数值20141105(广东工业大学)案例.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 性质3简要证明： 3.3.2 勒让德(Legendre)多项式 性质5 3.3.3 切比雪夫(Chebyshev)多项式 3.3.4 其他常用的正交多项式 1. 第二类切比雪夫多项式 2. 拉盖尔多项式 3. 埃尔米特多项式 §3.4 用正交函数系作最佳平方逼近 3.5 曲线拟合的最小二乘法 3.5.1 最小二乘曲线拟合的概念 对于f(x)插值问题,要想提高精度,就要增加节点,因此多项式的次数也就太高,计算量过大,而节点少,多项式的次数低,但误差精度不能保证,为了消除误差干扰,取多一些节点利用最小二乘法确定低次多项式近似表示f(x),这就是曲线拟合问题. 常以误差加权平方和最小为度量标准 用向量内积形式表示,上式可记 其矩阵的形式为 这个方程组称为法方程组或正规方程组。 由于向量组 是线性无关,故上述方程组的系数行列式 ，因而上述方程组存在唯一解： 最小平方误差为： 3.5.2 用多项式进行最小二乘曲线拟合 例3.5 试分别用二次和三次多项式以最小二乘拟合表中的数据，并比较优劣。 设二次拟合函数为 插值法是用多项式近似的表示函数,并要求在他们的某些点处的值相拟合.同样