2.函数逼近答题.ppt

第 3 章函数逼近与曲线拟合 3.1.2 范数与赋范线性空间 3.1.3 内积与内积空间 3.2 正交多项式 3.2.2 勒让德多项式 3.2.3 切比雪夫多项式 3.4 最佳平方逼近 3.4.2 用正交函数族作最佳平方逼近 3.5 曲线拟合的最小二乘法 本章小结 函数逼近的基本概念 范数、内积、赋范线性空间 正交多项式 勒让德多项式，切比雪夫多项式 最佳平方逼近及其计算 曲线拟合的最小二乘法 例8 设数据 由表3-1给出， 用最小二乘法确定 及 . 解 表中第4行为 通过描点可以看出数学模型为 它不是线性形式. 用给定数据描图可确定拟合曲线方程为 两边取对数得 若令 先将 转化为 为确定 ， 根据最小二乘法，取 则得 数据表见表3-1. 得 故有法方程 解得 于是得最小二乘拟合曲线为 利用下面的程序，可在Matlab中完成曲线拟合. x=[1.00 1.25 1.50 1.75 2.00]; y=[5.10 5.79 6.53 7.45 8.46]; y1=log(y); aa=poly(x,y1,1); a=aa(1); b=exp(aa(2)); y2=b*exp(a*x); plot(x,y,’r+’,x,y2,’k’) xlabel(‘x’); ylabel(‘y’); gtext(‘y=a*exp(bx))’; 由（4.1）可知该问题等价于求多元函数 （4.2） 的最小值. 是关于 的二次函数， 即 利用多元函数求极值的必要条件 于是有 （4.3） 这个关于 的线性方程组，称为法方程. 由于 线性无关，故 是 在 中的最佳平方逼近函数. 方程组（4.3）有唯一解 从而得到 若令 （4.5） 则平方误差为 若取 中求 次最佳平方逼近多项式 则要在 此时 若用 表示 对应的矩阵， （4.6） 称为希尔伯特(Hilbert)矩阵. 记 （4.7） 的解 即为所求. 则 例5 设 求 上的一次最佳平方 解 得方程组 逼近多项式. 利用（4.7），得 解之 故 平方误差 最大误差 设 若 是满足条件(2.2)的正交函数族， 而 故法方程（4.3）的系数矩阵, 则 为非奇异对角阵 （4.8） 于是 在 中的最佳平方逼近函数为 （4.9） 方程（4.3）的解为 由（4.5）可得均方误差为 （4.10） 定理7 设 考虑函数 （4.13） 的最佳平方逼近多项式， 是由（4.9）给出的 其中 是正交多项式族， 则有 展开， 由(4.8)，(4.9)可得 按勒让德多项式 根据均方误差公式(4.10)，平方误差为 （4.15） 由定理7可得 其中 （4.14） 例6 求 在 上的三次最佳平方逼近多项式. 解 先计算 由系数计算公式(4.14) 得 代入(4.13) 得三次最佳平方逼近多项式 最大误差 均方误差 于是 在 上可用勒让德多项式做最佳平方逼近多项式 从而得到区间 上的最佳平方逼近多项式 如果 求 上的最佳平方逼近多项式， 做变换 3.5.1 最小二乘法及其计算 在函数的最佳平方逼近中 如果 只在一组离散点集 上给定，这就是科 学实验中经常见到的实验数据 的 曲线拟合. 记误差 则 的各分量分别为 个数据点上的误差. 问题为利用 求出一个函数 与所给数据 拟合. 设 是 上线性无关函数族， 在