的MATLAB表示第44页，共85页，编辑于2022年，星期六定义一个三次样条函数类：S=csapi(x,y)其中x=x1,x2,.,xn,y=y1,y2
30、,yn为样本点。S返回样条函数对象的插值结果，包括子区间点、各区间点三次多项式系数等。可用 fnplt()绘制出插值结果，其调用格式：fnplt(S)对给定的向量xp，可用fnval()函数计算，其调用格式：yp=fnval(S,xp)其中得出的yp是xp上各点的插值结果。第45页，共85页，编辑于2022年，星期六例：x0=0,0.4,1,2,pi;y0=sin(x0);sp=csapi(x0,y0),fnplt(sp,:);hold on,sp=form:pp breaks:0 0.4000 1 2 3.1416 coefs:4x4 double pieces:4 order:4 dim:
31、1 ezplot(sin(t),0,pi);plot(x0,y0,o)sp.coefsans=-0.1627 0.0076 0.9965 0 -0.1627 -0.1876 0.9245 0.3894 0.0244 -0.4804 0.5238 0.8415 0.0244 -0.4071 -0.3637 0.9093第46页，共85页，编辑于2022年，星期六在(0.4000,1)区间内，插值多项式可以表示为：第47页，共85页，编辑于2022年，星期六例点，用三次样条插值的方法对这些数据进行拟合 x=0:.12:1;y=(x.2-3*x+5).*exp(-5*x).*sin(x);sp=cs
32、api(x,y);fnplt(sp)c=sp.breaks(1:4)sp.breaks(2:5)sp.coefs(1:4,:),.sp.breaks(5:8)sp.breaks(6:9)sp.coefs(5:8,:)c=Columns 1 through 7 0 0.1200 24.7396 -19.3588 4.5151 0 0.4800 0.1200 0.2400 24.7396 -10.4526 0.9377 0.3058 0.6000 0.2400 0.3600 4.5071 -1.5463 -0.5022 0.3105 0.7200 0.3600 0.4800 1.9139 0.07
33、62 -0.6786 0.2358 0.8400 第48页，共85页，编辑于2022年，星期六Columns 8 through 12 0.6000 -0.2404 0.7652 -0.5776 0.1588 0.7200 -0.4774 0.6787 -0.4043 0.1001 0.8400 -0.4559 0.5068 -0.2621 0.0605 0.9600 -0.4559 0.3427 -0.1601 0.0356第49页，共85页，编辑于2022年，星期六格式 S=csapi(x1,x2,xn,z)处理多个自变量的网格数据三次样条插值类：第50页，共85页，编辑于2022年，星期
34、六 x0=-3:.6:3;y0=-2:.4:2;x,y=ndgrid(x0,y0);%注意这里只能用 ndgrid,否则生成的 z 矩阵顺序有问题 z=(x.2-2*x).*exp(-x.2-y.2-x.*y);sp=csapi(x0,y0,z);fnplt(sp);例第51页，共85页，编辑于2022年，星期六函数函数spline功能功能 三次样条数据插值三次样条数据插值格式格式 yy=spline(x,y,xx)例:对离散分布在y=exp(x)sin(x)函数曲线上的数据点进行样条插值计算：x=0 2 4 5 8 12 12.8 17.2 19.9 20;y=exp(x).*sin(x);
35、xx=0:.25:20;yy=spline(x,y,xx);plot(x,y,o,xx,yy)第52页，共85页，编辑于2022年，星期六第53页，共85页，编辑于2022年，星期六5.3 数据拟合用插值的方法对一函数进行近似用插值的方法对一函数进行近似,要求所得到的插值要求所得到的插值多项式经过已知插值节点多项式经过已知插值节点;在在n比较大的情况下比较大的情况下,插插值多项式往往是高次多项式值多项式往往是高次多项式,这也就容易出现振这也就容易出现振荡现象（龙格现象），即虽然在插值节点上没有荡现象（龙格现象），即虽然在插值节点上没有误差误差,但在插值节点之外插值误差变得很大但在插值节点之外插
36、值误差变得很大,从从“整体整体”上看上看,插值逼近效果将变得插值逼近效果将变得“很差很差”。所所谓谓数数据据拟拟合合是是求求一一个个简简单单的的函函数数,例例如如是是一一个个低低次次多多项项式式,不不要要求求通通过过已已知知的的这这些些点点,而而是是要要求求在在整整体体上上“尽尽量量好好”的的逼逼近近原原函函数数。这这时时,在在每每个个已已知知点点上上就就会会有有误误差差,数数据据拟拟合合就就是是从从整整体体上上使使误误差差,尽尽量的小一些。量的小一些。第54页，共85页，编辑于2022年，星期六5.3.1 多项式拟合n次多项式：曲线与数据点的残差为：残差的平方和为：为使其最小化，可令R关于
