函数逼近
第七章 函数逼近
用简单的函数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 )()()(x p x f x R -=
称为逼近的误差或余项
在计算数学里，所谓简单的函数主要是指可以用加、减、乘、除四则运算进行计算的函数，如有理分式函数、多项式等。由于多项式最简单，计算其值只需用到加、减与乘三种运算，且求其微分和积分都很方便，所以常用它来作为逼近函数，而被逼近的函数f (x )一般是一个比较复杂的不易计算的函数或以表格形式给出的函数。
第六章介绍的插值法实际上也是函数逼近的一种方法。不过，它要求函数p (x )与f (x )在节点处具有相同的函数值 (甚至要求有相同的导数值)，但在非节点处，p (x ) 虽然有可能很好地逼f (x )，但也可能使逼近f (x ) 的误差很大，如果实际问题要求p (x )在区间[a , b ] 上每一点都“很好”地逼近的话，用插值多项式p (x ) 去逼近f (x )有时就要失败，所谓龙格现象，就是典型一例。
大家知道，用f (x )的泰勒(Taylor)展开式
)()()!
1()()(!
)()(!2)()
)(()()(010)1(00)(200000之间与在x x x x n f x x n x f x x x f x x x f x f x f n n n n ξξ++-++-++-''+-'+=Λ 的部分和去逼近函数f (x )，也是常用的方法。这种方法的特点是：x 越接近于x 0，误差就越小，x 越偏离x 0，误差就越大。若要使这种逼近在整个所讨论的区间上都达到精度要求，则需取很多项，这样，计算工作量就大大增加。因此，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，这个问题的一般提法是：
对于函数类A 中给定的函数f (x )，要求在另一类较简单的且便于计算的函数类B (? A )中寻找一个函数p (x )，使p (x )与f (x )之差在某种度量意义下最小。
一般，最常见的函数A 是区间[a , b ]上的连续函数，记作C [a , b ]。
最常用的函数类B 有代数多项式、三角多项式以及有理分式函数等。 最常用的度量标准有两种：
(一) 一致逼近
以函数f (x )和p (x )的最大误差 )()(max ],[x p x f b a x -∈
作为度量误差f (x ) - p (x )的“大小”的标准，在这种意义下的函数逼近称为一致逼近或均匀逼近，讲得更具体一点，也即对于任意给定的一个小正数ε >0，如果存在函数p (x )，使不等式
ε<-<<)()(max x p x f b
x a 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：
如果我们采用 dx x p x f b
a ?-2)]()([
作为度量误差)()(x p x f -的“大小”的标准，在这种意义下的函数逼近称为平方逼近或均方逼近。这种方法要比一致逼近的相应问题简单得多。
本章主要介绍在这两种度量标准下用代数多项式p (x )去逼近区间[a, b ]上的连续函数，也就是介绍函数的最佳一致逼近多项式和最佳平方逼近多项式。
由于正交多项式是函数逼近的重要工具，因此，下面先介绍几种常见的正交多项式。
§1 正交多项式
一、正交函数系的概念
高等数学中介绍傅立叶(Fourier)级数时，证明过函数系；
1， cos x ，sin x ，cos2x ，sin2x ，…，con nx ，sin nx ，… (7.1)
中任何两个函数的乘积在区间[-π ,π ]上的积分都等于0。我们称这个函数中任何两个函数在
[-π ,π ]上是正交的，并且称这个函数为一个正交函数系。若对(7.1)中的每一个函数再分别乘以适当的数，使之成为：
nx nx x x sin 1,cos 1,,,sin 1,cos 1,21πππππΛ （7.2) 那么这个函数系在[-π ,π ]上不仅保持正交的性质，而且还地标准化的(规范的)，亦即每一个函数自乘之积，在[-π ,π ]上的积分是1。
为了使讨论更具有一般性，先要介绍一些基本概念。
1．权函数的概念
定义7.1 设ρ (x )定义在有限或无限区间[a , b ]上，如果具有下列性质：
(1) ρ (x ) ≥0，对任意x ∈[a , b ]，
(2) 积分dx x x n b a )(ρ?存在，(n = 0, 1, 2, …)， (3) 对非负的连续函数g (x ) 若?=b
a dx x x g 0)()(ρ。
则在(a , b )上g (x ) ≡ 0，我们就称ρ (x )为[a , b ]上的权函数。
在正交多项式的讨论中，会遇到各种有意义的权函数，常用的权函数有：
1)(],1,1[],[=-=x b a ρ； 211
)(],1,1[],[x x b a -=-=ρ
x e x b a -=∞=)(],,0[],[ρ
2)(],,[],[x e x b a -=∞+-∞=ρ
等等。
2．内积的概念
定义7.2 设f (x )，g (x ) ∈ C [a , b ]，ρ (x )是[a , b ]上的权函数，则称 ?=b
a dx x g x f x g f )()()(),(ρ 为f (x )与g (x )在[a ,
