所谓函数逼近问题即由已知的样本点数据求取能对其有较好拟合效果的函数表达式的方法。最简单地，可以由多项式拟合更多的样本点，这样求解使得拟合误差极小化的多项式的系数即为多项式拟合或逼近所要解决的问题，而由有理函数拟合多项式的Pade近似及MATLAB求解、给定函数原型的函数参数最小二乘拟合等都是很有效的函数逼近方法。本节将详细介绍这些函数逼近问题和几种常用的特殊函数及曲线绘制。包括：

2.1 多项式拟合

多项式拟合不能保证每个样本点都在拟合曲线上，但能使得整体的拟合误差较小。可以通过MATLAB提供的polyfit()函数实现。 
2.2给定函数的连分式展开及基于连分式的有理近似 
       MATLAB语言及符号运算未直接提供连分式展开的函数，但可以调用Maple中给出的cfrac()函数来求取函数的连分式展开，在调用该函数钱还需要将Maple的数论包用with()函数调入。

2.3 有理式拟合——Pade近似

编写MATLAB函数padefcn()来计算给定f(x)函数的Pade有理函数近似。

2.4 函数线性组合的曲线拟合方法

2.5 最小二乘曲线拟合

MATLAB最优化工具箱提供了lsqcurvefit()函数，可以解决最小二乘曲线拟合的问题。该函数调用格式为[a,Jm]=lsqcurvefit(Fun,a0,x,y)，其中Fun为原型函数的MATLAB表示

2.6 特殊函数及曲线绘制

在积分运算中，经常会发现某些函数是不可积的。这里其表示成特殊函数形式。

1.

2. 

1.

2.