第3章_函数逼近.pptVIP

数值计算方法 第三章 函数逼近与曲线拟合 例：用 来拟合 ，w ? 1 解： ?0(x) = 1， ?1(x) = x， ?2(x) = x2 It is soooo simple! What can possibly go wrong? 7623 ) ( 4 63 || || 484, || || 1 = =  ? - ? = B cond B B * * 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，这些都涉及到在区间[a,b]上用简单函数逼近已知复杂函数的问题，这就是函数逼近问题。 插值法就是函数逼近问题的一种 仍然是已知 x1 … xm ; y1 … ym, 求一个简单易算的近似函数 P(x) ? f(x)。 但是 ① m 很大； ② yi 本身是测量值，不准确，即 yi ? f (xi) 这时没必要取 P(xi) = yi , 而要使 P(xi) ? yi 总体上尽可能小。 使误差在某种度量意义下最小 实例：考察某种纤维的强度与其拉伸倍数的关系,下表 是实际测定的24个纤维样品的强度与相应的拉伸倍数 是记录: 纤维强度随拉伸 倍数增加而增加 并且24个点大致分 布在一条直线附近 必须找到一种度量标准来衡量什么曲线最接近所有数据点 (1) 最小二乘法的基本概念 一般使用 在回归分析中称为残差 称为平方误差 在回归分析中称为残差平方和 从而确定(1)中的待定系数 注意(1)式是一条直线 因此将问题一般化 仍然定义平方误差 我们选取的度量标准是 ---------(2) ---------(3) 法方程组 由 可知 因此可假设 因此求最小二乘解转化为 二次函数 由多元函数取极值的必要条件 得 即 ---------(4) 即 引入记号 则由内积的概念可知 ---------(5) ---------(6) 显然内积满足交换律 方程组(4)便可化为 ---------(7) 将其表示成矩阵形式 -----(8) 并且其系数矩阵为对称阵 所以法方程组的系数矩阵非奇异,即 根据Cramer法则,法方程组有唯一解 即 是 的最小值 所以 因此 作为一种简单的情况, 基函数之间的内积为 平方误差 例1. 回到本节开始的实例，从散点图可以看出 纤维强度和拉伸倍数之间近似与线性关系 故可选取线性函数 为拟合函数，其基函数为 建立法方程组 根据内积公式，可得 法方程组为 解得 平方误差为 拟合曲线与散点 的关系如右图: 例2. 求拟合下列数据的最小二乘解 x=.24 .65 .95 1.24 1.73 2.01 2.23 2.52 2.77 2.99 y=.23 -.26 -1.10 -.45 .27 .10 -.29 .24.56 1 解: 从数据的散点图可以看出 因此假设拟合函数与基函数分别为 6.7941 -5.3475 63.2589 -5.3475 5.1084 -49.0086 63.2589 -49.0086 1002.5 1.6163 -2.3827 26.7728 通过计算,得法方程组的系数矩阵及常数项矩阵为 Go! 用Gauss列主元消去法,得 -1.0410 -1.2613 0.030735 拟合的平方误差为 图象如图 例3. 在某化学反应里,测得生成物浓度y%与时间t的 数据如下，试建立y关于t的经验公式 x=1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16 y=4.00,6.40,8.00,8.80,9.22,9.50,9.70,9.86,10.00, 10.20,10.32,10.42,10.50,10.55,10.58,10.60 解: 例： x y (xi , yi) , i = 1, 2, …, m 方案一：设 b ax x x P y + = ? ) ( 求 a 和 b 使得 最小。 ? = - + = m i i i i y b ax x b a 1 2 ) ( ) , ( j 线性化 /* linearization */：令 ，则 bX a Y + ? 就是个线性问题 将 化为 后易解 a 和b。 ) , ( i i Y X ) , ( i i y x Take it easy! We just have to linearize