数值分析4 函数逼近与曲线拟合
常用函数的逼近和曲线拟合

常用函数的逼近和曲线拟合在数学中,函数逼近和曲线拟合都是常见的问题。
函数逼近是指找到一个已知函数,尽可能地接近另一个函数。
而曲线拟合则是给定一组数据点,找到一条曲线来描述这些数据点的分布。
本文将讨论常用的函数逼近和曲线拟合方法。
一、函数逼近1. 插值法插值法是最简单的函数逼近方法之一。
它的基本思想是:给定一组已知点,通过构造一个多项式,使得该多项式在这些点处的函数值与已知函数值相等。
插值法的优点是精度高,缺点是易产生龙格现象。
常用的插值多项式有拉格朗日插值多项式和牛顿插值多项式。
拉格朗日插值多项式的形式为:$f(x)=\sum_{i=0}^{n}y_{i}\prod_{j=i,j\neq i}^{n}\frac{x-x_{j}}{x_{i}-x_{j}}$其中,$x_{i}$是已知点的横坐标,$y_{i}$是已知点的纵坐标,$n$是已知点的数量。
牛顿插值多项式的形式为:$f(x)=\sum_{i=0}^{n}f[x_{0},x_{1},...,x_{i}]\prod_{j=0}^{i-1}(x-x_{j})$其中,$f[x_{0},x_{1},...,x_{i}]$是已知点$(x_{0},y_{0}),(x_{1},y_{1}),...,(x_{i},y_{i})$的差商。
2. 最小二乘法最小二乘法是一种常用的函数逼近方法。
它的基本思想是:给定一组数据点,找到一个函数,在这些数据点上的误差平方和最小。
通常采用线性模型,例如多项式模型、指数模型等。
最小二乘法的优点是适用性广泛,缺点是对于非线性模型要求比较高。
最小二乘法的一般形式为:$F(x)=\sum_{i=0}^{n}a_{i}\varphi_{i}(x)$其中,$a_{i}$是待求的系数,$\varphi_{i}(x)$是一组已知的基函数,$n$是基函数的数量。
最小二乘法的目标是使得$\sum_{i=1}^{m}[f(x_{i})-F(x_{i})]^{2}$最小,其中$m$是数据点的数量。
曲线拟合实验报告[优秀范文5篇]
![曲线拟合实验报告[优秀范文5篇]](https://img.taocdn.com/s3/m/ed56c4cd0342a8956bec0975f46527d3240ca6e1.png)
曲线拟合实验报告[优秀范文5篇]第一篇:曲线拟合实验报告数值分析课程设计报告学生姓名学生学号所在班级指导教师一、课程设计名称函数逼近与曲线拟合二、课程设计目的及要求实验目的: ⑴学会用最小二乘法求拟合数据的多项式,并应用算法于实际问题。
⑵学会基本的矩阵运算,注意点乘与叉乘的区别。
实验要求: ⑴编写程序用最小二乘法求拟合数据的多项式,并求平方误差,做出离散函数与拟合函数的图形;⑵用MATLAB 的内部函数polyfit 求解上面最小二乘法曲线拟合多项式的系数及平方误差,并用MATLAB的内部函数plot作出其图形,并与(1)结果进行比较。
三、课程设计中的算法描述用最小二乘法多项式曲线拟合,根据给定的数据点,并不要求这条曲线精确的经过这些点,而就是拟合曲线无限逼近离散点所形成的数据曲线。
思路分析 : 从整体上考虑近似函数)(x p 同所给数据点)(i iy x , 误差i i iy x p r -=)(的大小,常用的方法有三种:一就是误差i i iy x p r -=)(绝对值的最大值im ir≤≤ 0max ,即误差向量的无穷范数;二就是误差绝对值的与∑=miir0,即误差向量的 1成绩评定范数;三就是误差平方与∑=miir02的算术平方根,即类似于误差向量的 2 范数。
前两种方法简单、自然,但不便于微分运算,后一种方法相当于考虑 2 范数的平方,此次采用第三种误差分析方案。
