计算方法-曲线拟合a.pptVIP

第四章 最优平方逼近(曲线拟合) /* Approximation Theory */ 仍然是已知 x1 … xm ; y1 … ym, 求一个简单易算的近似函数 P(x) ? f(x)。 但是 ① m 很大； ② yi 本身是测量值，不准确，即 yi ? f (xi) 这时没必要取 P(xi) = yi , 而要使 P(xi) ? yi 总体上尽可能小。 　　　　　对于一组实验数据(xi, yi)，寻找变量x和y之间的函数关系y=f(x)的近似式P(x) ? f(x) ，要求在给定点xi上的偏差/* deviation*/向量δ=(δ1 ,δ2,…, δm )T,　δi=P(xi) - yi (i=1,2,…,m)按某种标准最小。 数学描述 =min:最佳一致逼近 /* Optimal uniform approximation */ 或　最大极小化问题 /* minimax problem */ 1. =min: L1拟合/* L1 approximation */ ?向量的范数 /* Norms of Vectors */ ?曲线拟合类型 2. =min: 最小二乘法拟合 /* Least-Squares method */ 定义 　　　Rn空间的向量范数 || · || 对任意 满足下列条件： （正定性 /* positive definite */ ) 对任意 (齐次性 /* homogeneous */ ) （三角不等式 /* triangle inequality */ ) ? = = n i i x x 1 1 | | || || v ? = = n i i x x 1 2 2 | | || || v | | max || || 1 i n i x x ? ? ? = v Approximation Theory 对于一组数据(xi, yi), i=1,2,…,m, 要求在某个函数类 (n m )中构造一个函数 ，使得 达到极小。 4.1 最小二乘拟合 /* L-S approximation*/ ak Φ常采用幂函数、三角函数、指数函数、有理函数等 在 I的极值点应有 m i n j i j y φj(xi) a ? ? = = - = 1 0 ] [ 2 φk(xi) - = ? ? ? = = = n j m i m i j a 0 1 1 2 φj(xi) φk(xi) yiφk(xi) 记(φj,φk)= , (y,φk)= ? = m i 1 φj(xi) φk(xi) ? = m i 1 yiφk(xi) 4.1 L-S Approximation 矩阵形式方程 定理 当φ0,φ1,…, φn线性无关时法方程存在唯一解。 证明：法方程组的系数矩阵A是对称正定的: 由(φj, φk)=(φk, φj)知Ａ是对称的；对任意非零向量c，因函数φ0,φ1,…, φn线性无关，必然有 因此二次型 ? Ａ为正定阵，则非奇异，所以法方程组存在唯一解。 法方程组(或正规方程组) /* normal equations */ 回归系数 /* regression coefficients */ 1.2 最小二乘拟合多项式 /* L-S approximating polynomials */ 取Φ={1,x,x2,…, xn}, 则有φ(x)=a0+a1x+…+ anxn, 而且 。法方程为 (φj,φk)= , (y,φk)= m ? = i 1 yixik ? = m i 1 xij+k 4.1 L-S Approximation 最大误差= ＝3.22 例 某种铝合金的含铝量为x(%)，熔解温度为y(oC)，由实验测得x与y的数据如下表。试用最小二乘法建立x与y之间的经验公式。 xi 36.9 46.7 63.7 77.8 84.0 87.5 yi 181 197 235 270 283 292 解:1.将数据绘制在坐标纸上，如下图所示。 2. 确定拟合曲线的形式。由图可看出， 数据点位于一条直线附近，故可用线性 函数来拟合，即令 φ(x)=a0