7曲线拟合与函数逼近(阅读).pptVIP

第7章 曲线拟合与函数逼近 线性拟合： 定义 例： 二次拟合函数： 例： 定理 定理 例： §2 正交多项式与最小二乘拟合 例： §3 函数的最佳逼近 ? 切比雪夫多项式 ? Chebyshev 多项式的其它应用 §3 Optimal Approximation v 2.1 在[ ?1, 1]上求{ x1, …, xn } 使得 的||wn||? 最小。 ? = - = n i i n x x x w 1 ) ( ) ( 注意到 ，要使||wn||? 最小就意味着 ) ( ) ( 1 x P x x w n n n - - = v 3.0 在[ ?1, 1]上求函数 xn 的n?1阶 OUAP。 由Chebyshev定理可推出：Pn?1(x) 关于xn 有n+1个偏差点，即wn(x)在 n+1个点上交错取极大、极小值。 v 3.1 在[ ?1, 1]上求切比雪夫交错组{ t1, …, tn+1 } 。 /* Chebyshev polynomials */ §3 Optimal Approximation 考虑三角函数 cos(n? ) 在[ 0, ? ] 上的 个极值点。 n + 1 当 时， cos(n? )交错达到极大值 1 和极小值 ?1 ，且存在系数 a0, …, an 使得 ? 令 x = cos(? ) ，则 x ?[ ?1 , 1 ]。 ) cos arc cos( ) cos( ) ( x n· n x T n = = q 称为Chebyshev多项式 ? Tn 的重要性质： ? 当 时， 交错取到极大值 1 和极小值?1，即 1 ? 当 时 ，即 {x1, …, xn } 为Tn(x)的n个零点。 §3 Optimal Approximation ? Tn(x)满足递推关系： T0(x) = 1， T1(x) = x， Tn(x)为 n 次多项式，首项系数为 。且T2n(x)只含 x 的 次幂， T2n+1(x)只含x 的 次幂。 2n?1 偶 奇 ? { T0(x), T1(x), … } 是[ ?1 , 1 ]上关于权 正交的函数族。即在内积 的意义下有 OKOK, I think it’s enough for us… What’s our target again? v 3.1 在[ ?1, 1]上求切比雪夫交错组{ t1, …, tn+1 } 。 v 3.0 在[ ?1, 1]上求函数 xn 的n?1阶 OUAP。 * 法方程为： 5 a + 0.25 b = 9.27 0.25 a + 2.8125 b = 5.005 解得: a=1.7729017857142857 b=1.6219642857142857 误差平方和为：0.44816919642857134 5.000000 a + 25.000000 b + 151.000000 c = 136.000000 25.000000 a + 151.000000 b + 1015.000000 c = 940.000000 151.000000 a + 1015.000000 b + 7219.000000 c =6766.000000 a=-3.0 b=0.0 c=1.0 Sample Judge Program #include stdio.h #include math.h #define MAX_m 200 #define MAX_n 6 #include12.h ? double f1 ( double x ) { return sin(x); } ? double f2 ( double x ) { return exp(x); } ?