算法的具体推导过程: 1、设拟合多项式为:2、给点到这条曲线的距离之与,即偏差平方与:3、为了求得到符合条件的 a 的值,对等式右边求偏导数,因而我们得到了:4、将等式左边进行一次简化,然后应该可以得到下面的等式5、把这些等式表示成矩阵的形式,就可以得到下面的矩阵:⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡∑∑∑∑∑∑∑∑∑∑∑=====+==+====niininiiknikinikinikinikiniiniinikiniiyyyaax x xx x xx x11i11012111111211 1an MMΛM O M MΛΛ 6.将这个范德蒙得矩阵化简后得到⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡n kkn nkkyyyaaax xx xx x M MΛM O M MΛΛ21102 21 1111 7、因为 Y A X = * ,那么 X Y A / = ,计算得到系数矩阵,同时就得到了拟合曲线。
数值分析---函数逼近与曲线拟合

于是
1 5 1 5 17 2 2 ( x) x ( x ) x x 9 7 4 7 252
2
3)几种常用的正交多项式
• 勒让德多项式 当区间[-1,1],权函数ρ(x) ≡1时,由 {1,x,…,xn,…}正交化得到的多项式就称为 勒让德多项式,并用P0(x),P1(x),…,Pn(x),… 表示. 其简单的表达式为
全体,按函数的加法和数乘构成连续函数 空间---- C[a, b]
3.1 函数逼近的基本概念
1)线性无关
设集合S是数域P上的线性空间,元素
x1,x2,…,xn∈S,如果存在不全为零的数
a1,a2,…,an∈P,使得
a1 x1 a2 x2 ... an xn 0,
则称x1,x2,…,xn线性相关.
( x , 0 )
2
1
0
于是
1
1 1 ( x) x 4
1 x ln xdx 9
2
1 1 2 1 1 7 2 (1 , 1 ) ( ln x)( x ) dx (ln x)( x x )dx 0 0 4 2 16 144
1 5 ( x , 1 ) ( ln x) x ( x )dx 0 4 144
且有以下常用公式
p 0 ( x) 1 p1 ( x ) x p 2 ( x ) (3 x 2 1) / 2 p 3 ( x ) (5 x 3 3 x ) / 2 p 4 ( x ) (35x 4 30x 2 x ) / 8 p 5 ( x ) (63x 5 70x 3 15x ) / 8 p 6 ( x ) ( 231 x 6 315x 4 105x 2 5) / 16
数值分析第四章函数逼近与拟合讲解

m
2 [P(xi )
i 1
yi
]
P( x ak
i
)
n
m
m
2
aj
x jk i
yi xik
j0
i 1
i 1
m
m
记 bk xik , ck yi xik
i1
i1
mn
2
[
a
j
x
j i
yi ]
x
k i
回归系数
i1 j0
b00
i 1
| xn | xn2
③ -范数:
x
max
1in
xi
(最大范数)
赋范线性空间
赋范线性空间 C[a, b]
线性空间 C[a, b] ,f(x)C[a, b]
① 1-范数: f ( x) 1
b a
f (x)
dx
② 2-范数: f ( x) b f 2( x) dx
(1) (u, v) (v, u)
(2) (u, v) (u, v), K
(3) (u v, w) (u, v) (u, w), w X (4) (u, u) 0 ,等号当且仅当 u = 0 时成立 称 (u, v) 为 X 上的内积,定义了内积的线性空间称为内积空间
2
a
性质
设 0, 1, , nC[a, b],则 0, 1, , n 线
性无关当且仅当 det(G) 0,其中
G G(0,1,
(0,0 )
,n
)
(1
,
0
)
数值分析实验报告--实验3--函数逼近与曲线拟合

数值分析实验三:函数逼近与曲线拟合1曲线逼近方法的比较1.1问题描述曲线的拟合和插值,是逼近函数的基本方法,每种方法具有各自的特点和特定的适用范围,实际工作中合理选择方法是重要的。
考虑实验2.1中的著名问题。
下面的MATLAB程序给出了该函数的二次和三次拟合多项式。
