牛頓迭代法及最小二乘法
阿新 • • 發佈:2019-01-22
1、牛頓迭代法
牛頓迭代法法是一種計算近似根演算法,對於給定的複雜函式f(x),常用來求該函式在給定初始值x0附近的近似根。該演算法很簡單,就是一個迭代的過程:
迭代終止條件可設為:
matlab程式碼實現:
function y=mulNewton(a,n,x0,eps1) x(1)=x0; b=1; i=1; while(norm(b)>eps1) %%迭代終止條件 公式(2) i=i+1; x(i)=x(i-1)-n_f(a,n,x(i-1))/n_df(a,n,x(i-1)); %%公式(1) b=x(i)-x(i-1); end y=x(i); i end function y=n_f(a,n,x)%方程的函式 y=0.0; for i=1:n+1 y=y+a(i)*x^(n-i+1); end end function y=n_df(a,n,x)%方程一階導數的函式 y=0.0; for i=1:n y=y+a(i)*(n+1-i)*x^(n-i); end end
2、最小二乘法
概念
最小二乘法多項式曲線擬合,根據給定的m個點,並不要求這條曲線精確地經過這些點,而是曲線y=f(x)的近似曲線y= φ(x)。
原理
給定資料點pi(xi,yi),其中i=1,2,…,m。求近似曲線y= φ(x)。並且使得近似曲線與y=f(x)的偏差最小。近似曲線在點pi處的偏差δi= φ(xi)-y,i=1,2,...,m。
偏差平方和最小原則:
按偏差平方和最小的原則選取擬合曲線,並且採取二項式方程為擬合曲線的方法,稱為最小二乘法。
matlab程式碼實現:
注:利用MATLAB自帶的最小二乘法函式ployfit()和ployval() 實現。
clc;
x=[0.5,1.0,1.5,2.0,2.5,3.0];
y=[1.75,2.45,3.81,4.80,7.00,8.60];
p=polyfit(x,y,2)%%最小二乘法函式,解出擬合曲線係數,放到P中
x1=0.5:0.05:3.0;
y1=polyval(p,x1);%%多項式曲線求值函式,返回對應自變數x在給定係數P的多項式的值。
plot(x,y,'*r',x1,y1,'-b')