函数逼近与曲线拟合案例.doc

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