x=-1:0.2:1;y=1./(1+25*x.*x);xx=-1:0.02:1;p2=polyfit(x,y,2);yy=polyval(p2,xx);plot(x,y,’o’,xx,yy);xlabel(‘x’);ylabel(‘y’);hold on;p3=polyfit(x,y,3);yy=polyval(p3,xx);plot(x,y,’o’,xx,yy);hold off;实验要求:(1) 将拟合的结果与拉格朗日插值及样条插值的结果比较。
(2) 归纳总结数值实验结果,试定性地说明函数逼近各种方法的适用范围,及实际应用中选择方法应注意的问题。
1.2算法设计对于曲线拟合,这里主要使用了多项式拟合,使用Matlab的polyfit函数,可以根据需要选用不同的拟合次数。
然后将拟合的结果和插值法进行比较即可。
本实验的算法比较简单,此处不再详述,可以参见给出的Matlab脚本文件。
1.3实验结果1.3.1多项式拟合1.3.1.1多项式拟合函数polyfit和拟合次数N的关系1 / 13首先使用polyfit函数对f(x)进行拟合。
为了便于和实验2.1相比较,这里采取相同的参数,即将拟合区间[-1,1]等分为10段,使用每一段区间端点作为拟合的数据点。
分别画出拟合多项式的次数N=2、3、4、6、8、10时,f(x)和多项式函数的图像,如图1所示。
Matlab 脚本文件为Experiment3_1_1.m。
Figure 1 多项式拟合与拟合次数N的关系可以看出,拟合次数N=2和3时,拟合效果很差。
增大拟合次数,N=4、6、8时,拟合效果有明显提高,但是N太大时,在区间两端附近会出现和高次拉格朗日插值函数类似的龙格现象。
函数逼近与曲线拟合

函数逼近与曲线拟合3.1函数逼近的基本概念3.1.1 函数逼近与函数空间在数值计算中常要计算函数值,如计算机中计算基本初等函数及其他特殊函数;当函数只在有限点集上给定函数值,要在包含该点集的区间上用公式给出函数的简单表达式,这些都涉及到在区间上用简单函数逼近已知复杂函数的问题,这就是函数逼近问题.上章讨论的插值法就是函数逼近问题的一种.本章讨论的函数逼近,是指“对函数类A中给定的函数,记作,要求在另一类简单的便于计算的函数类B中求函数,使与的误差在某种度量意义下最小”.函数类A通常是区间上的连续函数,记作,称为连续函数空间,而函数类B通常为n次多项式,有理函数或分段低次多项式等.函数逼近是数值分析的基础,为了在数学上描述更精确,先要介绍代数和分析中一些基本概念及预备知识.数学上常把在各种集合中引入某些不同的确定关系称为赋予集合以某种空间结构,并将为样的集合称为空间.例如将所有实n维向量组成集合,按向量加法及向量与数的乘法构成实数域上的线性空间,记作,称为n维向量空间.类似地,对次数不超过n(n为正整数)的实系数多项式全体,按通常多项式与多项式加法及数与多项式乘法也构成数域上的一个线性空间,用表示,称为多项式空间.所有定义在上的连续函数集合,按函数加法和数与函数乘法构成数域上的线性空间,记作.类似地,记为具有p阶的连续导数的函数空间.定义1设集合S是数域P上的线性空间,元素,如果存在不全为零的数,使得, (3.1.1)则称线性相关.否则,若等式(3.1.1)只对成立,则称线性无关.若线性空间S是由n个线性无关元素生成的,即对都有则称为空间S的一组基,记为,并称空间S为n维空间,系数称为x在基下的坐标,记作,如果S中有无限个线性无关元素,…,则称S为无限维线性空间.下面考察次数不超过n次的多项式集合,其元素表示为, (3.1.2)它由个系数唯一确定.线性无关,它是的一组基,故,且是的坐标向量,是维的.对连续函数,它不能用有限个线性无关的函数表示,故是无限维的,但它的任一元素均可用有限维的逼近,使误差(为任给的小正数),这就是著名的Weierstrass定理.定理1(Weierstrass)设,则对任何,总存在一个代数多项式,使在上一致成立.这个定理已在“数学分析”中证明过.这里需要说明的是在许多证明方法中,伯恩斯坦1912年给出的证明是一种构造性证明.他根据函数整体逼近的特性构造出伯恩斯坦多项式, (3.1.3)其中,其中,并证明了在上一致成立;若在上阶导数连续,则.这不但证明了定理1,而且由(3.1.3)给出了的一个逼近多项式.