第一章 数据拟合和最佳平方逼近.pptVIP

* 结束 本章讨论如何用函数y(x)逼近函数f (x)时，使其整体误差达到最小．整体误差有各种定义，其中常用的有误差的各种范数．下面介绍有关的数学概念： 第一章 数据拟合和最佳平方逼近 §1.1 拟合和逼近的概念 函数逼近是用较简单的函数y(x)近似代替函数f (x) ．如果函数是 连续函数f (x) ，通常就称为函数逼近，如果f (x)是一个离散的 数表，则常称为数据拟合． * 结束 定义1.1 对离散的 和 , 称为f和g的内积．这是我们已经知道的向量内积． 对连续的f (x)和g (x) ，有： 定义1.1* 设 , 称 为f (x)和g (x) 在[a,b]上的内积. 定义1.2 的范数定义 * 结束 定义1.2* f (x)?C[a,b]在[a,b]上的范数定义为 其中最小二乘法则算法最简单也最常用，当f (x)是离散数据时，称为最小二乘拟合；当f (x)是连续函数时，称为最佳平方逼近． 定义1.3 定义误差函数 ，若构造 y (x) 使　 ，称最小一乘法则； 使　 ，称最小二乘法则； 使　 ，称最佳一致逼近． * 结束 §1.2 数据拟合 现寻求一个函数 y (x)来逼近数据 使其在节点 xi 处的整体误差能达到最小． 设函数f (x)是一组数据 1.2.1 最小二乘函数拟合 定义1.4 对f (x)的一组数据 ，若存在函数 使 则称y (x)为f (x)在函数类?m中的最小二乘逼近函数． 定理1.1 最小二乘逼近函数存在且惟一． * 结束 证 记 由多元函数极值的必要条件有 定义m+1元函数 则有方程组 其中 * 结束 称方程组(7.2)为正规方程(法方程，正则方程)，写成矩阵形式有 当 线性无关时，方程组(7.3)的系数的行列式不等于0，方程组有一组惟一的解 有 * 结束 由(7.2)式有 数据拟合的余项 * 结束 为不超过m次的多项式集合，此时 1.2.2 多项式拟合(例子) 数据拟合最简单最常用的情况是用多项式函数作数据拟合. 　 记 * 结束 正规方程为 * 结束 有时也简记为 其中 求解此方程组就可得到最小二乘拟合多项式ym(x). * 结束 利用最小二乘法求该组数据的多项式拟合曲线 例1.1 设有如下数据 x 1 3 4 5 6 7 8 9 10 f (x) 10 5 4 2 1 1 2 3 4 解 将表中的数据点描绘在坐标纸上，可以看出这些点近似为一条抛物线． 故拟合曲线可取为 * 结束 i 1 1 10 1 1 1 10 10 2 3 5 9 27 81 15 45 3 4 4 16 64 256 16 64 4 5 2 25 125 625 10 50 5 6 1 36 216 1296 6 36 6 7 1 49 343 2401 7 49 7 8 2 64 512 4096 1 128 8 9 3 81 729 6561 27 243 9 10 4 100 1000 10000 40 400 求和 53 32 381 3017 25317 147 1025 xi yi xi2 xi3 xi4 xi yi xi 2yi 按如下表格计算比较方便 * 结束 拟合效果见图7－1 正规方程组为 解之得 a0=13.4597, a1 =－3.6053, a2 =0.2676 二次多项式拟合曲线方程为 * 结束 0 0.25 0.50 0.75 1.00 1.0000 1.2840. 1.6487 2.1170 2.7183 例1.2 设有数据,求其拟合多项式． i 1 0 1.0000 0 0 0 0 0