第三章节函数逼近与曲线拟合.ppt

第3章 函数逼近与曲线拟合; 3.1 函数逼近的基本概念 3.2 单变量数据拟合及最小二乘法 3.3 多变量数据拟合 3.4 非线性数据线性化 3.5 正交多项式拟合; 这些都涉及到在区间 上用简单函数逼近已知复杂 函数的问题，这就是函数逼近问题.; 记作 ，; 代数插值是根据给定的数据表，按某些条件构造一个代数多项式;曲线拟合示意图 ; 在对给出的实验(或观测)数据 作曲线拟合时,怎样才算拟合得最好呢？;3.2 单变量数据拟合及最小二乘法; ;（1）直线拟合 设已知数据点 ,分布大致为一条直线。根据最小二乘原理作拟合直线 ,该直线不是通过所有的数据点 ,而是使误差平方和;即得如下正规方程组 ; ;（2）多项式拟合 有时所给数据点的分布并不一定近似地呈一条直线,这时仍用直线拟合显然是不合适的,可用多项式拟合。对于给定的一组数据 寻求次数不超过n(nm )的多项式 ;由于Q可以看作是关于aj ( j =0,1,2,…, n)的多元函数, 故上述拟合多项式的构造问题可归结为多元函数的极值问题。令;例3-1 已知一组数据如下表所示,用单变量数据拟合法求其拟合函数.;3.3 多变量数据拟合;假定数据表中的数据呈线性关系，这时选取线性函数;据多元函数求极小值的方法，对;整理化简后联立起来得到方程组 ;定理3.2 给定;例3-2 已知一组测量数据如表所示，求其线性拟合函数。;由定理3.2得到正规方程组;③ 解正规方程组 ; 有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线，从而用线性拟合进行处理，对于一个实际的曲线拟合问题，一般先按观测值在直角坐标平面上描出散点图，看一看散点的分布同哪类曲线图形接近，然后选用相接近的曲线拟合方程。再通过适当的变量替换转化为线性拟合问题，按线性拟合解出后再还原为原变量所表示的曲线拟合方程。 下表列举了几类经适当变换后化为线性拟合求解的曲线拟合方程及变换关系 ; 曲线拟合方程 变换关系 变换后拟合方程; 图(a)表示数据接近于直线，故宜采用线性函数 拟合； 图(b)数据分布接近于抛物线。可采用二次??项式 ; 图 ( c ) 的数据分布特点是开始曲线上升较快随后逐渐变慢,宜采用双曲线型函数或指数型函数 图 ( d ) 的数据分布特点是开始曲线下降快,随后逐渐变慢,宜采用 或 或 等进行拟合。;例3-3 某炼钢厂出钢时用的钢包（用来装钢水的容器）是用特殊耐火材料制成的，在使用的过程中，由于钢水及炉渣对包衬耐火材料的侵蚀，使其容量随着使用次数的增多而增大。为了找出使用次数;解;;由定理3.1得到正规方程组;例3-4 已知一组数据如表所示，求一个经验函数，形如;由定理3.1得到正规方程组