它与拉格朗日插值多项式很相似,对,当=1时也有关系式. (3.1.4)这只要在恒等式中令就可得到.但这里当时还有,于是是有界的,因而只要对任意成立,则有界,故是稳定的.至于拉格朗日多项式,由于无界,因而不能保证高阶插值的稳定性与收敛性.相比之下,多项式有良好的逼近性质,但它收敛太慢,比三次样条插值效果差得多,实际中很少被使用.更一般地,可用一组在上线性无关的函数集合来逼近,元素,表示为. (3.1.5) 函数逼近问题就是对任何,在子空间中找一个元素,使在某种意义下最小.3.1.2 范数与赋范线性空间为了对线性空间中元素大小进行衡量,需要引进范数定义,它是空间中向量长度概念的直接推广.定义2.1.2 设为线性空间,,若存在唯一实数,满足条件:(1)正定性:,(2)当且仅当时,(3);(4)齐次性:,(5);(6)三角不(7)等式:,(8).则称为线性空间上的范数,与一起称为赋范线性空间,记为.例如,在上的向量,三种常用范数为类似地对连续函数空间,若可定义三种常用范数如下:可以验证这样定义的范数均满足定义3.1.2中的三个条件.3.1.3 内积与内积空间在线性代数中,中两个向量及的内积定义为.若将它推广到一般的线性空间,则有下面的定义.定义3.1.3设是数域上的线性空间,对,有中一个数与之对应,记为,它满足以下条件:(1);(2);(3);(4),当且仅当时,.则称为上与的内积.定义了内积的线性空间称为内积空间.定义中(1)的右端称为的共轭,当为实数域时.如果=0,则称与正交,这是向量相互垂直的概念的推广.关于内积空间性质有以下重要定理.定理3.1.2设为一个内积空间,对,有(3.1.6) 称为Cauchy-Schwarz不等式.[证明]当时(3.1.6)式显然成立.现设,则,且对任何数有.取,代入上式右端,得,即得时.定理证毕定理3.1.2设为一个内积空间,,矩阵(3.1.7)称为Gram矩阵,则G非奇异的充分必要条件是线性无关.[证明]G非奇异等价于,其充分必要条件是齐次方程组(3.1.8) 只有零解.而(3.1.9) 从以上的等价关系可知,等价于从(3.1.8)推出.而后者等价于从(3.1.9)推出,即线性无关.定理证毕在内积空间上可以由内积导出一种范数,即对于,记(3.1.10) 容易验证它满足范数定义的三条性质,其中三角不等式(3.1.11)可由定理3.1.2直接得出,即两端开方即得(3.1.11).例1与的内积.设,,,则其内积定义为(3.1.12)由此导出的向量2-范数为.若给定实数,称为权系数,则在上可定义加权内积为(3.1.13)相应的范数为.不难验证(3.1.13)给出的满足内积定义的4条性质,当时,(3.1.13)就是(3.1.12).如果,带权内积定义为(3.1.14) 这里仍为正实数序列,为的共轭.在上也可以类似定义带权内积,为此先给出权函数的定义.定义3.1.4 设是有限或无限区间,在上的非负函数满足条件:(1)存在且为有限值;(2)对上的非负连续函数,如果,则.则称为上的一个权函数.例2上的内积.设,是上给定的权函数,则可定义内积. (3.1.15)容易验证它满足内积定义的4条性质,由此内积导出的范数为. (3.1.16)称(3.1.15)和(3.1.16)为带权的内积和范数.特别常用的是的情形,即若是中的线性无关函数族,记,它的Gram矩阵为(3.1.17)根据定理3.1.3可知线性无关的充分必要条件是.3.2 正交多项式正交多项式是函数逼近的重要工具,在数值积分中也有着重要的应用.3.2.1 正交函数族与正交多项式定义3.2.1 若,为上的权函数且满足, (3.2.1)则称与在上带权正交.若函数族满足关系(3.2.2)则称是上带权的正交函数族;若,则称之为标准正交函数族.例如,三角函数族就是在区间上的正交函数族.因为对有,而对,当时有定义3.2.2 设是上首项系数的次多项式,为上权函数,如果多项式序列满足关系式(3.2.2),则称多项式序列为在上带权正交,称为上带权的次正交多项式.只要给定区间及权函数,均可由一族线性无关的幂函数,利用逐个正交化手续构造出正交多项式序列;,(3.2.3) 这样得到的正交多项式序列有以下性质:(1)是具有最高次项系数为1的次多项式.