4.0 函数逼近与曲线拟合.ppt

选择直线来拟合数据 称为直线拟合。 假设直线为 则拟合误差 使拟合误差最小的 应满足 这个方程组称为直线拟合的法方程组， 解此方程组就可以确定 ，从而得到拟合 直线 Example 例 设数据如下： 试用直线拟合这组数据，计算过程保留4位小数 解：法方程组为： 所求直线为： 多项式拟合 　　对给定的数据组　　　　　　　　 ， 用一个m次的多项式拟合这组数据，则此多项式可假设为 根据最小二乘原理 令 法方程组为： 共可以得到m+1个方程，每一个方程的左边有m+1项。 请大家找一找，这m+1个方程的左右两边各有什 么规律？怎样来帮助记忆。 　　　　　　　　　　　　 例如，二次多项式拟合为： 法方程组为： 三次拟合多项式为： 法方程组为： 　　　　　　　　　　　　 指数拟合 如果给定的数据组 在直角坐标系中的分布近似指数曲线，则可以考虑用指数函数 去拟合这组数据。 设 则 为线性函数 即点 的分布近似于直线，可先用直线拟合数据组 得 ， 则 Example 例：用 来拟合 解： ?0(x) = 1， ?1(x) = x， ?2(x) = x2 It is so simple! What can possibly go wrong? 2．广义多项式 设函数系{ ，…}线 性无关，则其有限项的线性组合 称为广义多项式。 二、函数的最佳平方逼近 定义 对于给定的函数 ， 若n次多项式 满足关系式 则称S*(x)为f (x)在区间[a, b]上的n次最佳平方 逼近多项式。 定义 对于给定的函数 如果存在 使 则称S*(x)为f (x)在区间[a, b]上的最佳平方逼近函数。 求最佳平方逼近函数 的问题 可归结为求它的系数 使多元函数 取得极小值。 I (a0, a1, …，an)是关于a0, a1, …，an的二次函数， 利用多元函数取得极值的必要条件， (k = 0, 1, 2, …, n) 得方程组 最小二乘！ 如采用函数内积记号 方程组可以简写为 写成矩阵形式为 法方程组 ！ 由于?0, ?1, …, ?n线性无关，故Gn ? 0， 于是上述方程组存在唯一解 从而肯定了函数f (x)在?中如果存在最 佳平方逼近函数，则必是 取 ，则 要在 中求 次最佳平方逼近多项式 此时 若用H表示 对应的 矩阵，即? （3.16） 称为希尔伯特(Hilbert)矩阵， 记 ，则 的 解即为所求。 改进： 若能取函数族?={ ?0(x), ?1(x), … , ?n(x) }，使得任意一对?i(x)和?j(x)两两（带权）正交，则 B 就化为对角阵！ 这时直接可算出ak = 例2 设 ，求[0，1]上的一次最佳平方逼近多项式。 解 由方程组 ，解出 平方误差 最大误差 一、 问题的提法 已知一个函数的数值表 ym xm y2 x2 … y1 y … x1 x 求一个简单易算的近似函数 p(x) ? f (x) 。 §5 曲线拟合的最小二乘法 但是 (1) m 通常很大； (2) yi 本身是测量值，不准确，即 yi ? f (xi) 。 这时没必要使 p(xi) = yi , 而只要 p(xi) ? yi 总体上尽可能小。 常见做法： 使 最小 太复杂? 使 最小 不可导， 求解困难? 使