数值分析-第03章函数逼近与曲线拟合.ppt

数 值 分 析 Numerical Analysis 机械工程学院 主讲人：孔胜利 kongsl@sdili.edu.cn 2010-09-01 第3章 函数逼近与曲线拟合 3.1 函数逼近的概念 3.2 正交多项式 3.3 最佳一次逼近多项式 3.4 最佳平方逼近 3.5 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 3.1函数逼近的概念 函数逼近： 对函数类A中给定的函数 ，记作 ，要求在另一类简单的便于计算的函数类B中求函数 ，使 与 的误差在某种度量意义下最小。 逼近误差： 度量逼近好坏的两个标准： 一致逼近 均方逼近 定理1 设 ，则对任何 ，总存在一个代数多项 式 ，使 在 上一致成立。 范数与赋范线性空间 定义 设S为线性空间， ，若存在唯一实数 ，满足条件： （1） ，当且仅当x=0时， ； （正定性） （2） ； （齐次性） （3） （三角不等式） 则称 为线性空间S上的范数，S与 一起称为赋范线性空间。 例如，在 上的向量 ，三种常见范数为 称为无穷范数或最大范数， 称为1—范数 称为2—范数 类似地，对连续函数空间 ，则 可定义三种常见范数 称为无穷范数 称为1—范数 称为2—范数 内积与内积空间 线性代数中， 中两个向量 及 的内积定义为 将其推广到一般的线性空间，则有以下定义。 定义 设X是数域K上的线性空间，对 ，有K中一个数与之对应，记为 ，它满足以下条件： （1） （2） （3） （4） 则称 为X上u与v的内积。 定义 设 是有限或无线区间，在 上的非负函数满足条件： （1） （2） 对 上的非负连续函数g(x),如果 则 则称 为 上的一个权函数。 3.2 正交多项式 正交多项式 定义 若 ， 为 上的权函数且满足 则称f(x)与g(x)在 上带权 正交。 若函数组 满足关系 则称 是 上带权 的正交函数族。 勒让德（Legendre）多项式 当区间为[-1，1]，权函数 时，由序列 正交 化得到的多项式就称为勒让德多项式，并用 表示。 切比雪夫（Chebyshev）多项式 当区间为[-1，1]，权函数 时，由序列 正交化得到的多项式就称为切比雪夫多项式，它可表示为 3.3 最佳一次逼近多项式 基本概念 在 中求多项式 ，使其误差 这就是通常所谓的最佳一致逼近或切比雪夫逼近问题。 3.4 最佳平方逼近 基本概念 对 及 中的一个子集 若存在 ，使 则称 是 在子集 中的最佳平方逼近函数。 3.5 数据拟合的最小二乘法 在实际问题中，常常碰到这样的情况：虽然函数的解析式不知道，但 通过实验可得出一组数据对，如何利用已知的数据来求出近似函数的 解析式？ 插值法虽然可以做到这点，但它要求所构造的插值曲线严格经过所有 数据点。当观察数据有一定的随机误差时，插值曲线也将保留这些误 差；若个别点误差太大，则在该点附近的插值效果便不理想。另一方 面，以插值多项式为例，实验数据多了，插值多项式的次数便随着提 高，给运算带来不便。 在许多实际应用问题中，最小二乘法正是构造各种经验公式的有效数 值方法。 数据拟合的最小二乘法 拟合曲线的最小二乘法 通过对数据组 描点作图分析，如果确定应当用函 数类A中的某个函数P*(x)去拟合它，则根据均方逼近在离散情况下的 表示式，P*(x)应满足 通过此式去求P*(x)称为拟合曲线的最小二乘法。 常用的拟合方法是直线拟合和抛物线拟合。 直线拟合 若按数据组描点连起来后几乎成直线形，则可用一次多项式函数，即用直线 去拟合数据组，其中a, b为待定系数，称为直线拟合或一次拟合。 记 则应求二元函数Q (a, b) 的最小值点。通常这种