Chap5函数及数值逼近.ppt

第5章 函数的数值逼近 刘东毅 天津大学理学院数学系 函数的数值逼近 主要目的： 讨论函数的数值逼近的基本理论与方法 最佳平方逼近函数的存在性、唯一性 最佳平方逼近函数的求法 讨论曲线拟合的最小二乘问题 主要内容： 正交多项式 最佳平方逼近 用正交多项式作函数的最佳平方逼近 曲线拟合的最小二乘解 5.1 正交多项式 定理 5.1.2 定理 5.1.3 2.正交多项式及其性质 2.2 正交多项式的性质 3. Legendre 多项式 4. Chebyshev 多项式 5.Hermite 多项式 6. Laguerre 多项式 5.2 最佳平方逼近 1.最佳平方逼近函数的概念 2.最佳平方逼近的求法 定理 5.2.1 对于任意的函数 f ∈C [a , b] ，其在Φ中的最佳平方逼近函数S*(x)是存在且唯一的。 证明：由于Φ中元素（函数）可以表示为 2.2 最佳平方逼近的几何意义 2.3 最佳平方逼近函数的平方误差 由最佳平方逼近的几何意义知 2.4 最佳平方逼近的求法 例5.2.1 求函数 f (x) = ex 在区间 [0 , 1] 上的一次最佳平方逼近多项式, 并计算平方误差. 通过计算得： 所以由 平方误差为： 5.3用正交多项式作函数的最佳平方逼近 由正交性可将上式化为 用 Legendre多项式作 f (x)的最佳平方逼近 平方误差为： 5.4曲线拟合的最小二乘法 5.4.1曲线拟合的最小二乘问题 基于函数最佳平方逼近的原理，提出如下问题 5.4.2 最小二乘解的求法 要求问题的最小二乘解，首先需确定函数类Φ，为此需确定S *(x)的形式。通常的做法是将数据(xi, yi)描绘在坐标纸上，依据这些数据点的分布规律确定此函数的具体形式。这也等于确定了函数类Φ。 其次是按式（5.4.2）求S *(x)，即需要确定其系数。此问题转化为求下面的多元函数极值问题 由极值存在的必要条件知，ak( k = 0,1,…,n ) 应满足 为了方便，规定离散形式的“内积”和“范数” ： 线性方程组矩阵形式为 可以证明：S *(x) 确实使多元函数 u 达到最小，即S *(x) 为 f (x)的最小二乘解。 计算曲线拟合问题最小二乘解的步骤： 1.首先需确定函数类Φ，即确定S *(x)的形式。 2.解以 a0 , a1 , . . . ,an 为未知元的线性法方程组： 例5.4.1 已知一组数据如下： 通过计算，有 得法方程组 (3) 用抛物线 拟合上述数据。 例5.4.2 已知一组实验数据如下： 其中a，b为待定常数。 本章小结 正交函数与正交多项式 最佳平方逼近问题 最佳平方逼近函数的存在性、唯一性 最佳平方逼近函数的求法 用正交多项式作函数的最佳平方逼近 曲线拟合问题 最小二乘解的存在性、唯一性 最小二乘解的求法 最佳平方逼近与曲线拟合的最小二乘问题的基本思想与几何意义 因为{Pn(x)} 在区间 [-1,1] 上正交且有 (1) 若 f (x)∈C[-1,1], 由以上讨论,得： 则 。 (2) 若 f (x)∈C[a , b], 由以上讨论 作变换： 则 t∈[-1,1],那么 按（1）的方法求 F(t) 在 [-1,1] 上的最佳平方逼近 Sn ( t ), 再换回原变量 x , 得 f (x) 在 [a , b] 上的最佳平方逼近多项式. 平方误差 例 5.3.1 求用 Legendre多项式求 f (x) = ex 在区间 [0 , 1]上的一次最佳平方逼近多项式 , 并计算平方误差 解： 则 根据题意，再令 其中 令 所以 故 于是 由 平方误差为 xk x0 x1 x2 … xm yk= f(xk) y0 y1 y2 … ym 已知一组实验数据 要求 y = f (x) 的近似表达式（经验公式）。从几何上来讲，就是求 y = f (x) 的一条近似曲线，故称曲线拟合问题。 令 ， ， 在C[a, b]中选定线性无关的函数 。 在 中寻求一个函数 (5.4.1) 使S *(x)与y = f (x) 在上述m+1个点上的偏差(或称残差) 满足 其中 ，