计算方法-最佳平方逼近-最小二乘法.pptVIP

例3.21 设有某实验数据如下： 用最小二乘法求以上数据的拟合函数 。 设所求的拟合直线为 解:把表中所给数据画在坐标纸上,将会看到数据点的分布可以用一条直线来近似地描述。 则正规方 程组为 计算，得到 x1=1.36, x2=1.37, x3 =1.95, x4 =2.28, y1 =14.094, y2= 16.844, y3=18.475, y4=20.963 解得： 于是得拟合直线方程： y= 8.5027865 + 5.4357032x a0 = 8.5027865 a1 = 5.4357032 将以上数据代入上式正规方程组,得 拟合直线方程：y= 8.5027 + 5.4357x 计算误差： （2）多项式拟合 来拟合所给定的数据， 为最小 寻求次数不超过n (nm ) 的多项式： 有时所给数据点的分布并不一定近似地呈一条直线,此时，可用多项式拟合。对于给定的一组数据 使偏差的平方和 … 这是关于a0 ，a1 ，…, an 的连续可导函数. 上述拟合多项式的构造问题可归结为多元函数的极值问题。令 得 整理之后得 这是关于系数 的线性方程组，称为正规方程组。可以证明，正规方程组有唯一解。 (3.2) 将上式针对k与j展开，得 m个数据之和 计算“和” 例3.22 设某实验数据如下： 用最小二乘法求一个多项式拟合这组数据。 i 1 2 3 4 5 6 xi 0 1 2 3 4 5 yi 5 2 1 1 2 3 解：将已给数据点描在坐标系中，可以看出这些点接近一条抛物线。 x y 0 1 2 3 4 5 1 3 2 4 5 计算得： 因此设所求的多项式为 得： 其正规方程组为 解之得: 所求多项式为: x y 0 1 2 3 4 5 1 3 2 4 5 x=0, y=4.7143; x=1, y=2.4286 x=2, y=1.1429; x=3, y=0.8572 x=4, y=1.5715; x=5, y=3.2858 x=0, y=4.7143; x=1, y=2.4286; x=2, y=1.1429; x=3, y=0.8572; x=4, y=1.5715; x=5, y=3.2858 例 已知实测数据表 试用最小二乘法求多项式曲线与此数据组拟合. i 1 2 3 4 5 xi 2 4 6 8 10 yi 6 12 18 24 30 解：令 ，则正规方程组为： 同学们自己计算，求出a0 ,a1 经过计算，得到： 解之，得： 所求直线方程为: 误差: （4）可化为线性拟合的非线性拟合 有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线，从而用线性拟合进行处理， 这部分本课程不做要求 连续函数最佳平方逼近和对数据的曲线拟合的区别 连续函数f(x)?C[a, b]最佳平方逼近 在[a, b]上，用 Span{ φ 1(x), φ 2(x), …, φ n(x) }中的函数φ(x)（通常是多项式）逼近连续函数f(x)。 需要计算一系列定积分 2. 数据曲线拟合 给定一组实验数据{ xi , yi }, i=1, 2,…,n 需要求出一条曲线 y=P(x)（通常是多项式）, 使得该曲线和这些数据最接近 拟合曲线y=P(x)和数据点的个数n无关 需要计算“和” 作业 P94: 13 P95: 17，18 Home * * * * * Confidential, for review onlyBorland * 在数学分析中我们用y=f(x)描述一条平面曲线，但在实际问题中，函数y=f(x)往往是通过实验观测得到的一组数据来给出的，即在某个区间[a,b]上给出一系列点的函数值yi=f(xi)，或者给出一个函数表，如何通过这些对应关系去找函数f(x)的近似表达式呢？就可以利用插值。 简单的说，插值的目的就是根据给定的数据表，寻找一个解析形式的函数p(x)，近似代替f(x) * 第5次 最佳平方逼近与曲线拟合的最小二乘法 计算方法 (Numerical Analysis) 主要内容 最佳平方逼近 曲线拟合的最小二乘法 最佳平方逼近 函数逼近的类型 最佳一致逼近：使用多项式对连续函数进行一致逼近。逼近误差使用范数 度量。 最佳平方逼近：使用多项式s(x)对连续函数f(x)进行平方逼近。逼近误差使用范数 度量。 权函数 这种度量太强 练习： 权函数的定义 … 权函数ρ(x)和基函数乘法的积分 权函数的 非0性质 权函数的意义：强化或弱化某部分积分函数值的影响。 例如：在[0, 5]上，取