b ]上以ρ (x )为权函数的内积。
内积有如下性质：
(1) (f , f )≥0，且(f , f )=0 ? f = 0；
(2) (f , g ) = (g , f )；
(3) (f 1 + f 2, g ) = (f 1, g ) + (f 2, g )；
(4) 对任意实数k ，(kf , g ) = k (f , g )。
这些性质，由内积的定义不难得到证明。
3．正交性的概念
定义7.3 设f (x )，g (x ) ∈C [a , b ]若 ?==b a dx x g x f x g f 0)()()(),(ρ
第6章 函数逼近与函数插值
第六章 函数逼近与函数插值 本章介绍函数逼近与插值的有关理论和算法. 函数逼近问题与插值问题两者既有联系又有区别，它们都是用较简单的函数来近似未知的、或表达式较复杂的函数. 一般来说，函数逼近是要在整个区间、或一系列离散点上整体逼近被近似函数，而在进行插值时，则须保证在若干自变量点上的函数值与被近似函数相等. 6.1 函数逼近的基本概念 进行函数逼近一般是在较简单的函数类Φ中找一个函数p(x)来近似给定的函数f(x)，以使得在某种度量意义下误差函数p (x )?f(x)最小. 被逼近函数f(x)可能是较复杂的连续函数，也可能是只在一些离散点上定义的表格函数，而函数类Φ可以是多项式、分段多项式、三角函数、有理函数，等等. 函数逼近问题中度量误差的手段主要是函数空间的范数，下面先介绍函数空间的范数、内积等有关概念，然后讨论函数逼近问题的不同类型. 6.1.1 函数空间 线性空间的概念大家都很熟悉，其定义中包括一个元素集合和一个数域，以及满足一定运算规则的“加法”和“数乘”运算. 简单说，若这个元素集合对于“加法”和“数乘”运算封闭，则为一线性空间. 线性空间的元素之间存在线性相关和线性无关两种关系，进而又有空间的基和维数的概念. 在这里我们先考虑连续函数形成的线性空间. 例如C [a,b ]按函数加法、以及函数与实数乘法，构成一个线性空间. 对于[a,b]区间上所有k 阶导数连续的函数全体C k [a,b ]，也类似地构成一个线性空间. 我们一般讨论实数函数，因此对应的是实数域?，若讨论复数函数，则相应的是复数域?. 另外，与线性代数中讨论的向量空间?n 不同，连续函数空间是无限维的. 对线性空间可以定义范数的概念（见3.1.2节）. 针对实连续函数空间C [a,b ]，与向量空间类似，可定义如下三种函数的范数(function norm)： 1) ∞-范数 设f (x )∈C [a,b ]，则‖f (x )‖∞=max x∈[a,b ]|f (x )| . 其几何意义如图6-1所示，即函数值绝 对值的最大值. 2) 1-范数 ‖f (x )‖1=∫|f (x )|dx b a . 其几何意义如图6-2所示，即函数曲线 与横轴之间的面积总和. 3) 2-范数 ‖f (x )‖2=[∫f 2(x )dx b a ]1/2. 2-范数也常称为平方范数，其几何意义 与1-范数类似. 线性空间还有一个重要概念是内积，它 定义了空间中两个元素的一种运算. 下面给出一般的复数域上线性空间内积的定义.
函数的基本概念练习
第 1 页 共 1 页 函数的基本概念 一、知识归纳： 1、映射： 2、函数的定义： 3、函数的三要素： 4、函数的表示： 二、题型归纳： 1、有关映射概念的考察； 2、求函数的定义域； 3、求函数的解析式： 4、求函数的值域。 三、练习： 1、设B A f →:是集合A 到集合B 的映射，则下列命题正确的是（ ） A 、A 中的每一个元素在B 中必有象 B 、B 中的每一个元素在A 中必有原象 C 、B 中的每一个元素在A 中的原象是唯一的 D 、A 中的不同元素的象不同 3、已知A={1、2、3、 4、5}，对应法则f ：1)3(2 +-→x x ，设B 为A 中元素在f 作用下的象集，则B ＝ 。 4、设函数f(x)＝132 +-x x ，则f(a)－f(－a)= 。 5、设（x ,y ）在映射f 下的象是（x ＋y ,x －y ），则象（1，2）的原象是 （ ） A ．（3，1） B ．)21,23 (- C ．（－1，3） D ．)2 3,21(- 6、已知函数 =???>+-≤+=)]25([,) 1(3)1(1)(f f x x x x x f 则 . 7、函数y ＝f(x)的图像与直线x ＝4的交点个数为 （ ） （A ）至多一个（B ）至少一个（C ）必有一个（4）一个、两个或无穷多个 8、由函数1)(2++= mx mx x f 的定义域是一切实数，则m 的取值范围是 （ ） A ．（0，4] B ．[0，1] C ．[0，4] D ．[4，+∞) 9、下列各组中，函数f (x )和g(x )的图象相同的是 （ ） A ．f (x )=x ，g(x )=(x )2 B ．f (x )=1，g(x )=x 0 C ．f (x )=|x |，g(x )=2 x D ．f (x )=|x |，g(x )=? ??-∞∈-+∞∈)0,(,) ,0(,x x x x 10、函数y =1122---x x 的定义域为 （ ） A ．{x |－1≤x ≤1} B ．{x |x ≤－1或x ≥1} C ．{x |0≤x ≤1} D ．{－1，1} 3、已知函数f (x )的定义域为［0，1］，则f (x 2)的定义域为 （ ） A ．