函数逼近与曲线拟合.ppt

切比雪夫多项式的图形： T0(x), T1(x), T2(x), T3(x) （3）拉盖尔(Laguerre)多项式。 Laguerre多项式可由三项递推公式 给出。它们是在区间[0,+∞)上带权 的正交多项式。前几个Laguerre多项式如下: 它们的根都是在区间（0，+∞）上的单根。 设 是[a, b]上线性 无关的连续函数 ,a0, a1, …, an 是任意实数，则 并称 是生成集合的 一个基底。 的全体是C[a, b]的一个子集，记为 8.3最佳平方逼近 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。 函数的最佳平方逼近 即 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 如采用函数内积记号 方程组可以简写为 写成矩阵形式为 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 记 称之为最佳平方逼近误差！ 注： 最佳平方逼近误差越小，说明函数空间Hn对 f(x)的逼近效果越好。 * * 例 定义内积 ， 试在函数空间 ，寻求对于函数 的最佳平方逼近函数 。 解 简单计算可得 法方程为 # 所以 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 x x1 x2 … xm y y1 y2 … ym 求一个简单易算的近似函数 S(x) ? f (x) 。 8.4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 S(xi) = yi , 而只要 S(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 最小 最小二乘法 定义 对于给定的函数 如果存在 使 达到最小。则把 称为 f(x) 的最小二乘的拟合曲线 求 的问题 可归结为求它的系数a0, a1, …, am 使多元函数 取得极小值。 Q (a0, a1, …，am)是关于a0, a1, …，am的二次函 数，利用多元函数取得极值的必要条件， (k = 0, 1, 2, …, m) 得方程组 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?中存在 * * 若函数组 ，是两两正交的 ， 则法方程为 从而可得 求解相当方便！ 利用Schmidt正交化过程， 变为正交基 就可以将多项式基函数 例：给定函数值表，求 f (x) 的最小二乘拟合函数 s*(x) xi 0.24 0.65 0.95 1.24 1.73 yi 0.23 -0.26 -1.10 -0.45 0.27 解： 在坐标平面上描出上表中的数据点，根据点的分布情况，选取 xi 2.01 2.23 2.52 2.77 2.99 yi 0.10 -0.29 0.24 0.5