37、的偏导数为零，即：第55页，共85页，编辑于2022年，星期六或 或矩阵形式：第56页，共85页，编辑于2022年，星期六多项式拟合MATLAB命令：polyfit格式：p=polyfit(x,y,n)第57页，共85页，编辑于2022年，星期六 x0=0:.1:1;y0=(x0.2-3*x0+5).*exp(-5*x0).*sin(x0);p3=polyfit(x0,y0,3);vpa(poly2sym(p3),10)%可以如下显示多项式ans=2.839962923*x3-4.789842696*x2+1.943211631*x+.5975248921e-1例例第58页，共85页，编辑于2
38、022年，星期六绘制拟合曲线：x=0:.01:1;ya=(x.2-3*x+5).*exp(-5*x).*sin(x);y1=polyval(p3,x);plot(x,y1,x,ya,x0,y0,o)第59页，共85页，编辑于2022年，星期六就不同的次数进行拟合：p4=polyfit(x0,y0,4);y2=polyval(p4,x);p5=polyfit(x0,y0,5);y3=polyval(p5,x);p8=polyfit(x0,y0,8);y4=polyval(p8,x);plot(x,ya,x0,y0,o,x,y2,x,y3,x,y4)第60页，共85页，编辑于2022年，星期六拟合
39、最高次数为8的多项式：vpa(poly2sym(p8),5)ans=-8.2586*x8+43.566*x7-101.98*x6+140.22*x5-125.29*x4+74.450*x3-27.672*x2+4.9869*x+.42037e-6Taylor幂级数展开：syms x;y=(x2-3*x+5)*exp(-5*x)*sin(x);vpa(taylor(y,9),5)ans=5.*x-28.*x2+77.667*x3-142.*x4+192.17*x5-204.96*x6+179.13*x7-131.67*x8多项式表示数据模型是不唯一的，即是两个多项式函数完全不同。在某一区域内其曲
40、线可能特别近似。第61页，共85页，编辑于2022年，星期六多项式拟合的效果并不一定总是很精确的。x0=-1+2*0:10/10;y0=1./(1+25*x0.2);x=-1:.01:1;ya=1./(1+25*x.2);p3=polyfit(x0,y0,3);y1=polyval(p3,x);p5=polyfit(x0,y0,5);y2=polyval(p5,x);p8=polyfit(x0,y0,8);y3=polyval(p8,x);p10=polyfit(x0,y0,10);y4=polyval(p10,x);plot(x,ya,x,y1,x,y2,-.,x,y3,-,x,y4,:)例
41、例第62页，共85页，编辑于2022年，星期六用Taylor幂级数展开效果将更差。syms x;y=1/(1+25*x2);p=taylor(y,x,10)p=1-25*x2+625*x4-15625*x6+390625*x8多项式拟合效果 x1=-1:0.01:1;ya=1./(1+25*x1.2);y1=subs(p,x,x1);plot(x1,ya,-,x1,y1)第63页，共85页，编辑于2022年，星期六5.3.2 函数线性组合的曲线拟合方法第64页，共85页，编辑于2022年，星期六该方程的最小二乘解为:其中第65页，共85页，编辑于2022年，星期六例例第66页，共85页，编辑于
42、2022年，星期六 x=0,0.2,0.4,0.7,0.9,0.92,0.99,1.2,1.4,1.48,1.5;y=2.88;2.2576;1.9683;1.9258;2.0862;2.109;2.1979;2.5409;2.9627;3.155;3.2052;A=ones(size(x)，exp(-3*x),cos(-2*x).*exp(-4*x)，x.2;c=Ay;c1=cc1=1.2200 2.3397 -0.6797 0.8700第67页，共85页，编辑于2022年，星期六图形显示 x0=0:0.01:1.5;A1=ones(size(x0)exp(-3*x0),cos(-2*x0)
43、.*exp(-4*x0)x0.2;y1=A1*c;plot(x0,y1,x,y,x)第68页，共85页，编辑于2022年，星期六数据分析 x=1.1052,1.2214,1.3499,1.4918,1.6487,1.8221,2.0138,.2.2255,2.4596,2.7183,3.6693;y=0.6795,0.6006,0.5309,0.4693,0.4148,0.3666,0.3241,.0.2864,0.2532,0.2238,0.1546;plot(x,y,x,y,*)例例第69页，共85页，编辑于2022年，星期六分别对x,y进行对数变换：x1=log(x);y1=log(y)
