数值分析-曲线拟合.pptVIP

* * 第五章 曲线拟合法 一、什么是曲线拟合 已知 要求出一个简单函数 ，使 ，这类问题称为曲线拟合法。 x y o 曲线拟合和函数插值的区别： 曲线拟合法求出的函数p(x)不必通过给定的点，但和给定点很接近。 如何衡量接近程度？ 一、什么是最小二乘原理 是衡量接近程度的一种方法 用最小二乘原理进行曲线拟合的方法称为最小二乘法。 最小二乘原理 已知 最小。 求 使 由此可见，最小二乘问题需要两个条件： 1.已知一组数据 2.一个拟合多项式（经验公式） 例：已给出 85.10 83.90 82.35 80.80 79.25 77.80 76.30 Rj 50.0 45.1 40.0 36.0 30.1 25.0 19.1 Tj 7 6 5 4 3 2 1 j 电阻R和温度T的关系 画草图 χ t r 10 20 30 40 50 75 80 85 χ χ χ χ χ χ 近似为一直线，设方程为： r＝p(t)＝a+bt （a,b待定） 使 最小 则 ∴所求拟合曲线是： r=p(t)=70.57+0.29t 由此得二乘法的一般定义 定义：设有n对数据（xj,yj)(j=1,2,…n)，从这些数据中找一个m次近似 多项式 这里（mn)，适当的选取 使得 为最小值 则称此式为最小二乘拟合多项式，或变量x,y之间的经验公式。 算法： 对ak求偏导数（k＝0,1…m) 化简得 记 写成矩阵形式 ＝ 此方程组有唯一解 ∵如果|Sk+i|＝0 P(x)有n个零点，与假设m个零点矛盾。 ∴方程有解，且有唯一解。 对于非多项式情况，如指数函数： 通常化为线性情况来处理 3.30 2.83 2.40 1.95 yi＝lnPi 4 3 2 1 Xi 27 17 11 7 Pi 4 3 2 1 Xi 例：求一形如 的经验公式，使它和给出的数据拟合。 解: B=lnA y（x)＝lnp(x) ＝ 利用最小二乘原理解超定方程 当方程组中mn时，称为超定方程。 最小 用矩阵形式给出即： 法方程组 思路 例 用最小二乘法解下列超定方程组的近似解 ＝ ＝ A= 解： 正交多项式的曲线拟合 一、 广义最小二乘拟合多项式 1.）定义：设函数族 线性无关，则其线性组合 称为P(x)的基函数。 称为广义多项式 2.) 最小二乘问题 设给定一组数据 求一个广义多项式 3.) 广义最小二乘原理算法 写成方程组形式 二、正交多项式的曲线拟合 1.) 概念： 定义1： 则称x,y正交。 定义2:设有一个函数族 对其中任意两个多项式 使得在某一组数 中有 称 关于节点 带权 的正交多项式族， 称为权函数，且 而 称为关于节点 带权正交多项式。 定义3:设有一个函数族 其中任意两个多项式 有下式成立： 称此函数为在[a,b]内关于权函数 的正交函数族。 *