MATLAB与数值分析第二部分—函数的数值逼近.ppt

电子工程学院 Confidential, for review only 问题的提出 在实际问题中,函数解析式未知，函数往往通过实验观测得到的一组数据，即仅仅已知某个区间[a,b]上的一系列点的函数值。 数值逼近（Approximation） 插值问题： 构造n次多项式 Pn(x)= a0 + a1x + a2x2+…+ anxn 使满足 Pn(xi)= yi (i=0,1,2,…,n)， 讨论的主要内容： 如何求出插值函数； 插值函数的存在性； 收敛性和误差估计。 插值多项式的存在唯一性： 判断系数矩阵的奇异性 由直线的点斜式公式可知： 一次插值基函数 ? 例：已知lg10=1,lg20=1.3010,利用一次多项式插值计算 lg12的近似值。 二次插值（抛物线插值） 二次插值的基函数： 构造三个插值基函数，使其满足： （1） 基函数为二次多项式。 （2） 函数值满足： 由插值基函数的要求： 例：已知lg10=1,lg15=1.1761,lg20=1.3010,利用二次多项式插值计算 lg12的近似值。 拉格朗日插值多项式的一般形式 则构造插值公式一般形式： 满足插值基函数的条件 4.2 插值的误差分析 定理： 思考： 演示：多项式插值的Runge现象 分段线性插值 由定义可知：Ih(x)在每个小区间[xk，xk+1]可表示为： 线性分段插值收敛性： 证明： 求解思路： 因给出了2 n +2 个条件，?可唯一确定一个次数不超过2n+1的多项式H2n+1(x)，称为埃尔米特插值多项式 其形式为 确定插值基函数： 利用拉格朗日插值基函数。 Hermite插值的唯一性： 反证法： Hermite插值的余项 分段Hermite插值： 分段线性插值函数的导数是间断的，若在节点上除已知函数值 f k外还给出导数值f k’=mk,，这样就可构造一个导数连续的分段插值函数。 4.4 三次样条插值 问题的提出： 数学定义： 讨论： 为了求出S(x), 在每个小区间,需要确定4个系数，共需要确定4n个系数。 ?还需2个方程，需增加两个条件。可在[a,b]的两个端点（边界点）给出附加条件。（边界条件） 三次样条函数的计算： 方法1：利用分段三次Hermiter插值（三对角方程） 方法2： 利用二阶导数值计算（三弯矩方程） 插值方法的比较： x=-5:1:5;y=1./(1+x.*x);xi=-5:0.2:5; Yi(:,1)=1./(1+xi.*xi); Yi(:,2)=interp1(x,y,xi); Yi(:,3)=interp1(x,y,xi, spline); Yi(:,4)=interp1(x,y,xi, cubic); plot(xi,Yi) 函数插值存在的问题： 曲线拟合的最小二乘方法 一般情况：（推广） 前面例题的matlab实现： X=1:5; Y=[4 ,4.5,6,8,9]; P=polyfit(X,Y,2) x1=1:0.1:5 ; y1=polyval(P,x1); plot(X,Y,o,x1,y1,r) 4.6 函数最佳平方逼近 例： 例: 思考： 用正交函数族作最佳平方逼近： 作业： P 120~123 思考题：1 习题：3，5 实验题：1，2，3 y1=polyval(P, x) 多项式求值命令: 其中,P是n次多项式的系数,x是自变量的值, y1是多项式在x处的值 拟合曲线 将特殊函数转换为多项式函数 在matlab命令行中运行“cftool”（Curve Fitting Tools） 可选择各种拟合方法 Matlab拟合工具 小结：最小二乘拟合函数构造流程： 步骤4：求得n次多项式拟合函数P(x)=a0+a1x+a2x2 +··· + an x n 最小二乘多项式拟合函数构造流程： 函数逼近：已知复杂函数，用较简单的函数在一定准则下逼近，称函数逼近。 函数最佳平方逼近：用均方误差最小作为度量标准， 研究函数的逼近问题，就是最佳平方逼近问题。 与拟合问题的差异： 拟合问题：给定一组离散函数值，确定与离散函数值最近的函数。 函数逼近：给定一连续函数，确定与连续函数最近的函数。 函数的最佳平方逼近 则称S*(x)为f(x)在?上的最佳平方逼近函数 S*(x)为子空间?上的函数 定义权内积： 权函数 称为f(x)、g(x)在区间[a，b]上的权内积 求极值： 法方程组，用内积形式表示 Hn ＝span{1,x,…,xn} 即取?k(x) =xk Hilbert矩阵，非奇异 n较大时，呈病态方程 积分两次得到： a、b为积分常数，该式中有四个参数需要确定： 一维插值: yi =