6.5.2无约束非线性规划
函数 意义
FindMinimum[f,{x,x0}] 从点x=x0开始，求函数f局 部最小值 FindMinimum[f,{x,x0,x 1}] FindMinimum[f,{x,x0}, {y,y0},…] FindMinimum[f,{x,x0, xmin,xmax},{y,y0,ymin ,ymax},…] 以x0,x1作为x的开始两个 值，求局部最小值 求多自变量函数的极小值 (xmin,xmax),(ymin,ymax)局 部极小点的上下界估计值
6.3 曲线拟合
给定一组数据，Mathematica可按最小二乘法的原 理对这组数据进行线性拟合或n次多项式等曲线拟 合，调用函数格式： 函数 Fit[data,funs,vars] 意义 用变量为vars的函数 funs拟合一组数据 线性拟合,拟合函数形式 为a+bx 二次曲线拟合,拟合函数 形式为a+bx+cx2 n阶多项式拟合
6.5数学规划
6.5.1线性规划
函数 ConstrainedMax[f,{ine qualities},{x,y,…}] ConstrainedMin[f,{ine qualities},{x,y,…}] LinearProgramming[C, A,b] 意义 在不等式约束的区域 内求f的最大值 在不等式定义的区域 内求f的最小值 求使 C T X在A.x>=b和 x≥0下取得最小值的 矢量x
演示6.1.nb
6.1.3 分段区间上的插值 Interpolation[data,InterpolationOrder->r ] 若选项没有，则默认值为3，用最光滑的曲线 去近似。data数据可以是函数值，导数值等。 对表格形式数据的调用函数 ListInterpolation[data] 此函数也可用于多维插值
第6章 插值、拟合、数学规划
6.1 一元 插值 6.1.1插值函数中数据输入方式： data1={{x1,y1},{x2,y2},…,{xn,yn}} data2={y1,y2,y3,…} data3={{x1,{y1,dy1}},{x2,{y2,dy2}},…,} data4={{x1,y1,z1},{x2,y2,z2},…} data5=Table[fi,{I,imin,imax}] 6.1.2 整区间上的插值 InterpolatingPolynomial[data,x]
Fit[{f1,f2,…},{1,x},x]
Fit[{f1,f2,…},{1,x,x^2},x] Fi知函数为2e-x 1、求x从0到10的函数表（为近似值）。 2、求第一题所得数据的线性拟合。 3、求第一题所得数据的二次线性拟合。 4、把两次拟合的图形与原图形进行比较。
演示6.5.nb