5函数逼近与曲线拟合.docVIP

第5章 函数逼近与曲线拟合 上一章讨论的是函数插值问题，通常都是用一个多项式来代替一个已知的函数，它们在给定的插值基点上有相同的函数值，是对原函数的一种近似。然而，在实际应用中插值问题仍有明显的缺点：对于有解析式的函数而言，在其它点上误差可能很大，如龙格现象；对于离散（表）函数而言，给定的数据点本身是有误差的，刚性地让插值函数通过这些点不仅没有意义，而且会影响对原函数的近似程度。另外，泰勒展示也是对连续函数的一种低阶近似，它在展开点附近误差较小，但在展开点远处，误差会很大。 本章讨论在新的函数误差度量条件下的函数近似问题，对连续函数称之为函数逼近问题，对于离散函数称之为曲线拟合问题。主要内容有：函数最佳逼近的概念，正交多项式，最佳均方逼近与最小二乘曲线拟合问题等。 5.1 函数最佳逼近的概念 希望能有一种方法寻求出一个近似多项式，使它在整个区间上既均匀的逼近，所需的计算量又小，这就是函数逼近要解决的问题。为了刻划“均匀逼近”，设是定义在区间[a,b]上原函数的近似多项式。我们用来度量与近似逼近程度。这样，自然地会有下面两种不同的度量标准： （5-1） 使用这个度量标准的函数逼近称为均方逼近或平方逼近； （5-2） 使用这个度量标准的函数逼近称为一致逼近或均匀逼近。 关于一致逼近的问题，在数学分析中有以下结论。设函数在区间[a,b]上连续，若，则存在多项式使，在区间[a,b]上一致成立。对于函数插值而言，如果插值余项也能满足对任意的，都成立的话，则插值多项式是的一致逼近多项式。如分段线性插值多项式，可惜的是分段线性插值多项式的光滑程度不好，而大多数的插值多项式不满足一致逼近的条件。对于一致逼近，在此不予进一步讨论，本章仅讨论最佳均方逼近。 最佳均方逼近是以函数的2-范数来度量近似程度的，为此首先引入函数内积的概念。 连续意义下函数的内积定义为 （5-3） 其中为给定的权函数。由此定义连续意义下的欧氏范数即2-范数为 （5-4） 设有点列，并且。记函数在点列处的值向量为 离散意义下内积定义为函数值的内积 （5-5） 其中为给定的权数。由此定义离散意义下的欧氏范数即2-范数为 （5-6） 两种意义下的实内积都满足非负性、可交换性、齐次性、可加性和正定性，欧氏范数都满足正定性、齐次性和三角不等式。若两个函数的内积等于零，称这两个函数正交。 5.2 最佳均方逼近 5.2.1 最佳均方逼近 记是次数不超过次的多项式全体。若存在，使 （5-7） 则称是在上的最佳均方逼近多项式。 设，则求最佳均方逼近多项式，就是求一组系数使 由于积分是待定系数的多元函数，记做，则由多元函数极值的必要条件可得方程组 整理后得 （5-8） 称为法方程，记其系数矩阵为，即 （5-9） 在后面将证明，从而可唯一确定出，使为所求的最佳均方逼近多项式。 设，求上的一次最佳均方逼近多项式。 解 设，由法方程形式可知 所以 而 于是法方程为 解出 故 其均方误差 . 5.2.2 最佳均方逼近函数的存在性 定理5-1 函数组在上线性无关的充要条件是由它们内积构成的行列式（称为克莱姆行列式） 证明 设存在一组数使 依次用与上式两端做内积，有 这是一个关于的齐次线性方程组，由克莱姆法则，该方程组有唯一零解的充要条件是。所以当时，只有零解，线性无关；若线性无关，方程组有零解，此时。 例如，由于函数组在任意区间上是线性无关的，则其构成的克莱姆行列式 设不超过n次的多项式是上的连续函数且线性无关，则其可以作为不超过n次的多项式空间的一组基。令是任意实数，由线性代数可知它们线性组合的全体 构成一个线性空间，称为由生成的线性空间，记作 定理5-2 设是上的连续函数，则存在唯一的，使 并且有 证明 记 求最佳均方逼近函数等价于求一组系数，使多元函数达到最小。由多元函数极值的必要条件，有 整理后可得法方程 即 （5-10） 亦即 这是关于待定系数的一个非齐次线性方程组。由于线性无关，由定理5-1，该方程组有唯一解，使。 下面再证明这样得到的确实为最佳均方逼近函数，即 令 其中 从而 即有 以下求均方误差。由于 由法方程（5-10）式，得 从而 即与正交，故与空间正交，得