(2)任何次多项式均可表示为的线性组合.(3)当时,,且与任一次数小于的多项式正交.(4)成立递推关系.其中这里.(5)设是在上带权的正交多项式序列,则的个根都是在区间内的单重实根.3.2.2 勒让德多项式当区间为[-1,1],权函数时,由正交化得到的多项式就称为勒让德(Legendre)多项式,并用表示.这是勒让德于1785年引进的,1814年罗德利克(Rodrigul)给出了简单的表达式由于是2次的多项式,求阶导数后得,于是得首项系数为,显然最高项系数为1的勒让德多项式为.(3.2.6) 勒让德多项式有下述几个性质:性质1正交性(3.2.7) [证明]令,则.设是在区间[-1,1]上的阶连续可微的函数,由分部积分知下面分两种情况讨论:(1)若是次数小于的多项式,则,故得(2)若,则,于是由于,故,于是(3.2.7)得证.性质2奇偶性(3.2.8)[证明]由于是偶次多项式,经过偶次求导仍为偶次多项式,经过奇次求导则为奇次多项式,故为偶数时为偶函数,为奇数时为奇函数,于是(3.2.8)成立.性质3递推关系(3.2.9) [证明]考虑+1次多项式,它可表示为两边乘以,并从-1到1积分,得.当时,的次数小于-1,上式左端积分为0,故得.当时.为奇函数,左端积分仍为0,故.于是.其中,代入上式整理可得(3.2.9).例1由利用性质3可得性质4在区间[-1,1]内有个不同的实零点.3.2.3 切比雪夫多项式当权函数,区间为[-1,1]时,由序列正交化得到的多项式就称为切比雪夫(Chebyshev)多项式,它可表示为(3.2.10)若令,则.切比雪夫多项式有很多重要性质:性质1递推关系(3.2.11) 这只要由三角不等式.令即得.由(3.2.11)就可推出由递推关系(3.2.11)还可得到的最高次项系数是.性质6切比雪夫多项式在区间[-1,1]上带权正交,且(3.2.12) 事实上,令,则,于是性质7只含的偶次幂,只含有的奇次幂.这性质由递推关系直接得到.性质8在区间[-1,1]上的个零点此外,实际计算中时常要求用的线性组合,其公式为. (3.2.13) 例如:结果如下:3.2.4 其他常用的正交多项式一般说,如果区间及权函数不同,则得到的正交多项式也不同.除上述两种最重要的正交多项式外,下面再给出三种较常用的正交多项式.第二类切比雪夫多项式在区间[-1,1]上带权的正交多项式称为第二类切比雪夫多项式,其表达式为. (3.2.14)令,可得即是[-1,1]上带权的正交多项式族.还可得到递推关系式.拉盖尔多项式在区间上带权的正交多项式称为拉盖尔(Laguerre)多项式,其表达式为. (3.2.15)其正交性为和递推关系.3. 埃尔米特多项式在区间上带权的正交多项式称为埃尔米特多项式.其表达式为, (3.2.16)其正交性为递推关系为.3.3 最佳一致逼近多项式3.3.1 基本概念及其理论本节讨论,在中求多项式,使其误差.这就是通常所谓最佳一致逼近或切比雪夫逼近问题.为了说明这一概念,先给出以下定义.定义3.3.1 设,,称. (3.3.1) 为与在上的偏差.显然,的全体组成一个集合,记为{},它有下界0.若记集合的下确界为(3.3.2)则称之为在上的最小偏差.定义3.3.2 假定,若存在,使得, (3.3.3)则称是在上的最佳一致逼近多项式或最小偏差逼近多项式,简称最佳逼近多项式.注意,定义并未说明最佳逼近多项式是否存在,但可证明下面的存在定理.定理4若,则总存在,使.为了研究最佳逼近多项式的特性,先引进偏差点的定义.定义3.3.3设,,若在上有,就称是的偏差点.若,称为“正”偏差点.若,称为“负”偏差点.由于函数在上连续,因此,至少存在一个点,使,也就是说的偏差点总是存在的.下面给出反映最佳逼近多项式特征的切比雪夫定理.定理3.3.2是的最佳逼近多项式的充分必要条件是在上至少有个轮流为“正”、“负”的偏差点,即有个点,使. (3.3.4) 这样的点组称为切比雪夫交错点组.[证明]只证充分性.假定在上有个点使(3.3.4)成立,要证明是在上的最佳逼近多项式.用反证法,若存在,使.