ch03函数逼近与最小二乘法.ppt

第三章函数逼近与曲线拟合 函数逼近 问题 数值计算中经常要计算函数值，如计算机中计算基本 初等函数及其他特殊函数；(连续情形) 当函数只在有限点集上给定函数值，要在包含该点集 的区间上用公式给出函数的简单表达式.(离散情形) 这些都涉及到在已知区间上用简单函数逼近已 知复杂函数或未知函数的问题，这就是函数逼 近问题 插值方法就是一种逼近，要求在给定的节点处P(x) 与 f (x)相等（甚至导数值相等），因此在节点附近，逼近效果较好，而在远离节点的地方，由Runge现象知道，有时效果会很差。 函数逼近 由观测得到的实验数据不可避免地带有误差，甚至是 较大的误差，此时要求近似函数P(x)过全部已知点， 相当于保留全部数据误差，所以使用插值法不合理。 对逼近函数P(x)不必要求过给定的点，只要求总体上 尽可能小，即要求P(x)尽可能反映给定数据点的总体 趋势，在某种意义（要求或标准）下与函数最“逼近”。 ?函数逼近问题可叙述为：对函数类 A 中给定的函数 f(x) ，需要在另一类较简单的便于计算的函数类 B （B∈A）中，找一个函数P(x)，使P(x)与f(x) 之差在某种度量意义下达到最小。 最常见的两种度量标准 一致逼近（均匀逼近） 以 作为度量误差f(x)- P(x) 的 “大小” 标准。 平方逼近（均方逼近） 以 作为度量误差f(x)- P(x) 的 “大小” 标准。 预备知识 线性空间、线性相关、线性无关 基、维数、有限维空间与无限维空间 常见线性空间：Rn 、Hn、C[a, b]、 Cm[a, b] 赋范线性空间 C[a, b] 2-范数： ?-范数： 1-范数： 线性空间 C[a, b] ，f(x)?C[a, b] ，等号当且仅当 u = 0 时成立 内积空间 内积空间 设 X 是数域 K (R 或 C) 上的线性空间，对 ? u, v ?X 有 K 中的一个数 (u, v) 与之对应，且满足 称 (u, v) 为 X 上的内积，定义了内积的线性空间称为内积空间 内积空间 定理 设 X 是一个内积空间，对 ? u, v ?X 有 Cauchy-Schwarz 不等式 内积 内积导出范数： 内积 例：Cn 上的内积： 加权内积 ?1, ?2, ?, ?n 为正实数 权函数 权函数 设 ? (x) 是 [a, b] 上的非负函数，满足 ，存在且为有限值 对 [a, b] 上的任意非负连续函数 g(x) ， 则称 ? (x) 是 [a, b] 上一个权函数 [a, b] 可以是无限区间，即 a, b 可以是无穷大 权函数与定义区间有关 若 ， 则 (k = 0, 1, 2, … ) 常见的权函数 常见的权函数 带权内积 带权内积 设 ? (x) 是 [a, b] 上的权函数， f(x), g(x) ? C[a, b] 正交函数族 定义 设 f(x), g(x) ? C[a, b]， ? (x) 是 [a, b] 上的权函数，若 则称 f(x) 与 g(x) 在 [a, b] 上 带权 ? (x) 正交 举例 例：三角函数系 1， cos x，sin x，sin 2x，cos 2x，… 在 [-?, ?] 上是带权 ? (x)=1 的正交函数族 正交多项式 定义 设 ?n(x) 是首项系数不为 0 的 n 次多项式，若 则称 为 [a, b] 上带权 ? (x) 正交 称 ?n(x) 为 n 次正交多项式 设 是 [a, b] 上带权 ? (x) 的正交多项式族，则?n(x) 在 (a, b) 内有 n 个不同的零点 性质 1 正交多项式 性质 2 设 是 [a, b] 上带权 ? (x) 的正交多项式族，则对 ? p(x)?Hn-1，有 只要给定区间[a,b]及权函数ρ(x), 均可由一族线性无关的幂函数 { 1 , x , … , xn , … } 利用逐个正交化手续(Gram-Schmidt正交化方法)： 构造出正交多项式序列? 。 正交多项式 Legendre 多项式 Chebyshev 多项式 第二类