44、;plot(x1,y1)第70页，共85页，编辑于2022年，星期六 A=x1,ones(size(x1);c=Ay1c=-1.2339 -0.2630 exp(c(2)ans=0.7687第71页，共85页，编辑于2022年，星期六 x=0:0.1:1;y=(x.2-3*x+5).*exp(-5*x).*sin(x);n=8;A=;for i=1:n+1,A(:,i)=x.(n+1-i);end c=Ay;vpa(poly2sym(c),5)ans=-8.2586*x8+43.566*x7-101.98*x6+140.22*x5-125.29*x4+74.450*x3-27.672*x2+4
45、.9869*x+.42037e-6例例第72页，共85页，编辑于2022年，星期六5.3.3 最小二乘曲线拟合第73页，共85页，编辑于2022年，星期六格式：a,jm=lsqcurvefit(Fun,a0,x,y)第74页，共85页，编辑于2022年，星期六例 x=0:.1:10;y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x);f=inline(a(1)*exp(-a(2)*x)+a(3)*exp(-a(4)*x).*sin(a(5)*x),a,x);第75页，共85页，编辑于2022年，星期六 xx,res=lsqcurvefit(f
46、,1,1,1,1,1,x,y);xx,resOptimization terminated successfully:Relative function value changing by less than OPTIONS.TolFunans=0.1197 0.2125 0.5404 0.1702 1.2300res=7.1637e-007第76页，共85页，编辑于2022年，星期六修改最优化选项：ff=optimset;ff.TolFun=1e-20;ff.TolX=1e-15;%修改精度限制 xx,res=lsqcurvefit(f,1,1,1,1,1,x,y,ff);xx,res 变量
47、界Optimization terminated successfully:Relative function value changing by less than OPTIONS.TolFunans=0.1200 0.2130 0.5400 0.1700 1.2300res=9.5035e-021第77页，共85页，编辑于2022年，星期六绘制曲线：x1=0:0.01:10;y1=f(xx,x1);plot(x1,y1,x,y,o)第78页，共85页，编辑于2022年，星期六例例 x=0.1:0.1:1;y=2.3201,2.6470,2.9707,3.2885,3.6008,3.9090
48、,4.2147,4.5191,4.8232,5.1275;第79页，共85页，编辑于2022年，星期六function y=c8f3(a,x)y=a(1)*x+a(2)*x.2.*exp(-a(3)*x)+a(4);a=lsqcurvefit(c8f3,1;2;2;3,x,y);aMaximum number of function evaluations exceeded;increase options.MaxFunEvalsans=2.4575 2.4557 1.4437 2.0720第80页，共85页，编辑于2022年，星期六绘制曲线：y1=c8f3(a,x);plot(x,y,x,y
49、1,o)第81页，共85页，编辑于2022年，星期六5.3.4 B样条函数及其MATLAB表示格式 S=spapi(k,x,y)第82页，共85页，编辑于2022年，星期六例例 x0=0,0.4,1,2,pi;y0=sin(x0);ezplot(sin(t),0,pi);hold on sp1=csapi(x0,y0);fnplt(sp1,-);%三次分段多项式样条插值 sp2=spapi(5,x0,y0);fnplt(sp2,:)%5 次 B 样条插值y=sin(t)和第83页，共85页，编辑于2022年，星期六 x=0:.12:1;y=(x.2-3*x+5).*exp(-5*x).*sin(x);ezplot(x2-3*x+5)*exp(-5*x)*sin(x),0,1),hold on sp1=csapi(x,y);fnplt(sp1,-);sp2=spapi(5,x,y);fnplt(sp2,:)第84页，共85页，编辑于2022年，星期六第85页，共85页，编辑于2022年，星期六