由于在点上的符号与一致,故也在个点上轮流取“+”、“-”号.由连续性质,它在内有个零点,但因是不超过次的多项式,它的零点不超过.这矛盾说明假设不对,故就是所求最佳逼近多项式.充分性得证,必要性证明略,可参看[5].定理5说明用逼近的误差曲线是均匀分布的.由这定理还可得以下重要推论.推论1若,则在中存在唯一的最佳逼近多项式.证明略.利用定理5可直接得到切比雪夫多项式的一个重要性质,即定理3.3.3 在区间[-1,1]上所有最高次项系数为1的次多项式中与零的偏差最小,其偏差为.[证明]由于,且点是的切比雪夫交错点组,由定理5可知,区间[-1,1]上在中最佳逼近多项式为,即是与零的偏差最小的多项式.定理证毕例3求在[-1,1]上的最佳2次逼近多项式.解由题意,所求最佳逼近多项式应满足由定理3.3.3可知,当时,多项式与零偏差最小,故就是在[-1,1]上的最佳2次逼近多项式.3.3.2 最佳一次逼近多项式定理3.3.2给出了最佳逼近多项式的特性,但要求出却相当困难.下面讨论的情形.假定,且在内不变号,我们要求最佳一次逼近多项式.根据定理3.3.2可知至少有3个点,使由于在内不变号,故单调,在内只有一个零点,记为,于是,即.另外两个偏差点必是区间端点,即,且满足由此得到(3.3.5) 解出, (3.3.6) 代入(3.3.5)得. (3.3.7)这就得到了最佳一次逼近多项式,其几何意义如图3-3所示.直线与弦MN平行,且通过MQ的中点D,其方程为.图3-3一次最佳一致逼近多项式几何意义例4 求在上的最佳一次逼近多项式。
数值分析—第3章函数逼近与数据拟合法

称为广义多项式。
数值分析
三、函数的最佳平方逼近 对于给定的函数 f ( x) C[a, b] 如果存在 使
* ( x) Span 0 , 1 , , n } {
b
a
( x) f ( x) ( x) dx min
* 2
( x ) a
mn mn0 mn0
(2) 递推关系
相邻的三个切比雪夫多项式具有三项递推关系式: T0 ( x ) 1, T1 ( x ) x (n 1, 2, ) Tn1 ( x ) 2 x Tn ( x ) Tn1 ( x ) Tn (x) 的最高次项系数为 2n-1 (n = 1, 2, …)。
连续函数在[a, b]上线性无关的充分必要条件是它们 的Gramer行列式Gn 0,其中
( 0 , 0 ) ( 0 , 1 ) ( 0 , n ) G n G n ( 0 , 1 , , n ) (1 , 0 ) (1 , 1 ) (1 , n ) ( n , 0 ) ( n , 1 ) ( n , n )
(n 1, 2, )
(3) 奇偶性: 当n为偶数时,Pn (x)为偶函数; 当n为奇数时,Pn (x)为奇函数。 (4) Pn (x)的n个零点都是实的、相异的,且全
部在区间[-1, 1]内部。
数值分析
2.切比雪夫(Tchebyshev)多项式 称多项式
Tn ( x) cos(narc cos x)
Span{ 0 , 1 , , n }
并称 0 ( x), 1 ( x), , n ( x) 是生成集合的一个基底。 设函数系{
0 ( x), 1 ( x), , n ( x) ,…}线性无关,
第三章函数逼近和曲线拟合

S=span{ x1,..., xn}
并称该空间为n维空间。1,2 ,...,n P
称为x在这组基下的坐标。 例:n次多项式
p(x) Hn , p(x)=a0 + a1x ... an xn Hn span{1, x, x2 ,..., xn}
4
11
4.5
12
4.6
强 度 yi 编 号 拉伸倍数 xi
1.4
13
5
1.3
14
5.2
1.8
15
6
2.5
16
6.3
2.8
17
6.5
2.5
18
7.1
3
19
8
2.7
20
8
4
21
8.9
3.5
22
9
4.2
23
9.5
3.5
24
10
强 度 yi
5.5 5
5.5
6.4 6
5.3 6.5
7 8.5
8 8.1 8.1
6
内积与内积空间 定义3:设X为数域K(R或C)上的线性空
间,满足条件:
u, v X , k (u, v) K, st.
