文档介绍:精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
数 值 计 算 实;
end
k=k+1;
end
f=A(2,1);
g=1;
syms x
for i=1:n-1
g=g*(x-A(1,i));
f=f+B(i,i+1)*g;%求牛顿插值多项式
end
fprintf('牛顿插值法可得多项式:')
f
fprintf('牛顿插值法得到的多项式合并同类项后为:')
collect(f)% newton([1 3 6 8;4 6 9 12])
例:有如下表格中有四个插值点及其对应的函数值,用牛顿插值法写出其三次插值多项式:
1
3
6
8
4
6
9
12
解:
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
在matlab命令窗口输入:
newton([1 3 6 8;4 6 9 12])
可得如下运行结果:
牛顿插值法可得多项式:
f =
3+x+1/70*(x-1)*(x-3)*(x-6)
牛顿插值法得到的多项式合并同类项后为:
ans =
96/35+1/70*x^3-1/7*x^2+97/70*x
通过比较对同一题目的运算可知:拉格朗日插值法与牛顿插值法所得的插值多项式是一致的!
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
最小二乘法
最小二乘法基本原理:
最小二乘法是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法还可用于曲线拟合,这无疑就是我们数值分析所研究的最小二乘法很重要的一块的。设已知某一组观测数据,要求在某特定函数类寻求一个函数作为该组数据的近似函数,使得二者在上的残差 ,按某种度量标准为最小,这就是拟合问题。要求残差按某种度量标准为最小,即要求由残差构成的残差向量的某种范数为最小,现实生活中,我们用得最多的当然就是2范数了,,最小二乘法提供了一种数学方法,利用这种方法可以对实验数据实现在最小平方误差意义下的最好拟合。在曲线拟合中,函数类可有不同的选取方法,我们数值分析中用的最多的自然是最简单与我们最熟悉的多项式。
最小二乘法算法:
构造法方程组:
具体做法是针对已知的点的坐标,先求再求为所要拟合的多项式的次数。
2、解法方程组:根据1中构造的方程组,调用列主元高斯消元法(具体算法见列主元高斯消元法的试验)。
3、根据2中求出的法方程组的解构造拟合多项式:。
最小二乘法程序:
function leastsqu(A,n)%A代表离散点的坐标矩阵,第一行为自变量值,第二行为相对应的函数值
%n为要拟合的多项式的次数
[a,b]=size(A);
B=zeros(1,10);
C=zeros(1,10);
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
P=0;
Q=0;
D=zeros(n+1);
k=1;
g=0;
if b>n^2
s=b;
else
s=n^2;
end %一系列用到的变量或者矩阵
for i=1:s
for j=1:b
P=P+A(1,j)^(i-1);
Q=Q+A(1,j)^(i-1)*A(2,j);
end
B(i)=P;
C(i)=Q;
P=0;
Q=0;
end%for循环嵌套求法方程组的各项系数
for i=1:n+1
for j=i:n+i
D(i,k)=B(j);
k=k+1;
end
D(i,n+2)=C(i);
k=1;
end%for循环嵌套求法方程组增广矩阵