ch2函数逼近及曲线拟合.pptVIP

Ch3 函数逼近与曲线拟合 什么是函数逼近 维尔斯特拉斯定理Weierstrass 范数与赋范线性空间 三种常用的范数 内积与内积空间 正交多项式 Orthogonal Polynomials 勒让德(Legendre)多项式 勒让德多项式的性质 切比雪夫（Chebyshev）多项式 性质 其它正交多项式 最佳一致逼近多项式 optimal uniform approximating polynomial 切比雪夫定理 最佳一次逼近多项式 最佳平方逼近 曲线拟合的最小二乘法 Moving Least Squares approximation on an arbitrary surface MLS on an arbitrary surface MLS on an arbitrary surface MLS on an arbitrary surface MLS on an arbitrary surface MLS on an arbitrary surface MLS on an arbitrary surface Remarks MLS on an arbitrary surface MLS on an arbitrary surface 法方程组 /*normal equations */ Hilbert阵！ 确定多项式 ，对于一组数据(xi, yi) (i = 1, 2, …, n) 使得 达到极小，这里 n m。 n a a a 1 0 ? 实际上是 a0, a1, …, an 的多元函数，即 [ ] ? = - + + + = m i i n i n i n y x a x a a a a a 1 2 1 0 1 0 ... ) , ... , , ( j 在 ? 的极值点应有 k i m i n j i j i j x y x a ? ? = = - = 1 0 ] [ 2 - = ? ? ? = = = + n j m i k i i m i k j i j x y x a 0 1 1 2 记 ? ? = = = = m i k i i k m i k i k x y c x b 1 1 , 法方程组(或正规方程组) /* normal equations */ 回归系数 /* regression coefficients */ §1 L-S Approximating Polynomials 例： x y (xi , yi) , i = 1, 2, …, m 方案一：设 b ax x x P y + = ? ) ( 求 a 和 b 使得 最小。 ? = - + = m i i i i y b ax x b a 1 2 ) ( ) , ( j But hey, the system of equations for a and b is nonlinear ! Take it easy! We just have to linearize it … 线性化 /* linearization */：令 ，则 bX a Y + ? 就是个线性问题 将 化为 后易解 a 和b。 ) , ( i i Y X ) , ( i i y x §1 L-S Approximating Polynomials 方案二：设 x b e a x P y / ) ( - = ? ( a 0, b 0 ) 线性化：由 可做变换 x b a y - ? ln ln b B a A x X y Y - = = = = , ln , 1 , ln BX A Y + ? 就是个线性问题 将 化为 后易解 A 和B ) , ( i i Y X ) , ( i i y x Parametric unit square Formulation development weighted discrete norms Where wI(s) is a weight function with compact support are nodal values and Solving for a(s) and b(s) by minimizing J1 and J2