(－1，0) B ．[－1，1] C ．(0，1) D ．［0，1］ 6、已知y=f(x)的定义域为R ，f(x+2)=－f(x)，f(1)=10，则f(9)的值为（ ） A ．10 B ．－1 C ．0 D ．不确定 7、设f (x －1)=3x －1，则f (x )=__ _______. 8、已知函数f ( 2x + 1 )的定义域为（0，1），则f ( x ) 的定义域为 。 9、函数)1(-x f 的定义域是[0，2]，则)2(+x f 的定义域是 。 11、已知f ( x ) = 2 21x x +，那么f ( 1 ) + f ( 2) + f (2 1) + f ( 3 ) + f( 31 ) + f ( 4 ) + f ( 4 1 ) = 。 13、 14、 ). ()1(x f x x x f ，求已知函数满足+=+的解析式。，求已知函数)(1 2)1(2 x f x x x f +=
神经网络作业(函数逼近)
智能控制理论及应用作业 1资料查询 BP 神经网络的主要应用： 人脸识别、风电功率预测、短时交通流混沌预测、高炉熔渣粘度预测、汇率预测、价格预测、函数逼近等 Rbf神经网络的主要应用： 函数逼近、短时交通流预测、模式识别、降水预测、民航客运量预测、遥感影像分析、声纹识别、语言识别、人脸识别、车牌识别、汇率预测 Hopfield网络应用： 车牌识别、图像识别、遥感影像分类、字母识别、交通标志识别、优化计算中的应用、联想记忆存储器的实现、 2 BP编程算法： 2.1 利用样本训练一个BP网络 注：此程序自李国勇书中学习而来 程序部分： function [ output_args ] = bp( input_args ) %UNTITLED Summary of this function goes here % Detailed explanation goes here %此设计为两层BP神经网络，3输入，3隐含层节点，两个输出 %初始化部分： lr=0.05; %%需要给定学习速率 error_goal=0.001; %期望的误差 max_epoch=100000; %训练的最大步长 a=0.9; %惯性系数 Oi=0; Ok=0; %给两组输入，以及目标输出： X=[1 1 1;-1 -1 1;1 -1 1;]; %随便给一组输入输入，训练BP网络
T=[1 1 1 ;1 1 1]; %X=-1:0.1:1; %输入范围 %T=sin(pi*X); %X=[] q=3; %隐含层的节点数自己定义，在此给3个 %初始化 [M,N]=size(X); %输入节点个数为M,N为样本数 [L,N]=size(T); %输出节点个数为L wij=rand(q,M); %先给定加权系数一组随机值 wki=rand(L,q); wij0=zeros(size(wij)); %加权系数矩阵的初始值 wki0=zeros(size(wki)); for epoch=1:max_epoch %计算开始 NETi=wij*X; %各个隐含层的净输入 for j=1:N for i=1:q Oi(i,j)=2/(1+exp(-NETi(i,j)))-1; %再输入作用下，隐含层的输出 end end NETk=wki*Oi; %各个输出层的净输入 for i=1:N for k=1:L Ok(k,i)=2/(1+exp(-NETk(k,i)))-1; %在输入作用下，输出层的输出end end E=((T-Ok)'*(T-Ok))/2; %性能指标函数，就是误差 if(E 二次函数综合题训练题型集合 1、如图1，已知二次函数图象的顶点坐标为C(1,0)，直线m x y+ =与该二次函数的图象交于A、B两点，其中A点的坐标为(3,4)，B点在轴y上. （1）求m的值及这个二次函数的关系式； （2）P为线段AB上的一个动点（点P与A、B不重合），过P作x轴的垂线与这个二次函数的图象交于点E点，设线段PE的长为h，点P的横坐标为x，求h与x之间 的函数关系式，并写出自变量x的取值范围； （3）D为直线AB与这个二次函数图象对称轴的交点，在线段AB上是否存在一点P，使得四边形DCEP是平行四边形？若存在，请求出此时P点的坐标；若不存在，请说 明理由. 2、如图2，已知二次函数24 y ax x c =-+的图像经过点A和点B．（1）求该二次函数的表达式； （2）写出该抛物线的对称轴及顶点坐标； （3）点P（m，m）与点Q均在该函数图像上（其中m＞0），且这两点关于抛物线的对称轴对称，求m的值及点Q 到x轴的距离 E B A C P 图1 O x y D x y O 3 －9 －1 －1 A B 图2 P B A C O x y Q 图3 3、如图3，已知抛物线c x b x a y ++=2经过O(0,0)，A(4,0),B(3,3)三点，连结AB ，过点B 作BC ∥x 轴交该抛物线于点C. （1） 求这条抛物线的函数关系式. （2） 两个动点P 、Q 分别从O 、A 两点同时出发,以每秒1个单位长度的速度运动. 其中，点P 沿着线段0A 向A 点运动，点Q 沿着折线A →B →C 的路线向C 点运动. 设这两个动点运动的时间为t （秒) (0＜t ＜4)，△PQA 的面积记为S. ① 求S 与t 的函数关系式； ② 当t 为何值时，S 有最大值，最大值是多少？