第六讲一维搜索法.pptVIP

第6讲 一维搜索方法 在搜索区间内[a,b]适当插两点 ，将区间分成三段； 黄金分割法要求插入两点： 例 1 用黄金分割法求函数f(x)=3x3-4x+2的极小点，给定 x0=0, h=1, ε=0.2。 解：1)确定初始区间 x1=x0=0, f1=f(x1)=2 x2=x0+h=0+1=1, f2=f(x2)=1 由于f1f2, 应加大步长继续向前探测。 x3= x0+2h=0+2=2, f3=f(x3)=18 由于f2f3,可知初始区间已经找到，即 [a,b]=[x1,x2]=[0,2] 拉格朗日插值多项式是一种显式公式，它将 表示为一组插值基函数的线性组合。 1. 二次函数插值法的基本原理 例2 用二次插值法求函数f(x)=3x3-4x+2的极小点，给定 x0=0, h=1, ε=0.2。 4.3.3 n次拉格朗日插值多项式 例3 Matalab工具箱应用实例 函数fminbnd的用法 在matalab中，函数fminbnd可用来求解一维优化问题，其调用格式为： 例4 例5 例6 习题 内积有如下性质： (1) (f, f )≥0，且f = 0 时，(f, f )=0； (2) (f, g) = (g, f )； (3) (f1 + f2, g ) = (f1, g) + (f2, g)； (4) 对任意实数k，(kf, g) = k (f, g )。 表4.1 列维尔插值法的插值过程 4.4.3　曲线拟合的最小二乘法 最小二乘法应用广泛，其原理是建立某种误差的平方和，通过使误差平方和最小，求出问题的解。 4.4.4　正交多项式及其在曲线拟合中的应用 1. 连续函数内积与正交多项式 2. Legendre多项式 3. Chebyshev多项式 式(4-24)叫做Chebyshev多项式的三项递推关系式。 4. 用正交多项式作最小二乘逼近 4.5 一元及多元非线性方程求根 在工程实际和生产过程中经常可以遇到求代数方程根的问题，如线性方程组，非线性方程（或方程组）的求解，在非线性方程中常见的有高次多项式方程和含有三角函数、指数函数等的方程。 (4)缩短搜索区间。根据原区间中 和 的相对位置和函数值 和 的比较，区间缩短有4 种情况，如下图所示。图中阴影线部分表示舍弃的区间。 对新区间的3 个新点作如上的一般处理后，计算函数值 返回第3 步。 (5)判断是否满足精度要求 当满足 时，停止迭代，把 与 中原函数值较小的点作为极小点；否则返回第4 步，再次缩短搜索区间，直到满足精度要求为止。 解：1）确定初始区间 初始区间[a,b]=[0,2], 另有一中间点x2=1。 2）用二次插值法逼近极小点 相邻三点的函数值: x1=0, x2=1, x3=2; f1=2, f2=1, f3=18. 代入公式： xp*＝0.555, fp=0.292 由于fpf2, xp* x2, 新区间[a,b]=[a,x2]=[0,1] |x2-xp*|=1-0.555=0.4450.2, 应继续迭代。 在新区间，相邻三点的函数值: x1=0, x2=0.555, x3=1; f1=2, f2=0.292, f3=1。 xp*＝0.607, fp=0.243 由于fpf2, xpx2, 新区间[a,b]=[x2, b]=[0.555,1] |x2-xp*|=|0.555-0.607|=0.0520.2, 迭代终止。 xp*＝0.607, fp=0.243 1. 插值多项式的存在唯一性 所谓插值多项式就是要构造一个不超过n 次 的多项式 使其满足插值条件 上式是一个关于待定参数 的n +1阶线性方程组，其系数矩阵行列式为 称为Vandermonde（范德蒙）行列式。当 时，则有 。于是，当 为互不相同的节点时，满足插值条件的插值多项式存在且唯一。 2.n次拉格朗日插值多项式 直接通过解线性方程组来确定插值多项式的系数，一般计算工作量较大，且得出的多项式不便于应用。因此常用其他一些方法来构造插值多项式。下面我们采用所谓插值基函数的方法来构造一种具有一定特点的插值多项式。 对于给定的n +1个互异点 处的数据