Ch31数值分析方法(阅读).pptVIP

* §1 引言 第三章 函数与数据的逼近 1．函数逼近 一、背景知识 方法： 两类逼近 函数逼近 数据逼近 （1）用在 点Taylor多项式逼近函数f(x) Taylor公式： 在[a,b]上各阶导数 存在且连续， 则有误差： 且当 时,有误差估计： 取 且有： 说明： (a)x越接近x0，误差越小； 越偏离x0，误差越大。 (b) 在[a,b]上要提高pn(x) 逼近f(x)的精度，就要 提高pn(x)的次数，这就 使得计算量增大。 （2）用插值多项式逼近函数 已知 ，则存在唯一插值多项式 , ，其中 互不相同， 使 于是 存在问题 (a) x偏离x0，误差很大。 (b) n较大时计算量增大。 存在问题 误差分配不均匀（龙格现象）。 可能很好地逼近 ，也可能使误差 较大。 说明： 逼近 在n+1个节点上无误差，当 时， 解 展开的4次Taylor多项式逼近 。 用在 且有 因此 在整个区间[-1，1]不是 均匀分布，如图示。 （a）精度都较高； 特点： （b）方法简单； 例1 设 ，考查用4次Taylor多项式 逼近 的误差。 （c）条件高（高阶导数存在）；误差不均匀；测量的 其中 在x和0之间。 误差 随x增加而增加， （x0类似） 数据 不准确。 2．数据逼近 ，用较简单和合适 的函数来逼近（或拟合）实验数据。 假设选用n次插值多项式 n+1个未知量 m个方程 即 要满足 ，方程组的解有可能不唯一确定，因此，不能要求 由于 精确成立， 给定的数据。也就是要允许每个等式可以稍有偏差，但偏差又尽可 n+1m 已知 实验数据 能的小。 而仅仅要求多项式尽可能接近 若方程组的解不能唯一确定，该方程组为一矛盾方程组。 二、问题的提出 1．函数逼近 设 上的连续函数，寻求一个近似函数 ，使 在[a，b]上均匀逼近 。 2．数据逼近 已知 , 求n次多项式 使 能更好地逼近 或修正 的误差。 三、解决的方法 函数逼近：采用最佳逼近 离散数据：采用最小二乘逼近 两个函数类： 代数多项式；三角多项式；分式有理函数 另外： 数学提法： 函数逼近的两种度量： 最佳一致逼近 寻求次数 的多项式p*n(x)，使 的n次最佳一致逼近多项式。相应 的逼近问题称为最佳一致逼近问题（或称为极大极小逼近，或称为 理论上可以证明，对 存在且唯一。 多项式 次最佳一致逼近 切比雪夫（Chebyshev）逼近，）。 2 . 最佳平方逼近 均方误差 其中权函数 满足： 这种逼近问题称为最佳平方逼近问题。 中的最佳平方逼近多项式。 3.最小二乘逼近（拟合） 已知 求 使 的最小二乘逼近 （拟合）多项式或称为y=f (x)的经验公式(数学模型)。该问题称为 最小二乘问题。 寻求 使 离散数据逼近的度量： §2 连续函数空间，正交多项式理论 预备知识 2.1 连续函数空间 连续函数空间={连续函数集合上定义加法、数乘} 则f(x)是连续函数空间的元素 —引入内积与范数(或称为模(不同于向量的模))。 1.内积 性质 范数是C[a，b]中的一种度量。 2.范数 定义1 满足: 思考： 内积定义中的(f，f)是否是范数 ？ 的某个实值非负函数 关于函数 不是 定义2 (1) （或Chebyshev范数）。 称 为f 的“2”范数（或模）。 （2）若 可以验证 满足范数的3个条件 。 自己证 定理1 （1）哥西-许瓦兹(Cauchy-Schwarz)不等式： （2）三角不等式： 则有 证明： 则有 即 （1）对 （2）因为 则 实数三角不等式 哥西-许瓦兹不等式 3．距离概念 定义3 定义4（1）若 4．正交函数组 上带权正交函数组。 (3)若 上带权标准正交组。 即 *