数值剖析之曲线拟合.pptVIP

第三章 曲线拟合的最小二乘法 /函数平方逼近初步;曲线拟合问题: (建立试验数据的模型) 在实际应用中，往往并不需要曲线通过给定的数据点，而只要求用曲线(函数)近似代替给定的列表函数时，其 误差在某种度量意义下最小。 函数逼近问题: (连续函数的逼近) 在实际应用中常需为解析式子比较复杂的函数寻找一个简单函数来近似代替它，并要求其误差在某种度量意义下最小。 可统称为最佳逼近问题 ;一. 问题的提出; 最佳一致逼近是在函数空间 M中选 P(x) 满足 但由于绝对值函数不宜进行分析运算，常替之以 来讨论，于是最佳逼近问题变为最佳平方逼近问题 这即为连续函数的最佳平方逼近. 对于离散的问题，最佳平方逼近问题为: 就是常说的曲线拟合的最小二乘法. ;二. 预备知识;常采用的内积与范数;1.正交函数族与正交多项式 定义1 若f(x),g(x)∈C[a,b], ρ(x)为[a,b]上的权函数 且满足:????????  则称f(x)与g(x)在[a,b]上带权ρ(x)正交。 ;若函数族 ψ0(x), ψ1(x), …, ψn(x), … 满足关系?????????  则称{ψk(x)}是[a,b]上带权ρ(x)的正交函数族。 例如，三角函数族 1 ,cosx , sinx , cos2x , sin2x , … 就是在区间 [-π, π] 上的正交函数族。 ;定义2 设 ψn(x) 是[a,b]上首项系数 an≠0 的 n次多项式,ρ(x)为[a,b]上权函数，如果多项式序列 满足关系式: 则称为多项式序列 为在[a,b]上带权ρ(x)正交，称ψn(x)为[a,b]上带权ρ(x)的n次正交多项式。 ; 只要给定区间[a,b]及权函数ρ(x), 均可由一族线性无关的幂函数 { 1 , x , … , xn , … } 利用逐个正交化手续(Gram-Schmidt正交化方法)： 构造出正交多项式序列? 。;2.勒让德多项式 ; 由于(x2 -1)n 是2n次多项式，求n阶导数后得到??????  于是得首项 xn 的系数 显然最高项系数为1的勒让德多项式为:?????? ;勒让德多项式有下述几个重要性质： 性质1. 正交性 性质2.奇偶性 pn(-x)=(-1)n pn (x)  性质3.递推关系??????(n+1)pn+1(x)=(2n+1)xpn(x)-npn-1(x) (n=1,2,……) (*) 由p0(x)=1，p1(x)=x，利用 (*) 就可推出pn(x)的 表达式:;性质4. pn(x) 在区间[-1，1]内有n个不同的实零点。 ;实例：考察某种纤维的强度y与其拉伸倍数x的关系，下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录:;纤维强度随拉伸 倍数增加而增加;必须找到一种度量标准来衡量什么曲线最接近所有数据点.;定义平方误差(偏差平方和):;我们选取的度量标准是;三、法方程组;由多元函数取极值的必要条件;---------(4);引入记号;方程组(4)便可化为;并且其系数矩阵为对称阵.;即;作为一种简单的情况,;例1. 回到本节开始的实例，从散点图可以看出;法方程组为;拟合曲线与散点 的关系如右图:;四、加权最小二乘法;使得;由多元函数取极值的必要条件;引入记号;矩阵形式(法方程组)为;平方误差为;五、最小二乘原理的其他应用; 3.3 连续函数的最佳平方逼近;2. 解法(法方程);最小二乘法方法评注;See you next chapter!