第七章曲线拟合资料.ppt

第7章 曲线拟合（最佳平方逼近） 第7章目录 函数逼近（曲线拟合）概述 例1（续） 实例讲解 某种合成纤维的强度与其拉伸倍数有直接关系，下表是实际测定的24个纤维样品的强度与相应拉伸倍数的记录。 数据表格 　从上图中可以看出强度与拉伸倍数大致成线形关系，可用一条直线来表示两者之间的关系 解得： a=0.15 , b=0.859 直线方程为：y*=0.15+0.859x 函数的近似替代，求近似函数称为逼近 §1 最小二乘法原理和多项式拟合 二、多项式拟合 多项式拟合（续） §2 一般最小二乘拟合 2.1 线性最小二乘法的一般形式 正规方程组的几种形式（续） 最小二乘拟合函数定理 定理2（续） 2.2 非线性最小二乘拟合 可化为线性拟合问题的常见函数类 §3 正交多项式曲线拟合 正交多项式曲线拟合（续） 3.1 离散正交多项式 3.2 用离散正交多项式作曲线拟合 §4 函数的最佳平方逼近 4.1 基本方法 最佳平方逼近多项式举例 4.2 正交多项式求最佳平方逼近多项式 正交多项式举例 正交函数系性质 几种常用的正交多项式 Legendre多项式性质 Legendre多项式性质（续1） Legendre多项式性质（续2） （二）切比雪夫（Chebyshev）多项式 第一类Chebyshev多项式性质 第一类Chebyshev多项式性质（续） 最佳平方逼近多项式举例 例8（续） §5 最佳一致逼近多项式 最佳一致逼近多项式（续） 引例 引 例（续2） 引 例（续3） 最佳一致逼近概念 切比雪夫定理 ∵Pn(x)有n+2个偏差点，亦即使f (x) －Pn (x)在[a,b]上至少有n+2个点交替换正负号，亦就是说f(x) ?Pn(x)=0在[a,b]上有n+1个根?存在n+1个点：a ? x0… xn ? b使f (xi) ?Pn (xi)=0 即：f (xi)=Pn(xi) (i =0,1,2,…,n) , 所以，以此作为插值条件可得到Pn(x)，因此，Pn(x)就是以x0,x1,…,xn为插值节点的n次值多项式 。 零次最佳一致逼近多项式 一次最佳一致逼近多项式 一次最佳一致逼近多项式（续） 一次最佳一致逼近多项式举例 例11（续） 切比雪夫插值法 切比雪夫插值法（续1） 例10 第一类Chebyshev多项式有以下性质： 性质（3），（4） 由余弦函数性质即得。 例8 利用正交多项式求y = tg?1x在区间[0,1] 上的 最佳平方逼近一次式。 例10 求f (x) = ex 在[?1,1]上的三次最佳平方逼近多项式 在度量标准 下，求? (x) ，使 （达到最小），这就是最佳一致逼近（不要产生最大误差，均匀一些），通常仍 然取? (x)为多项式，即求多项式? (x)使残差： 绝对值的最大值 达到最小。或可写为：在H中求满足? (x) （f 的逼近函数? (x) ）： 即在H中? (x)与f(x)之差的绝对值的最大值是最小的，H中 任一ψ (x)与f(x)之差的绝对值的最大值都比它大，这样的 ? (x)为f(x)在H中的最佳一致逼近函数。 特别：若 则满足上面 关系式的 称为f(x)在[a,b]上的 n次最佳一致逼近多项式。 记 称为偏差。 偏差点： 若 满足 则称x0为ψ (x)的偏差点，偏差点为正，称为正偏差点， 偏差点为负，称为负偏差点 可以从下面例中理解有关概念。 例如：要求区间[0,1]上y=arctgx的一次近似式可以有多种方法： （1）Talor公式：tg－1x ? x,误差R(x)= tg－1x- x，在x=0附近很小，x=1时误差最大，R(x)|x=1=0.2146； （2）插值: x=0,1作节点=L1(x)=πx/4，tg－1x ?πx/4， 其误差在 处，即在1附近较大为0.0711； （3）最小二乘法（例10 §4中） 误差在x=1处最大为0.0493（比前二式误差小）。 问题： 由最小二乘法得到的arctgx≈0.0429+0.7918x是在最小 二乘意义下的最佳逼