并指出此时△PQA 的形状； ③ 是否存在这样的t 值，使得△PQA 是直角三角形?若存在，请直接写出此时P 、Q 两点的坐标；若不存在，请说明理由. 7、（07海南中考）如图7，直线43 4 +- =x y 与x 轴交于点A ，与y 轴交于点C ，已知二次函数的图象经过点A 、C 和点()0,1-B . （1）求该二次函数的关系式； （2）设该二次函数的图象的顶点为M ，求四边形AOCM 的面积； （3）有两动点D 、E 同时从点O 出发，其中点D 以每秒 2 3 个单位长度的速度沿折线OAC 按O →A →C 的路线运动，点E 以每秒4个单位长度的速度沿折线OCA 按O →C → A 的路线运动， 当D 、E 两点相遇时，它们都停止运动.设D 、E 同时从点O 出发t 秒时，ODE ?的面积为S . ①请问D 、E 两点在运动过程中，是否存在DE ∥OC ，若存在，请求出此时t 的值；若不存在，请说明理由； ②请求出S 关于t 的函数关系式，并写出自变量t 的取值范围； ③设0S 是②中函数S 的最大值，那么0S = . C A M y B O x C A M y B O x C A M y B O x 第六章函数逼近https://www.360docs.net/doc/404455652.html,/shuzhifenxi/index.htm 第一节曲线拟合的最小二乘法 问题的背景 通过观测、测量或试验得到某一函数在x1 ,x2,…,x n的函数值. 我们可以用插值的方法对这一函数进行近似,而插值方法要求所得到的插值多项式经过已知的这n个插值结点;在n比较大的情况下, 插值多项式往往是高次多项式, 这也就容易出现振荡现象:虽然在插值结点上没有误差,但在插值结点之外插值误差变得很,从“整体”上看,插值逼近效果将变得“很差”. 于是, 我们采用数据拟合的方法. 定义1 数据拟合就是求一个简单的函数φ(x), 例如是一个低次多项式,不要求通过已知的这n个点，而是要求在整体上“尽量好”的逼近原函数,这时在每个已知点上就会有误差y k -φ(x k),(k=1,2,…,n),数据拟合就是从整体上使误差 y k -φ(x k),(k=1,2,…,n), 尽量的小一些. 如果要求: 达到最小,因误差y k -φ(x k)可正可负 本来很大的误差可能会正负抵消,这样的提法不合理,为防止正负抵消,可以要求:达到最小,但是由于绝对值函数不可以求导,分析起来不方便,求解也很难. 为了既能防止正负抵消，又能便于我们分析、求解，提出如下问题： 求一个低次多项式φ(x) ,使得: 达到最小,此问题便是一个数据拟合的最小二乘问题. 一、直线拟合(一次函数) 通过观测、测量或试验得到某一函数在x1 ,x2,…,x n的函数值：y1 ,y2,…,y n ,即得到n组数据(x1 ,y1 ),(x2 ,y2),…,(x n ,y n ),如果这些数据在直角坐标系中近似地分布在一条直线上,我们可以用直线拟合的方法. 已知数据(x1 ,y1 ),(x2 ,y2),…,(x n ,y n ),求一次多项式φ(x)=a+bx(实际上，就是求a,b), 使得: （1） 达到最小. 注意到Q(a,b)中,x k ,y k均是已知的,而a,b是未知量,Q(a,b)是未知 量a,b的二元函数,利用高等数学求二元函数极 小值(最小值)的方法，上述问题转化为求解下 列方程组: 的解. 实验二 函数逼近与曲线拟合报告 一、问题提出 从随机的数据中找出其规律性，给出其近似表达式的问题，在生产实践和科学实验中大量存在，通常利用数据的最小二乘法求得拟合曲线。 在某冶炼过程中，根据统计数据的含碳量与时间关系，试求含碳量与时间t 的拟合曲线。 t(分) 0 5 10 15 20 25 30 35 40 45 50 55 4(10)y -? 0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64 二、要求 1、用最小二乘法进行曲线拟合； 2、近似解析表达式为23123()t a t a t a t ?=++； 3、打印出拟合函数()t ?，并打印出()j t ?与()j y t 的误差，1,2,,12j = ； 4、另外选取一个近似表达式，尝试拟合效果的比较； 5、* 绘制出曲线拟合图。 三、目的和意义 1、掌握曲线拟合的最小二乘法； 2、最小二乘法亦可用于解超定线代数方程组； 3、探索拟合函数的选择与拟合精度间的关系。 四、实验学时：2学时 五、实验步骤： 1．进入C 或matlab 开发环境； 2．根据实验内容和要求编写程序； 3．调试程序； 4．运行程序； 5．撰写报告,讨论分析实验结果． 解： 实验步骤 （一）算法流程 构造a1、a2、a3的线性方程组------构造误差平方和------对a1、a2、a3求偏导数------令偏导为零求得a1、a2、a3的值。 （二）编程步骤与分析 1. 绘制数据点(t,yi)的散点图 输入程序为： t=[0 5 10 15 20 25 30 35 40 45 50 55]; y=[0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64].