第三章数据拟合与函数逼近.ppt

第3章 数据拟合与函数逼近 本章主要介绍数据拟合及函数最佳平方逼近的概念和基本方法. 本章首先通过线性拟合阐述最小二乘法实现的步骤，然后介绍多项式拟合和部分能线性化的非线性曲线拟合，最后介绍连续函数的最佳平方逼近以及一些常用正交多项式的相关性质. 3.1 直线拟合 在实际问题中，常常给定一组测定的离散数据，，欲求自变量和因变量的近似表达式. 由于测量值本身就带有误差，并且测量数据往往数据量很大，因此使用插值法工作量会很大，效果也往往不好，解决该类问题最常用的方法就是最小二乘法. 下面通过一个简单的例题进行说明． 首先将表中各组数据 在坐标平面 内描出对应的点(如图3.1)，得到的图通常被称为散点图．通过观察可以发现，这些点大致分布在一条直线上，因此就考虑利用直线 去描述y与x之间的关系. 但是怎样确定系数a、b，才能使近似函数 能尽量反映所给数据点的变化趋势呢？一般采用的方法是确定a、b使所有的计算值和实测值之差 ( 又称为偏差或残差)的平方之和最小，即使 最小，这个方法称为最小二乘法.这里称为偏差平方和 由微分学中求极值的方法可知，只需求 关于a、b的一阶偏导数，并令其为零，可以得到a、b满足的方程组 求解可得 可以证明a、b可以使取得最小值，这样直线方程 就可以确定 3.2 离散数据的最小二乘逼近 3.2.1 最小二乘原理的一般理论 设给定的数据为 ， 设拟合曲线方程为 令 而对于连续型最小二乘逼近函数 的求解， 需要对公式(3.5)中内积作如下定义 (3.10) 然而，在实际应用中发现当n较大时，上节介绍 的多项式 所导致的法方程往往是病态的. 3.3.2 正交多项式 定义3.1 (3.12) 下面介绍三类常用的正交多项式. 一、勒让德(Legendre)多项式 一般形式为 (3.14) 勒让德多项式有如下性质 (2) 勒让德多项式满足递推关系 * * 一、问题背景 例3.1 某种合成纤维的强度与其拉伸倍数有关，现有10个纤维样品的强度与相应的拉伸倍数的记录(强度单位 ) 6.4 5.5 5.0 5.5 4.2 4.0 3.0 2.8 1.8 1.4 抗拉强度 6.3 6.0 5.2 5.0 4.5 4.0 3.5 2.7 2.1 1.9 拉伸倍数 讨论变量x与y之间的关系 为了研究弹簧的伸长量和悬挂的物体质量之间的关系， 图 3-1 （3.1） 这里 称为点 的权系数(在实际问题中权系数往往取 ） 最小二乘法就是求参量 使 最小，即求 使 这时 称为函数 在点集 上关于权系数 的最小二乘逼近． 由多元函数求极值的方法可得 这个方程称为法方程或正规方程．当 为 的线性函数时，则称为线性最小二乘法，当 为 的非线性函数时，则称为非线性最小 二乘法． （3.2） 若拟合函数为 其中 ， ，….， 线性无关，由 公式(3.1)可得 ， （3.3） 由公式(3.2)可得 (3.4) 如果引入记号 (3.5) 则方程组可以表示为 (3.6) 这是一个系数矩阵为对称矩阵的线性方程组 可以证明:当函数 ， …. 线性 无关时，方程存在唯一解 并且相应函数 这就是满足条件的最小二乘解. 这时只需取 作为数据拟合的一种常见情况，若讨论的是 代数多项式，即 即可，由公式可知相应的法方程为 3.2.2 代数多项式拟合 综上分析，求最小二乘法的步骤可以归纳 为： 先通过所给数据画出散点图，并根据 散点图确定经验公式的函数类型(有时可以 有多种选择)； 再建立法方程，并通过解法方 程求得最小二乘解的对应参数 例3.2 已知某种半成品在生产过程中的废品率 y(%) .与它的某种化学成分x(0.01%)有关，下 表中记录了y与x的相应的实测值，试用最 小二乘法建立y与x之间的关系式 0.50 0.60 0.70 0.81 0.90 0.73 1.00 1.30 /% 40 39 39 39 38 37 36 34