(1) (u, v) (v, u)
(2) (u, v) (u, v), for K
(3) (u v, w) (u, w) (v, w), for w X
(4) (u, u) 0, u 0 iff (u, u) 0
存在唯一实数 g ,满足条件:
(1) x 0; x 0 iff x 0
(2) x x , R
(3) x y x y , x, y R
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
函数逼近与曲线拟合
§1 函数逼近 简单的函数 p(x) 近似地代替函数 f (x), 是计算数学中最基本的概念和方法之一。近 似代替又称为逼近,函数f (x)称为被逼近的 函数,p (x)称为逼近函数,两者之差
R( x) f ( x) p ( x)
称为逼近的误差或余项。 如何在给定精度下,求出计算量最小的 近似式,这就是函数逼近要解决的问题
维尔斯特拉斯定理 若f (x)是区间[a, b]上的连续函数,则对
于任意 >0,总存在多项式p (x),使对一切
a ≤x ≤b有
f ( x) p ( x)
§4 最佳平方逼近
1.函数系的线性相关性 定义 若函数 0 ( x), 1 ( x), , n ( x),在区
间[a, b]上连续,如果关系式
的正交多项式序列。
e
x2
mn 0, H m ( x) H n ( x)dx n 2 n! , m n
② 相邻的三项具有递推关系式:
H 0 ( x) 1, H1 ( x) 2 x H n 1 ( x) 2 xH n ( x) 2nH n 1 ( x), ( n 1, 2, )
x
n
为拉盖尔多项式。
① {Ln(x)}是在区间[0, +∞]上带权 (x) = e-x
的正交多项式序列。
0
m n, 0, x e Lm ( x) Ln ( x)dx 2 (n!) , m n。
② 相邻的三项具有递推关系式:
L0 ( x) 1, L1 ( x) 1 x, 2 Ln 1 ( x) (1 2n x) Ln ( x) n Ln 1 ( x), (n 1, 2,)
u 0 ( x) 1, u1 ( x) 2 x, u n1 ( x) 2 xun ( x) u n 1 ( x)
(n 1, 2, )
(2) 拉盖尔(Laguerre)多项式
定义 称多项式
d n x Ln ( x ) e ( x e ), (0 x ) n dx (n 0, 1, 2, )
勒让德多项式的性质: (1) 正交性 勒让德多项式序列{pn(x)}是在[-1, 1]上带权 (x) = 1的正交多项式序列。
mn 0 1 1 pm ( x) pn ( x)dx 2 m n 2n 1 (2) 递推关系
相邻的三个勒让德多项式具有三项递推关系式:
2 a
b
作为度量误差的“大小”的标准的函数逼近 称 为平方逼近或均方逼近。
§2 正交多项式 一、正交函数系的概念 考虑函数系 1,cosx,sinx,cos2x,sin2x,…,connx,sinnx,… 此函数系中任何两个不同函数的乘积在区 间[- , ]上的积分都等于0 ! 我们称这个函数中任何两个函数在[- , ] 上是正交的,并且称这个函数系为一个正交 函数系。
Ax b
a11 a12 a1 n a21 a22 a2 n i 1 A bi lij x j j 1 第4章an 2 函数逼近与曲线拟合 an 1 ann xi lii
i 2 ,3 , , n
第4章
x
a
b
n
( x )dx 存在,(n = 0, 1, 2, …),
(3) 对非负的连续函数g (x) 若 则在(a, b)上g (x) 0 称 (x)为[a, b]上的权函数
b
a
g ( x) ( x)dx 0
2.内积
定义 设f (x),g (x) C [a, b], (x)是[a, b] 上的权函数,则称 ( f , g ) b ( x) f ( x) g ( x)dx 为 f (x) 与 g (x)在 [a, b]上以 (x)为权函数 的内积。 内积的性质: (1) (f, f )≥0,且 (f, f )=0 f = 0; (2) (f, g) = (g, f ); (3) (f1 + f2, g ) = (f1, g) + (f2, g); (4) 对任意实数k,(kf, g) = k (f, g )。
正交多项式的构造: 有递推关系式:
0 ( x ) 1, 1 ( x ) ( x 1 ) 0 ( x ) k 1 ( x ) ( x k 1 ) k ( x ) k k 1 ( x ) ( x k , k ) ( k , k ) 其中 k 1 , k ( k , k ) ( k 1 , k 1 )