*1e-4 plot(t,y,'r*'), legend('实验数据(t,yi)') xlabel('x'), ylabel('y'), title('数据点(t,yi)的散点图')，显示结果为： 2.求参数a1、a2、a3的解析表达式 计算)(x f 在),(i i y x 处的函数值，即输入程序 syms a1 a2 a3 t=[0 5 10 15 20 25 30 35 40 45 50 55]; fi=a1.*t+ a2.*t.^2+ a3.*t.^3 运行后屏幕显示关于a1,a2, a3的线性方程组： fi = [ 0, 5*a1 + 25*a2 + 125*a3, 10*a1 + 100*a2 + 1000*a3, 15*a1 + 225*a2 + 3375*a3, 20*a1 + 400*a2 + 8000*a3, 25*a1 + 625*a2 + 15625*a3, 30*a1 + 900*a2 + 27000*a3, 35*a1 + 1225*a2 + 42875*a3, 40*a1 + 1600*a2 + 64000*a3, 45*a1 + 2025*a2 + 91125*a3, 50*a1 + 2500*a2 + 125000*a3, 55*a1 + 3025*a2 + 166375*a3] 构造误差平方和： y=[0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64].*1e-4; 二次函数概念 学习要求 1．熟练掌握二次函数的有关概念． 2．熟练掌握二次函数y ＝ax 2的性质和图象． 综合、运用、诊断 一、填空题 1．抛物线y ＝ax 2的顶点是______，对称轴是______．当a ＞0时，抛物线的开口向______；当a ＜0时，抛物线的开口向______． 2．抛物线y ＝ax 2，｜a ｜越大则抛物线的开口就______，｜a ｜越小则抛物线的开口就______． 3．二次函数y ＝ax 2的图象大致如下，请将图中抛物线字母的序号填入括号内． (1)y ＝2x 2如图( )；(2)22 1x y = 如图( )；(3)y ＝－x 2 如图( )； (4)231x y -=如图( )；(5)29 1 x y =如图( )；(6)291x y -=如图( )． 4．已知函数,2 3 2x y -=不画图象，回答下列各题． (1)开口方向______；(2)对称轴______；(3)顶点坐标______；(4)当x ≥0时，y 随x 的增大而______； (5)当x ______时，y ＝0；(6)当x ______时，函数y 的最______值是______． 5．在下列函数中①y ＝－2x 2；②y ＝－2x ＋1；③y ＝x ；④y ＝x 2，回答： (1)______的图象是直线，______的图象是抛物线． (2)函数______y 随着x 的增大而增大．函数______y 随着x 的增大而减小． (3)函数______的图象关于y 轴对称．函数______的图象关于原点对称． (4)函数______有最大值为______．函数______有最小值为______． 6．已知函数y ＝ax 2＋bx ＋c (a ，b ，c 是常数)．(1)若它是二次函数，则系数应满足条件______． (2)若它是一次函数，则系数应满足条件______．(3)若它是正比例函数，则系数应满足条件______． 7．已知函数y ＝(m 2－3m )1 22--m m x 的图象是抛物线，则函数的解析式为______，抛物线的顶点坐标为______， 对称轴方程为______，开口______． 9．已知函数y ＝m 2 22+-m m x ＋(m －2)x ． (1)若它是二次函数，则m ＝______，函数的解析式是______，其图象是一条______，位于第______象限． (2)若它是一次函数，则m ＝______，函数的解析式是______，其图象是一条______，位于第______象限． 9．已知函数y ＝m m m x +2，则当m ＝______时它的图象是抛物线；当m ＝______时，抛物线的开口向上；当m ＝______时抛物线的开口向下． 二、选择题 110．下列函数中属于一次函数的是( )，属于反比例函数的是( )，属于二次函数的是( ) A ．y ＝x (x ＋1) B ．xy ＝1 C ．y ＝2x 2－2(x ＋1)2 D ．132+=x y 11．在二次函数①y ＝3x 2；②223 4 ;32x y x y == ③中，图象在同一水平线上的开口大小顺序用题号表示应该为 A ．①＞②＞③ B ．①＞③＞② C ．②＞③＞① D ．②＞①＞③ 12．对于抛物线y ＝ax 2，下列说法中正确的是( ) A ．a 越大，抛物线开口越大 B ．a 越小，抛物线开口越大 C ．｜a ｜越大，抛物线开口越大 D ．｜a ｜越小，抛物线开口越大 13．下列说法中错误的是( ) A ．在函数y ＝－x 2中，当x ＝0时y 有最大值0 第二章函数概念与基本初等函数I 一. 课标要求： 函数是高中数学的核心概念，本章把函数作为描述客观世界变化规律的重要数学模型来学习，强调结合实际问题，从而发展学生对变量数学的认识。教材把指数函数，对数函数，幂函数当作三种重要的函数模型来学习，强调通过实例和图象的直观，揭示这三种函数模型增长的差异及其关系，体会建立和研究一个函数模型的基本过程和方法，学会运用具体函数模型解决一些实际问题. 