数值分析 第3章 函数逼近与曲线拟合.pptVIP

第三章 函数逼近与曲线拟合 3 .1 函数逼近的基本概念 3 .2 正交多项式 3 .3 最佳平方逼近 3 .4 曲线拟合的最小二乘法 3 .6 最佳平方三角逼近与快速傅里叶变换 下面考察次数不超过n次的多项式集合Hn,其元素p(x) 在Rn上的向量 x＝(x1,x2,…,xn)T∈Rn, 三种常用 范数为称为： 2)如何构造正交多项式 只要给定区间[a, b]及权函数,均可由一组线性无关的幂函数{1,x,…, xn,…},利用逐个正交化手续构造出正交多项式序列 如此得到的正交多项式有如下性质： (1) 是具有最高次项系数为1的n次 3）几种常用的正交多项式 勒让德多项式 当区间[-1,1],权函数ρ(x) ≡1时,由{1,x,…,xn,…}正交化得到的多项式就称为勒让德多项式,并用P0(x),P1(x),…,Pn(x),…表示. 其简单的表达式为 时,由序列{1,x,…,xn,…}正交化得到的多项式就是切比雪夫多项式,它可表示为 Tn(x)=cos(narccosx), | x |≤1 若令x＝cosθ，则Tn(x)=cosnθ， 0≤θ≤π. (1)递推关系 (2)切比雪夫多项式{Tk(x)}在区间[-1,1]上带权 正交且 (3) T2k(x)只含x的偶次幂,T2k+1(x)只含x的奇次幂. 若将xn用T0(x),T1(x), …,Tn(x)的线性组合表 示,则其公式为 ? 最佳平方逼近：在 意义 下，使得 最小。 ? 最佳一致逼近 /* uniform approximation */ 在 意义下，使得 最小。也称为minimax problem。 偏差 /* deviation*/ §3.3 最佳平方逼近 一、最佳平方逼近及其计算 对 f(x)?C[a,b]及C[a,b]中的一个子集? =span{?0(x), ?1(x), …, ?n(x)}, 若存在S*(x)??, 使 则称S*(x)是 f(x)在子集?? C[a,b]中的最佳平方逼近函数. 的最小值. || f(x)-S*(x)|| 2 2 = || f(x)-S(x)|| 2 2 = ?(x)[ f(x)-S(x)]2dx, ? b a I(a0, a1,…, an)= ?(x)[ aj?j(x)- f(x)]2dx ? b a ? j = 0 n ?ak ?I (k=0,1,…,n) =2 ?(x)[ aj?j(x)-f(x)]?k(x)dx = 0 ? b a ? j = 0 n 求S*(x)：等价于求多元函数 I(a0, a1,…, an)是关于a0, a1,…, an的二次函数, 取极值必要: (3.1) (3.2) 于是有 这是关于a0, a1,…, an的线性方程组,称为法方程. ?0(x), ?1(x), …, ?n(x)线性无关, 则系数detG(?0, ?1, …, ?n)?0, 于是上述方程组有唯一解ak=ak*(k=0,1,…,n), 可得 S*(x)=a0*?0(x)+ a1*?1(x)+…+ an*?n(x). ? j = 0 n (?j(x), ?k(x)) aj = (f(x), ?k(x)) (k=0,1,…,n), 下面证明S*满足（3.１） (3.3) 即对任何 有 (3.4) 即考虑: 若令?(x)= f(x)-S*(x), 则平方误差为 ||?(x)|| =( f(x)-S*(x), f(x)-S*(x))=( f(x), f(x)) -(S*(x), f(x)) 2 2 =||f(x)|| - ak* (?k(x), f(x)). ? k = 0 n 2 2 由于 的系数是方程(3.3)的解,故有 从而上式第二个积分为0,于是 故(3.4)成立,这就证明了 是f(x)在 中的最佳平方逼近函数 (3.5) 若取 ?k(x)= xk, ?(x)≡1, f(x)?C[0,1], 在Hn中求n次最佳平方逼近多项式: S*(x)=a0*+ a1*x + a2*x2 +…+ an*