( f , g ) ( x) f ( x) g ( x)dx 0
a
b
则称函数系{k (x)}是[a, b]上带权 (x)的正交 函数系,
特别地,当Ak 1时,则称该函数系为标准 正交函数系。 若定义中的函数系{k (x)}为多项式函数系, 则称为以 (x)为权的在[a, b]上的正交多项式系。 并称pn(x)是[a, b]上带权 (x)的n次正交多项式。
在这种意义下的函数逼近称为一致 逼近或均匀逼近
对于任意给定的一个小正数 >0,如果存在函 数p (x),使不等式 max f ( x) p( x) 成立,则称该函数p (x)在区间[a, b]上一致逼近 或均匀逼近于函数f (x)。 (二) 平方逼近: 采用
a x b
[ f ( x) p( x)] dx
(2k 1) x k cos , (k 1, 2, , n) 2n
(5) Tn (x) 在[-1, 1]上有n + 1个不同的极值点
x k cos k
n
(k 0, 1, 2, , n)
使Tn (x)轮流取得最大值 1 和最小值 -1。
(6) 切比雪夫多项式的极值性质 Tn (x) 的最高次项系数为 2n-1 (n = 1, 2, …)。 定理 在-1≤x ≤1上,在首项系数为1的一切 1 n次多项式Hn (x)中 ~ Tn ( x) n 1 Tn ( x) 2 1 与零的偏差最小,且其偏差为 n 1
2
即,对于任何 p( x) H n ( x) , 有
1 2
n 1
~ max Tn ( x) 0 max p( x) 0
1 x 1 1 x 1
2.勒让德(Legendre)多项式 定义 多项式 pn ( x)
1 dn n [( x 2 1)n ] n 2 n ! dx ( n 0, 1, 2, ) 称为n次勒让德多项式。
a0 0 ( x) a11 ( x) a2 2 ( x) an n ( x) 0
当且仅当 a0 a1 a2 an 0 时才成立, 则称函数 0 ( x), 1 ( x), , n ( x) 在[a, b]上是线 性无关的,否则称线性相关。
(1) 正交性:
由{ Tn (x)}所组成的序列是在区间[-1, 1]上带权 1 ( x) 2 1 x 的正交多项式序列。且
1
1
0, 1 Tm ( x)Tn ( x)dx , 1 x2 2 ,
mn
mn0 mn0
(2) 递推关系 相邻的三个切比雪夫多项式具有三项递推关系式 T0 ( x) 1, T1 ( x) x (n 1, 2, ) Tn1 ( x) 2 x Tn ( x) Tn1 ( x)
3.其它常用的正交多项式
(1) 第二类切比雪夫多项式
定义 称
u n ( x)
sin[( n 1) arccos x] 1 x
2
(n 0, 1, 2, )
为第二类切比雪夫多项式。
① {un(x)}是在区间[-1, 1]上带权函数
( x) 1 x
的正交多项式序列。
2
② 相邻的三项具有递推关系式:
a
3.正交性 定义 设 f (x),g(x) C [a, b] 若 则称f (x)与g (x)在[a, b]上带权 (x)正交。 定义 设在[a, b]上给定函数系{k(x)} ,若满足条件
0, j k ( j ( x), k ( x) A 0, j k k ( j , k 0, 1, ) ( Ak 是常数)
若对以上函数系中的每一个函数再分 别乘以适当的数,使之成为:
1 1 1 1 1 , cos x, sin x, , cos nx交 的性质,而且还是标准化的(规范的)
1.权函数
定义 设 (x)定义在有限或无限区间[a, b]上, 如果具有下列性质: (1) (x) ≥0,对任意x [a, b], (2) 积分
§3
最佳一致逼近
一、最佳一致逼近的概念 定义 设函数f (x)是区间[a, b]上的连续函数, 对于 任意给定的 >0,如果存在多项式p (x), 使不等式
max f ( x) p( x)
a x b
成立,则称多项式p (x)在区间[a, b]上一致逼 近(或均匀逼近)于函数f (x)。
(3) 奇偶性: 切比雪夫多项式Tn (x),当n为奇数时为奇函数; n为偶数时为偶函数。
Tn ( x) cos[n arccos( x)] cos(n narc cos x) (1) cos(narc cos x) (1) Tn ( x)
n n
(4) Tn (x)在区间[-1, 1]上有n 个不同的零点
p0 ( x) 1, p1 ( x) x 2n 1 n pn 1 ( x) n 1 xpn ( x) n 1 pn 1 ( x) (n 1, 2, )
(3) 奇偶性:
当n为偶数时,pn (x)为偶函数;