1．会用集合与对应的语言来刻画函数，理解函数符号y=f(x)的含义；了解函数构成 的三要素，了解映射的概念；体会函数是一种刻画变量之间关系的重要数学模型，体会对应关系在刻画函数概念中的作用；会求一些简单函数的定义域和值域， 2. 了解函数的一些基本表示法（列表法、图象法、分析法），并能在实际情境中，恰当地进行选择；会用描点法画一些简单函数的图象. 3．通过具体实例，了解简单的分段函数，并能简单应用. 4. 结合熟悉的具体函数，理解函数的单调性、最大（小）值及其几何意义，了解奇偶性和周期性的含义，通过具体函数的图象，初步了解中心对称图形和轴对称图形. 5. 学会运用函数的图象理解和研究函数的性质，体会数形结合的数学方法. 6.理解有理数指数幂的意义，通过具体实例了解实数指数幂的意义，掌握幂的运算. 7.了解指数函数模型的实际背景.理解指数函数的概念和意义，掌握f(x)=a x的符号、意义，能借助计算器或计算机画出具体指数函数的图象，探索并理解指数函数的有关性质（单调性、值域、特别点）. 8.理解对数的概念及其运算性质，了解对数换底公式及其简单应用，能将一般对数转化为常用对数或自然对数，通过阅读材料，了解对数的发现历史及其对简化运算的作用.通过具体函数，直观了解对数函数模型所刻画的数量关系，初步理解对数函数的概念，掌握f(x)=log a x符号及意义，体会对数函数是一类重要的函数模型，能借助计算器或计算机画出具体对数函数的图象，探索并了解对数函数的有关性质（单调性、值域、特殊点）. 9．知道指数函数y=a x与对数函数y=log a x互为反函数（a＞0, a≠1），初步了解反函数的概念和f- -1(x)的意义. 10．通过实例，了解幂函数的概念，结合五种具体函数 1 312 ,,, y x y x y x y x - ====的 图象，了解它们的变化情况 11．通过应用实例的教学，体会指数函数是一种重要的函数模型. 12. 通过实习作业，使学生初步了解对数学发展有过重大影响的重大历史事件和重要人物,了解生活中的函数实例. 二. 编写意图与教学建议 1．教材突出了函数概念的背景教学，强调从实例出发，让学生对函数概念有充分的感性基础，再用集合与对应语言抽象出函数概念，符合学生的认识规律，同时有利于培养学生的抽象概括的能力，增强学生应用数学的意识，教学中要高度重视数学概念的背景教学. 2．.教材对函数的三要素着重从函数的实质上要求理解，而对定义域、值域的繁难计算，特别是人为的过于技巧化的训练不做提倡，要准确把握这方面的要求，防止拨高教学. 3. 函数的表示是本章的主要内容之一，教材重视采用不同的表示法（列表法、图象法、分析法），目的是丰富学生对函数的认识，帮助理解抽象的函数概念. 在教学中，既要充分发挥图象的直观作用，又要适当地引导学生从代数的角度研究图象，使学生深刻体会数形结合这一重要数学方法. 神经网络作业(函数逼近) 智能控制理论及应用作业 1资料查询 BP 神经网络的主要应用： 人脸识别、风电功率预测、短时交通流混沌预测、高炉熔渣粘度预测、汇率预测、价格预测、函数逼近等 Rbf神经网络的主要应用： 函数逼近、短时交通流预测、模式识别、降水预测、民航客运量预测、遥感影像分析、声纹识别、语言识别、人脸识别、车牌识别、汇率预测 Hopfield网络应用： 车牌识别、图像识别、遥感影像分类、字母识别、交通标志识别、优化计算中的应用、联想记忆存储器的实现、 2 BP编程算法： T=[1 1 1 ;1 1 1]; %X=-1:0.1:1; %输入范围 %T=sin(pi*X); %X=[] q=3; %隐含层的节点数自己定义，在此给3个 %初始化 [M,N]=size(X); %输入节点个数为M,N为样本数 [L,N]=size(T); %输出节点个数为L wij=rand(q,M); %先给定加权系数一组随机值 wki=rand(L,q); wij0=zeros(size(wij)); %加权系数矩阵的初始值 wki0=zeros(size(wki)); for epoch=1:max_epoch %计算开始 NETi=wij*X; %各个隐含层的净输入 for j=1:N for i=1:q Oi(i,j)=2/(1+exp(-NETi(i,j)))-1; %再输入作用下，隐含层的输出 end end NETk=wki*Oi; %各个输出层的净输入 for i=1:N for k=1:L Ok(k,i)=2/(1+exp(-NETk(k,i)))-1; %在输入作用下，输出层的输出 end end E=((T-Ok)'*(T-Ok))/2; %性能指标函数，就是误差 if(E 第三章 函数逼近与曲线拟合 1． ()sin 2 f x x π =，给出[0,1]上的伯恩斯坦多项式1(,)B f x 及3(,)B f x 。 解： ()sin ,2 f x π = [0,1]x ∈ 伯恩斯坦多项式为 (,)()()n n k k k B f x f P x n ==∑ 其中()(1)k n k k n P x x x k -??=- ??? 当1n =时， 01()(1)0P x x ?? =- ??? 1101()(,)(0)()(1)()1(1)sin(0)sin 022P x x B f x f P x f P x x x x ππ=∴=+??