《数值分析》插值与逼近讲述.ppt

函数的最佳平方逼近 定义 设是f(x)?C[a, b], ?0(x),?1(x), ?,?n(x)为 [a, b]上的一组线性无关的函数, ?=Span{?0(x),?1(x), ?,?n(x)},若存在? *(x)??, 使得 则称? *(x)是f(x)在?中的最佳平方逼近函数. 求解?*(x)?? ，等价于求多元函数 的极小值，由多元函数极值的必要条件有 (*) ?0(x),?1(x),?,?n(x)线性无关,法方程(*)的系数矩阵非奇 异，方程组有唯一解ai = ai*, i=0,1,?,n. 可证明?? (x)??, ??f-?*??22???f-???22 误差δ(x)= f(x)-?*(x) ,由于(f-?*,?*)=0， 最佳逼近误差 ??δ??22=?? f-?*??22=(f-?*, f-?*) =(f, f)-(?*, f) 特例：取f(x)?C[0, 1], [a, b]= [0, 1], ?(x)=1, ?i(x)=xi,(i=1,2,…,n), ?=Span{1,x,x2, ?,xn},相应 法方程的系数矩阵为Hilbert矩阵Hn，当n?3时 是病态的，这时可取正交多项式作为?的基求解最佳逼近多项式. 若?0(x),?1(x),?,?n(x)是带权正交函数系时，直接有 f(x)在?中的最佳平方逼近函数为 若取?0(x),?1(x),?,?n(x)是带权正交多项式系时，便得 f(x)在?中的最佳平方逼近多项式. 预备知识 定义 若内积 则称f(x)与g(x)关于点集{xi,i=0,1,,m}带权?(xi)正交. 定义 若序列 关于点集{xi,i=0,1,,m}带权?(xi)两两正交 即 则称 是关于点集{xi,i=0,1,,m}带权?(xi)的正交函数系 ; 若?n(x)是首项系数非零的n次多项式，则称 是 关于点集{xi,i=0,1,,m}上带权?(xi)的正交多项式系；称 ?n(x) 是关于点集{xi,i=0,1,,m}带权?(xi)的n次正交多项式. 正交多项式系的生成 定理 关于点集{xi,i=0,1,,m}上带权函数?(x)的正交多项 式序列 , 若最高项系数为1，则它是唯一的， 且由如下递推公式确定 ?0(x)=1, ?1(x)=x-?0, ?n+1(x)=(x-?n)?n(x)-?n?n-1(x), n=1,2,? 其中 曲线拟合的最小二乘法 离散情形最佳平方逼近问题：求? *(x)??, 使 又称之为曲线拟合的最小二乘法、 求解? *(x)?? ，等价于求多元函数 的极小值. 得法方程 其中 法方程解存在且唯一.求解有ak=ak*,得唯一最小二乘逼近函数 这里采用线性最小二乘逼近，即 非线性模型?线性模型 选取恰当的模型(函数类? )：模型的选取影响逼近效果. 常用?=Span{1,x,x2, ?,xn},当n较大时,法方程病态, 可采用正交多项式系. 。 若?0(x),?1(x),?,?n(x)是正交多项式系，得最小二乘逼近多项式 其中 以??δ??22=?? f-?*??22= 控制算法终止或n事先给定. 例 P165 例3.14, 例3.15 * * 第一边界条件 s(a)= f(a) , s(b)= f(b) 第二边界条件(自然边界条件) s??(a)= f??(a) , s??(b)= f??(b) 特别地， s??(a)= 0 , s??(b)= 0 (自然边界条件，此条件确定 的样条称为自然样条) 第三边界条件(周期条件) 当f(x)是以b- a为周期的周期函 数时，则要求s(x)也是周期函数. s(k)(a+0)= s(k)(b-0) ,k=0,1,2 ( 此条件确定的样条 称为周期样条) 这时f(