计算方法与-曲线拟合b .ppt

* 1.4 正交多项式最小二乘拟合 /* Orthogonal Polynomials Least-Squares Approximation */ The normal equations are usually ill-posed when n1! What should I do then?! Take it easy! We can just make that 1.4 Orthogonal Polynomials L-S Approximation 则称?0(x), ?1(x), … , ?n(x)是关于点集{xi}的正交函数族/* orthogonal functions */。如果?k(x)都是多项式时，就称之为关于点集{xi}的正交多项式/* orthogonal polynomials */。 　　　对于点集{xi} (i=1,2,…,m)，若一组函数?0(x), ?1(x), … , ?n(x) (nm)满足条件 定义 ?构造正交多项式 1.4 Orthogonal Polynomials L-S Approximation 定理 对于给定的点集{xi}(i=1,2,…,m)，递推公式 构造的函数族?0(x), ?1(x), … , ?n(x)是关于{xi}的一组正交多项式，且?k(x)(k=0,1,…,n)是k次多项式，其最高项xn的系数为1。 注：构造的次序是： 证明略 … 例：用 来拟合 。 解：通过正交多项式 ?0(x), ?1(x), ?2(x) 求解 设 ) ( ) ( ) ( 2 2 1 1 0 0 x a x a x a y j j j + + = 1 ) ( 0 = x j 2 29 ) , ( ) , ( 0 0 0 0 = = j j j y a 2 5 ) , ( ) , ( 0 0 0 0 1 = = j j j j a x 2 5 ) ( ) ( ) ( 0 1 1 - = - = x x x x j a j 5 37 ) , ( ) , ( 1 1 1 1 = = j j j y a 2 5 ) , ( ) , ( 1 1 1 1 2 = = j j j j a x 4 5 ) , ( ) , ( 0 0 1 1 1 = = j j j j b 5 5 ) ( 4 5 ) ( ) 2 5 ( ) ( 2 0 1 2 + - = - - = x x x x x x j j j 2 1 ) , ( ) , ( 2 2 2 2 = = j j j y a 1.4 Orthogonal Polynomials L-S Approximation 程序设计 uk+1, vk , pi , qi , s1, s0 1.4 Orthogonal Polynomials L-S Approximation 程序设计(续) 1.4 Orthogonal Polynomials L-S Approximation §2 最佳一致逼近 /* Optimal Uniform Approximation */ 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 ，使得最大偏差最小，即 ak 在 I的极值点 ? ? 　　　引入变量 D　　　　，则最大偏差最小化问题可归结为以下问题： be subjected to 以…为条件 线性规划问题 linear programming §2 Optimal Uniform Approximation ?线性规划 规划变量 programming　variables 目标函数 objectiv function (线性)约束方程 constraint equations 单纯形法、有效集法 §2 Optimal Uniform Approximation 解 仍然采用线性拟合φ(x)=a0+a1x。相应的线性规划问题为： 例 某种铝合金的含铝量为x(%)，熔解温度为y(oC)，由实验测得的数据如下表。试用最佳一致逼近建立x与y之间的经验公式。 292 283 270 235 197 181 yi 87.5 84.0 77.8 63.7 46.7 36.9 xi 规划变量为a0,a1,D 用单纯法解得：a0=96.4886, a1=2.2132, D=2.8