=-?+ ??? = 当3n =时， 3 022 122233 31()(1)01()(1)3(1) 03()(1)3(1) 13()3P x x P x x x x x P x x x x x P x x x ?? =- ?????=-=- ????? =-=- ????? == ??? 3 3022322 33223 (,)()() 03(1)sin 3(1)sin sin 6 3 2 3(1)(1)25632221.50.4020.098k k k B f x f P x n x x x x x x x x x x x x x x x π π π =∴==+-+-+= --+-=++≈--∑ 2． 当()f x x =时，求证(,)n B f x x = 证明： 若()f x x =，则 (,)()()n n k k k B f x f P x n ==∑ 001 11(1)(1) 11(1)(1)(1)(1)!(1)[(1)(1)1](1)(1)!1(1) 11(1)1[(1)]n k n k k n k n k k n k n k k n k n k k n k n k k n n k x x k n k n n n k x x n k n n k x x k n x x k n x x x k x x x x -=-=-=-=----=-?? =- ???--+=-----+=---??=- ?-??-??=- ?-?? =+-=∑∑∑∑∑ 3．证明函数1,,,n x x 线性无关 证明： 若20120,n n a a x a x a x x R ++++=?∈ 分别取(0,1,2,,)k x k n = ，对上式两端在[0,1]上作带权()1x ρ≡的内积，得 第七章 函数逼近 用简单的函数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 )()()(x p x f x R -= 称为逼近的误差或余项 在计算数学里，所谓简单的函数主要是指可以用加、减、乘、除四则运算进行计算的函数，如有理分式函数、多项式等。由于多项式最简单，计算其值只需用到加、减与乘三种运算，且求其微分和积分都很方便，所以常用它来作为逼近函数，而被逼近的函数f (x )一般是一个比较复杂的不易计算的函数或以表格形式给出的函数。 第六章介绍的插值法实际上也是函数逼近的一种方法。不过，它要求函数p (x )与f (x )在节点处具有相同的函数值 (甚至要求有相同的导数值)，但在非节点处，p (x ) 虽然有可能很好地逼f (x )，但也可能使逼近f (x ) 的误差很大，如果实际问题要求p (x )在区间[a , b ] 上每一点都“很好”地逼近的话，用插值多项式p (x ) 去逼近f (x )有时就要失败，所谓龙格现象，就是典型一例。 大家知道，用f (x )的泰勒(Taylor)展开式 )()()! 1()()(! )()(!2)() )(()()(010)1(00)(200000之间与在x x x x n f x x n x f x x x f x x x f x f x f n n n n ξξ++-++-++-''+-'+=Λ 的部分和去逼近函数f (x )，也是常用的方法。这种方法的特点是：x 越接近于x 0，误差就越小，x 越偏离x 0，误差就越大。若要使这种逼近在整个所讨论的区间上都达到精度要求，则需取很多项，这样，计算工作量就大大增加。因此，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，这个问题的一般提法是： 对于函数类A 中给定的函数f (x )，要求在另一类较简单的且便于计算的函数类B (? A )中寻找一个函数p (x )，使p (x )与f (x )之差在某种度量意义下最小。 一般，最常见的函数A 是区间[a , b ]上的连续函数，记作C [a , b ]。 最常用的函数类B 有代数多项式、三角多项式以及有理分式函数等。 最常用的度量标准有两种： 题一：定义集合{1,2,…,n }到{1,2,…,n }上的函数f ：k →i k ，k =1,2,…,n .记作：121,2,,,,,n n i i i ?? ??? . 设121,2,,,,,n n f i i i ??= ??? ，12 1,2,,,,,n n g j j j ??= ??? (这里的j 1，j 2，…，j n n j j j ,,,21 也是1,2,…,n 这n 个整数的一个排列).定义g f 12 1,2,,,,,n n i i i ??= ??? 121,2,,,,,n n j j j ?? ??? ，其中)]([)(k g f k g f = ，k =1,2,…,n ..则? ?? ? ?????? ??4,5,1,2,35,4,3,2,13,1,2,4,55,4,3,2,1= 题二：在加工爆米花的过程中，爆开且不糊的粒数占加工总数的比率称为可食用率p .它的大小主要取决于加工时间t (单位：分钟). 做了三次实验，数据记录如图所示.已知图中三个点都在函数p =－0.2t 2+bt +c 上，则由此得到的理论最佳加工时间为 分钟. 题三：3,10 ()((5)),10x x f x f f x x -≥?