计算方法之曲线拟合.ppt

* 实际应用中，如果关于函数y=f(x)的插值节点xi能所测得的函数值f(xi)比较精确，则以P(xi)= f(xi)作为基本插值条件求插值函数P(x)近似替代f(x)。 反之，当数据点（xi , yi）含有误差时，即并不一定有yi = f(xi)，也就无法找到P(x) ，使所有的点都满足P(xi)= f(xi) ，如何求取近似函数P(x) ? ? 问题：对函数y=f(x)，解析表达式未知，只测得离散点列[xi , yi]，并无法找到某特定的函数?(x)，使所有xi都能严格满足?(xi)=yi。 * 解决：求一条近似曲线y=?(x)，使函数y=f(x)离散点列[xi , yi]中的绝大多数点能落在曲线y=?(x)上或在其附近，那么曲线y=?(x)就称为y=f(x)的拟合曲线，而求待求函数的拟合曲线的数值计算方法就是曲线拟合法。 * 若将序列f(x1), f(x2), ... , f(xm)表示成向量形式： Y=(f(x1), f(x2), ... , f(xm))T， 将序列?(x1), ?(x2), ..., ?(xm)表示成向量形式： Q=(?(x1), ?(x2), ..., ?(xm))T， 那么拟合曲线必须满足Q与Y之间的距离（误差）最小，以保证点列中的大多数点落在曲线y=?(x)上或在其附近。 当上述向量Q与Y之间的距离用平方和 * 来表示，按使R2最小的原则构造拟合曲线的方法也就是所谓——最小二乘法。 1、线性拟合 设某函数y=f(x)，测得点列(xi , yi)，i=1,2,...,m，求一条直线p(x)=a+bx，使点列(xi , yi)中的大多数点落在该直线上或在其附近。a , b为待定系数。 记 由微积分理论，要使Q(a,b)取极小值，应满足： * 由此可得二元一次方程组 将上述方程组改写为矩阵形式： * 例5．1 数据点序列（xj，yj）（j=1,2,…,10）由下表的第1，2两列给出，试用线性拟合得出拟合直线，并给出偏差的平方和。 解 将方程组所需数据及计算结果列在下表的第3，4，5列，最后一行数据是相应列数据求和，右下角数据为偏差平方和。 * xi yi xi2 xi yi P(xi)=1.538xi - 0.360 1 1.3 1 1.3 1.18 2 3.5 4 7.0 2.72 3 4.2 9 12.6 4.25 4 5.0 14 20.0 5.79 5 7.0 25 35.0 7.33 6 8.8 36 52.8 8.87 7 10.1 49 70.7 10.41 8 12.5 64 100.0 11.94 9 13.0 81 117.0 13.48 10 15.6 100 156.0 15.00 55 81.0 385 572.4 E=∑ (yi-P(xi))2≈2.34 * 则方程组为 解得： a=-0.360 b=1.538 故所求拟合直线为 P(x)=-0.360+1.538x o y x 2 4 6 8 10 2 4 6 8 10 12 14 16 * 2、二次拟合 设对某函数y=f(x)，测得离散点列 (xi , yi)，i=1,2,...,m， 求一条二次曲线 p(x)=a+bx+cx2，使点列(xi , yi)中的绝大多数点都能落在该曲线上或在其附近。 记 由微积分理论，要使Q(a,b,c)取极小值，必须： * 由此可得三元一次方程组 * 例5．2 数据点序列（xj，yj）（j=1,2,…,5）由 下表的第1，2两列给出，试用二次拟合得出拟合抛物线，并给出各点处的偏差。 xj yj xjyj xj2 xj2yj xj3 xj4 P(xj) yj-P(xj) 0 1.0000 0 0 0 0 0 1.0051 -0.0051 0.25 1.2840 0.3210 0.0625 0.0803 0.0156 0.0039 1.2740 0.0100 0.50 1.6487 0.8244 0.2500 0.4122 0.1250 0.0625 1.6482 0.0004 0.75 2.1170 1.5878 0.5625 1.1908 0.4219 0.3164 2.1279 -0.0109 1.00 2.7183 2.7183 1.0000 2.7183 1.0000 1.0000 2.7192 0.0054 ∑ 2.5 8.7680 5.4515 1.7850 4.4016 1.5625 1.3828 * 由表中数据可得线性方程组： 解之得 a=1.0051， b=0.86468，c=0.84316 于是二次拟合的抛物线为 P2 (x) = 1.005