第5章 最佳逼近.pptVIP

于是法方程组为： 所求经验公式为：f (x) =10.675 + 0.137 x3. 例5.1.7 用给定数据求经验公式：y = a ebx。 x 1 2 3 4 5 6 7 8 y 15.3 20.5 27.4 36.6 49.1 65.6 87.8 117.6 四、非线性拟合 在实际问题中，无论是一元函数或多元函数，在求最小二乘逼近时，拟合函数的形式往往是未知的。例如对于一元函数，拟合曲线究竟取多项式，还是三角函数，或指数函数或其它？ 解 线性化。对经验公式取自然对数 ln y = ln a + bx （令u = ln y ，b0 = ln a ，则 u=b0+bx） 代入数据的矛盾方程组 由法方程 ATAB=ATy，B =（lna, b) T, 即 所以 a = e2.4369 =11.4375. y =11.4375e0.2912x. 拟合曲线的残差平方和为： 拟合曲线的图形为 例5.1.8 在某化学反应里,测得生成物浓度y%与时间t的 数据如下，试建立y关于t的经验公式 t=1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16 y=4.00,6.40,8.00,8.80,9.22,9.50,9.70,9.86,10.00, 10.20,10.32,10.42,10.50,10.55,10.58,10.60 解 具有图示的图形的曲线很多，本题特提供两种形式： 两边取对数,得 得 即为拟合函数 基函数为 解法方程组得 残差的平方和为 用最小二乘法得 即 无论从图形还是从残差平方和考虑 在本例中指数函数拟合比双曲线拟合要好 残差的平方和为 §2. 最佳平方逼近 定义5.2.1 一、 内积空间 定义5.2.2 性质5.2.1 （Cauchy－Schwarz不等式） 定义5.2.3 定义5.2.4 不难算出 定义5.2.5 性质5.2.2 性质5.2.3 性质5.2.4 (勾股定理） 性质5.2.5 (平行四边形等式） 和一般的线性赋范空间不同，内积空间有更好的几何性质： 二、 函数的最佳平方逼近 上述问题等价于求多元函数 的最小值。 由多元函数取极值的必要条件 得 于是有 上述方程组称为正规方程组。也可以写为 例5.2.1 解 取基函数为 建立正规方程组： 根据内积公式，可得 正规方程组为： 所求拟合函数为： 例5.2.2 解 正规方程组为： 所求拟合函数为： 本题中，当用 n 次多项式拟合时，正规方程组 对应的系数矩阵为 n+1 阶的 Hilbert 矩阵。因 而当 n较大时，系数矩阵是高度病态的，求方 程组的解，舍入误差很大，这时要用正交多项 式做基函数，才能求得最小平方逼近多项式。 三、 正交多项式 从而，不需解方程组即可得到解 定义5.2.6 （一） 正交多项式的性质 性质5.2.6 性质5.2.7 * 第 5 章 函数最佳逼近 二、最佳平方逼近 一、离散最小二乘逼近 三、最优一致逼近 1．掌握最佳平方逼近以及多项式最小二乘拟合的基本方法与思想； 2．掌握常见非线性拟合的线性化技术； 重点：最佳平方逼近及最小二乘多项式拟合。 本章要求 §1. 离散最小二乘逼近 例5.1.1 考察某种纤维的强度与其拉伸倍数的关系,下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录: 科学试验、统计分析获得大量数据。 试确定因变量 y与自变量 x之间的近似表达式。 已知一组数据 (xi, yi), yi = f (xi)，i = 1,2,…, m。 方法一：插值 方法二：曲线拟合 或记 Q =(φ(x1) , φ(x2) ,…,φ(xm) ), Y = (y1, y2,…,ym), 则有 Q = Y. 构造插值函数φ(x) 来逼近 f (x), 则有 φ(xi) = f (xi) = yi, i = 1,2,…, m。 如果数据不能同时满足某个特定函数，而要求所求的逼近函数“最优地”靠近数据点，即向量Q与Y 的误差或距离最小。按 Q 与Y 的误差最小原则作为最优标准所构造出的函数，我们称为拟合函数。 拟合和插值都可构造逼近函数 当数据量特别大时一般不用插值法。这