matlab第7章 函数逼近与数据拟合.pptVIP

第7章函数逼近与数据拟合7.1函数的最佳平方逼近7.2数据的最小二乘拟合7.3实例解析本章目标：利用简单函数类的组合来逼近某个连续函数或拟合某些离散数据

对f(x)?C[a,b]及C[a,b]中的一个子集?=span{?0(x),?1(x),…,?n(x)},若存在S*(x)??,使则称S*(x)是f(x)在子集??C[a,b]中的最佳平方逼近函数.的最小值.||f(x)-S*(x)||22=||f(x)-S(x)||22=?(x)[f(x)-S(x)]2dx,?baI(a0,a1,…,an)=?(x)[aj?j(x)-f(x)]2dx?ba?j=0n?ak?I(k=0,1,…,n)=2?(x)[aj?j(x)-f(x)]?k(x)dx=0?ba?j=0n求S*(x)：等价于求多元函数I(a0,a1,…,an)是关于a0,a1,…,an的二次函数,取极值必要7.1函数的最佳平方逼近

于是有这是关于a0,a1,…,an的线性方程组,称为法方程.?0(x),?1(x),…,?n(x)线性无关,则系数detG(?0,?1,…,?n)?0,于是上述方程组有唯一解ak=ak*(k=0,1,…,n),可得S*(x)=a0*?0(x)+a1*?1(x)+…+an*?n(x).?j=0n(?j(x),?k(x))aj=(f(x),?k(x))(k=0,1,…,n),若令?(x)=f(x)-S*(x),则平方误差为||?(x)||=(f(x)-S*(x),f(x)-S*(x))=(f(x),f(x))-(S*(x),f(x))22=||f(x)||-ak*(?k(x),f(x)).?k=0n22

若取?k(x)=xk,?(x)≡1,f(x)?C[0,1],在Hn中求n次最佳平方逼近多项式:S*(x)=a0*+a1*x+a2*x2+…+an*xn.(?j(x),?k(x))=(f(x),?k(x))=此时xk+jdx=?10k+j+11f(x)xkdx≡dk?10若用H表示Gn=G(1,x,x2,…xn)对应的矩阵，即称为希尔伯特(Hilbert)矩阵.记a=(a0,a1,…,an)T,d=(d0,d1,…,dn)T,则Ha=d的解ak=ak*(k=0,1,…,n)即为所求.H=11/21/(n+1)1/21/31/(n+2)1/(n+1)1/(n+2)1/(2n+1)………………

已知x1…xm;y1…ym,求一个简单易算的近似函数P(x)?f(x)。但是①m很大；②yi本身是测量值，不准确，即yi?f(xi)这时没必要取P(xi)=yi,而要使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??使最小7.2数据的最小二乘拟合

下面简述最小二乘法的大致过程：?=-miiiyxS*02])([==?=-miiiyxS02])([(7.1)其中(7.2)为了更具一般性,通常考虑为加权平方和是[a,b]上的权函数,它表示不同点(xi,f(xi))的数据比重不同.(7.3)用最小二乘法求拟合曲线的问题,就是在形如(7.2)的S(x)中求一函数y=S*(x),使(7.3)取得最小.它转化求多元函数(7.4)的极小值问题.

=2?(xi)[aj?j(xi)-f(xi)]?k(xi)=0?j=0n?i=0m?ak?I(k=0,1,…,n)(?j,?k)=?(xi)?j(xi)?k(xi),?i=0m(f,?k)=?(xi)f(xi)?k(xi)≡dk?i=0m(k=0,1,…,n)?j=0n(?j,?k)aj=dk(k=0,1,…,n)Ga