第二章插值拟合逼近.pptVIP

* 第二章 插值、拟合、逼近(2) Interpolation 、Fitting、Approximation §2 拟合 在科学技术的很多领域里，往往要从一组实验数据(xi，yi) (i = 1，2，?，m)出发，寻找自变量x与因变量y之间的函数 关系y = f(x)。由于所观察数据量大而且带有误差，所以没 有理由要求函数y = f(x)经过所有的点(xi，yi)。人们需要 求出在确定意义下的“整体”近似，这就是数据逼近研究的主 要内容。本节将要介绍数据的最小二乘拟合、正交多项式 和最佳平方逼近的基本方法和概念。 §2.1 曲线拟合的最小二乘法 常见的数据拟合问题可描述为，给定离散数据表 x x1 x2 ?? xm f(x) y1 y2 ?? ym 求拟合函数 使得 达到最小。这里，函数 称为拟合函数，式（2）称为拟合条件。 通常假设（1）中 是已给定的函数。 （1） （2） 数据拟合问题 拟合函数是一元函数时，所对应的函数图形是平面曲线。 数据拟合的几何背景是寻找一条近似通过给定离散点的曲线， 故称为曲线拟合问题。为了确定数据拟合问题，首先要选取 适当的函数类 例如，选用幂函数类 ,则 这就是多项式拟合函数。在实际问题中常用的拟合函数 类有指数函数类、三角函数类等等，可以根据实验数据的 分布特点来选取。 曲线拟合的最小二乘法 设函数 已选定，根据拟合条件 （2）确定拟合函数（1）中系数的方法称为最小二乘法。 拟合函数与数据表中函数在各结点上的差值 组成的向量称为残差，记为 残差向量r的分量平方和为 现在确定 使残差平方和最小，可令 即 由于是 未知数，将上式整理为 方程组（3）称为正规方程组，由它的解 可以确定拟合函数 （3） 线性拟合与多项式拟合 将拟合函数取线性函数或多项式函数是一种简单的数据拟合方法。 拟合函数 称为对数据的线性拟合。对于线性拟合问题，需要求函数 的最小值。 对两个变量求导数，得 令其等于零，得正规方程组 方程组 系数矩阵 方程组 右端项 超定方程组: GX=F ? 正规方程组: GTGX=GTF 超定方程组 例1. 已知实验数据如下,求线性拟合函数。 x 1 2 3 4 5 f(x) 4 4.5 6 8 9 ||r ||2 = 0.7583 残差向量: ? (1)－4= －0.40 ? (2)－4.5= 0.45 ? (3)－6= 0.30 ? (4)－8=－0.35 ? (5)－9= 0 ? (x)= 2.25+1.35 x 拟合函数 称为对数据的多项式拟合。对于多项式拟合问题，需要求函数 采用同样的方法，可得到正规方程组 方程组系数矩阵 方程组右端项 超定方程组: GX=F ? 正规方程组: GTGX=GTF 例2.求数据的二次拟合函数 P(x)=a0+a1x+a2x2 x 1 2 3 4 5 f(x) 4 4.5 6 8 9 二次拟合误差: || r ||2 = 0.6437 比较线性拟合误差: ||r ||2 = 0.7583 超定方程组的最小二乘解 给定数据表 x x1 x2 ·········· xm f(x) y1 y2 ·········· ym 拟合函数 ?(x)=a0 ?0(x) + a1 ?1(x) + ······ +an ?n(x) 为了进一步理解数据拟合的最小二乘方法，考虑如下线性方程组问题。 以矩阵符号记为：GX=F ·············· m n+1 超定方程组 ? GTGX=GTF 系数矩阵按列分块 GX=F ? GTGX=GTF ····· 正规方程组的解称为超定方程组的最小二乘解 取 求拟合函数: ?(x)=a0 ?0(x) + a1 ?1(x) 给定数表 x x1 x2 ·········· xm f(x) y1 y2 ·········· ym 用最小二乘法