Matlab的提供了两个求非线性最小二乘拟合的函数lsqcurvefit

Rnmam1 yn1 (m n) ，用 a R \ y
可得最小二乘意义下的解。 3)多项式在x处的值y可用以下命令计算： y=polyval（a，x）
例
对下面一组数据作二次多项式拟合
xi 0.1 0.2 0.4 0.5 0.6 0.7 0.8 0.9 1 11.2 yi 1.978 3.28 6.16 7.34 7.66 9.58 9.48 9.30
c (g/ml) 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01
求血药浓度随时间的变化规律c(t). 作半对数坐标系(semilogy)下的图形
10
2
MATLAB(aa1)
10
1
c(t ) c0 e
kt
c, k为待定系数
0 2 4 6 8
+ +
+
+
f=aebx +
-bx f=ae + +
+ +
+ + +
+
+ +
二、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
1. 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) 输出拟合多项式系数 a=[a1, …am , am+1] (数组)） 2) 对超定方程组 输入同长度 的数组X，Y 拟合多项 式次数
10
0
曲线拟合问题的提法
已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数 据点最为接近，即曲线拟合得最好。 y + +
+
+
+ i (x+ i,yi)
+ +
+
y=f(x)
x
i 为点（xi,yi) 与曲线 y=f(x) 的距离
x f 1 1.5 2 3.9 4 6.6 7 11.7 9 15.6 12 13 18.8 19.6 15 20.6 17 21.1
MATLAB(cn)
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
第一步:先选定一组函数 r1(x), r2(x), …rm(x), m<n, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) 其中 a1,a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： （ 1）
其中
定理：当RTR可逆时，超定方程组（3）存在最小二乘 解，且即为方程组 RTRa=RTy 的解：a=(RTR)-1RTy
线性最小二乘拟合 中函数{r1(x), …rm(x)}的选取 1. 通过机理分析建立数学模型来确定 f(x)； 2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f(x)： f=a1+a2x + + + + + f=a1+a2/x + + + f=a1+a2x+a3x2 + + + + + + + f=a1+a2x+a3x2
则称a为上述超定方程的最小二乘解。
线性最小二乘法的求解
所以，曲线拟合的最小二乘法要解决的问题，实际上就是 求以下超定方程组的最小二乘解的问题。
Ra=y （3） r1 ( x1 ) rm ( x1 ) a1 y1 , a , y R am yn r1 ( xn ) rm ( xn )
即 Ra=y
r1m a1 y1 , y , a rnm am yn
wenku.baidu.com
超定方程一般是不存在解的矛盾方程组。
2 ( r a r a r a y ) 如果有向量a使得 i1 1 i 2 2 达到最小， im m i i 1 n
线性最小二乘法的求解：预备知识
超定方程组：方程个数大于未知量个数的方程组
r11a1 r12 a2 r1m am y1 ( n m) r a r a r a y nm m n n1 1 n 2 2
r11 R 其中 rn1 r 12 rn 2
拟合与插值的关系
问题：给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： •若要求所求曲线（面）通过所给所有数据点，就是插值问题； •若不要求曲线（面）通过所有数据点，而是要求它反映对象 整体的变化趋势，这就是数据拟合，又称曲线拟合或曲面拟合。
函数插值与曲线拟合都是要根据一组数据构造一个函数作 为近似，由于近似的要求不同，二者的数学方法上是完全不同 的。 实例：下面数据是某次实验所得，希望得到X和 f之间的关系？
数学建模与数学实验
第14讲 拟合
后勤工程学院数学教研室
实验目的
1.直观了解拟合基本内容。 2.掌握用数学软件求解拟合问题。
实验内容
1.拟合问题引例及基本理论。 2.用数学软件求解拟合问题。 3.应用实例 4.实验作业。
一、拟
合
1. 拟合问题引例 2.拟合的基本原理
拟合问题引例1
0C) 20.5 32.7 51.0 73.0 95.7 温度 t( 已知热敏电阻数据：
使n个点（xi,yi) 与曲线 y=f(x) 的距离i 的平方和最小 。
记
J (a1 , a2 , am ) i2 [ f ( xi ) yi ]2
i 1 n i 1
n
n
[ ak rk ( xi ) yi ]2
i 1 k 1
m
(2)
问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。
电阻R() 765 求600C时的电阻R。
1100 1000 900 800 700 20
826
873
942 1032
设 R=at+b a,b为待定系数
40
60
80
100
拟 合 问 题 引 例 2
已知一室模型a静脉注射下的血药浓度数据(t=0注射300mg) t (h) 0.25 0.5 1 1.5 2 3 4 6 8