大连理工大学矩阵与数值第5章学案.ppt

例2 解 求 上关于 二次正交多项式族。 取 正交多项式的一些重要性质： 性质 2 性质 3 性质2和性质3是构造Gauss型求积公式的重要依据 性质 1 恰好是n次多项式， 是 的一组基底函数。 在 内恰有 个互异零点。 与次数低于 次的所有多项式正交。 第三部分 数据拟合的最小二乘法 这些数据往往带有随机的误差，如果利用这些数据按插值法求 与实际不符的结果。 的一组数据 假设有变量 的近似表达式，必然将误差带入函数关系式中，甚至可能得到 函数关系 满足线性关系 假设 例如， 称为散点图）时，这些点可能并不共线（但这些点又必然在直线 的周围），因此插值多项式不会是线性函数．只能另 而在xOy坐标平面上将以这组数据为坐标的点描出来（所得图形 最小二乘法是处理这类数据拟合 选办法确定关系式 问题的好方法。 最小二乘法的几何意义 设 为给定的一组数据求一个函数 使其满足 简称最小二乘法， 则称 为离散数据 的数据拟合的最小二乘法， 显然，求解 等价于求 的最小值点 为最小二乘解。 并称 令 得 即 进一步有， 称此方程组为法方程组。 写成矩阵形式为 根据散点图中散点的分布情况或根据经验确定拟合 建立并求解法方程组。 用最小二乘法做数据拟合问题的步骤是： 的曲线的类型； 求拟合下列数据的最小二乘曲线 例3 法方程组为： 解 解得 故所求直线方程是 即 以上讨论的是线性最小二乘拟合问题，即拟合函数是待定参量的线性函数，法方程组是线性方程组。但有时也会遇到非线性情形。 或 例如，已知拟合曲线方程的形式为 此时法方程组是非线性方程组（求解比较困难）： 我们可按如下方式将非线性问题转为线性问题： 取 ，记 则上述非线性问题就变为由观测数据 求最小二乘拟合曲线 这是个线性问题。 其中 ，令 那么 相应的值 求拟合下列数据的最小二乘曲线 取 例4 解 求最小二乘拟合曲线， 如表中所示。 则上述问题化为 即 解得 又 ，故所求曲线是 又例如，拟合曲线方程的形式为 或 可设 ，则得 又设 ，则得 。 第5章 插 值 与 逼 近 第一部分 插 值 本文主要介绍多项式插值方法 插值方法是数值分析中的一个简单而又重要的方法，利用该方法可以通过函数在有限个点处的函数值求出其近似函数，进而估算出函数在其它点处的值 插值方法在离散数据处理、函数的近似表示、数值微分、数值积分、曲线与曲面的生成等方面有重要的应用 (1) (2) 1、插值问题 以上问题称作插值问题， 称为插值节点， 关于节点组 的插值函数, 称为 （2）称为插值条件。 设已知函数 在若干个点处的函数值和导数值 构造一个简单易算的函数 ，使其满足下述条件： 在插值法中需考虑的问题： 简单函数类的选取问题 存在唯一性问题 余项估计问题 收敛性问题 2、代数多项式插值的基本概念 即在给定点 处， 与 是相等的。 假设 是定义在区间 上的未知或复杂函数 但已知该函数在互异点 处的函数值 (3) 我们的目标是找一个多项式函数 ， 使之满足条件 条件(3)称为 插值条件。 把 称为 的插值多项式 , 通常把 称为插值节点, 称为被插函数， 称为插值区间， 设 … … … 由插值条件可得 其系数矩阵的行列式是 Vandermonde 行列式 ，满足 这实际上就证明了代数多项式插值的存在唯一性。 （所有次数不超过 的实系数代数多项式 因此，在 的集合）中有唯一的多项式 3、Lagrange 插值公式 的情形， 且 构造一次多项式 ，满足条件： 考虑 给定 由直线的两点式可知： ，解之，得 进一步可改写成 其中 分别称其为关于节点 和 的插值基函数。 并且具有性质： 从而， 满足插值条件条件： 故 即为满足条件的一次Lagrange插值多项式。 插值基函数的个数=插值节点的个数； 注意： 插值基函数的次数=插值节点的个数-1； 插值基函数决定着插值多项式满足插值条件； 插值基函数与插值节点的次序无关。 , 满足条件： 且 构造二次多项式 的情形， 考虑 给定 进一步写成 其中 ，均为二次的插值基函数多项式，且满足 下面我们 以为例来确定出： 由条件l0(x1