=?+ BP网络实现分类问题 一，问题的提出 根据感知器的的相关理论易知感知器善于解决线性可分问题，而不能解决XOR问题，所以引进了BP网络，并通过相关知识来解决分类问题。 反向传播网络（Back-Propagation Network,简称BP网络）是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。BP网络主要用于函数逼近，模式识别，分类，数据压缩。在人工神经网络的实际应用中，80%~90%的人工神经网络模型是采用BP网络或它的变化形式，也是前行网络的核心部分，体现了人工神经网络最精华的部分。 一个具有r个输入和一个隐含层的神经网络模型结构如图所示 下图所示是S型激活函数的图型，可以看到f ()是一个连续可微的函数，一阶导数存在。对于多层网络，这种激活函数所划分的区域不再是线性划分，而是有一个非线性的超平面组成的区域。它还可以严格利用梯度算法进行推算，他的权值修正的解析式十分明确，其算法被称为误差反向传播法，简称SP算法。 BP算法是有两部分组成：信息的正向传递与误差的反向传播。在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层，每一层神经元的状态值影响下一层神经元的状态。如果在输出层没有得到期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到期望的目标。 BP网络分类问题 原程序： function main() InDim=2; % 样本输入维数OutDim=3; % 样本输出维数 % figure % colordef(gcf,'white') % echo off % clc % axis([-2,2,-2,2]) % axis on % grid % xlabel('Input x'); 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 第三章 函数逼近与曲线拟合 1 函数的逼近与基本概念 1.1问题的提出 多数计算机的硬件系统只提供加、减、乘、除四种算术运算指令，因此为了计算大多数有解析表达式的函数的值，必须产生可用四则运算进行计算的近似式，一般为多项式和有理分式函数.实际上，我们已经接触到两种逼近多项式，一种是泰乐多项式，一种是插值多项式.泰乐多项式是一种局部方法，误差分布不均匀，满足一定精度要求的泰乐多项式次数太高，不宜在计算机上直接使用.例如，设()f x 是[1,1]-上的光滑函数，它的Taylor 级数0()k k k f x a x ∞ ==∑， ()(0)! k k f a k =在[1,1]-上收敛。当此级数收敛比较快时，11()()()n n n n e x f x s x a x ++=-≈。这个误差分布是不均匀的。当0x =时，(0)0n e =，而x 离开零点增加时，()n e x 单调增加，在1x =±误差最 大。 为了使[1,1]-的所有x 满足()()n f x s x ε-<，必须选取足够大的n ，这显然是不经济的。插值函数出现的龙格现象表明，非节点处函数和它的插值多项式相差太大。更重要的是，实际中通过观测得到的节点数据往往有各种误差，此时如果要求逼近函数过全部节点，相当于保留全部数据误差，这是不适宜的。如图1所示，给出五个点上的实验测量数据，理论上的结果应该满足线性关系，即图1中的实线。由于实验数据的误差太大，不能用过任意两点的直线逼近函数。如果用过5个点的4次多项式逼近线性函数，显然误差会很大。 实验数据 真函数 插值多项式逼近 精确的线性逼近 图1 二次函数的图像和性质----基础概念 1.二次函数的定义：形如的函数叫二次函数。 限制条件：（1）自变量的最高次数是；（2）二次项系数。2．二次函数的解析式（表达式）——三种形式，重点是前两种。 （1）一般式：； （2）顶点式：y=a（x-h）2+k（a≠0），此时二次函数的顶点坐标为（，），对称轴是。 注意：顶点形式的最大优点是直接从解析式看出顶点坐标和对称轴，比较方便。离开它用一般形式也可以。 ※（3）交点式（两点式）：设x1、x2是抛物线与x轴的两个交点的横坐标，则y=a（x-x1）（x-x2） 此时抛物线的对称轴为直线x= 22 1x x+ 。 注意：（1）当顶点在X轴上（即抛物线与X轴只有一个交点（0，x1））时，函数表达式为。这个交点是抛物线的什么点？ （2）是不是任意一个二次函数都可以写成交点形式？在什么条件下才有交点式？ （3）利用这种形式只是解决相关问题要简便一些，直接用一般形式也可以。实际上利用一般形式和顶点坐标公式可以解决二次函数的多数问题。 ▲三种二次函数的解析式的联系： 针对一般形式而言，顶点式：y=a（x-h）2+k（a≠0）中，h= ；k= 。当Δ=b2-4ac 时，才有两根式。 3、二次函数y=ax2+bx+c（a≠0）的图象与性质 ----抛物线的特征---待定系数a,b,c的作用二次函数y=ax2+bx+c（a≠0）的图象是一条线，它是一个对称图形，抛物线与对称轴的交点叫抛物线的点。不过这个结论成立的条件是自变量的取值范围是。 （1）形状----开口大小。由决定，越大，开口越。 （2）开口方向：由决定。当a>0时，函数开口方向向；当a<0时，函数开口方向向；（3）对称轴：直线x= ； 注意：一次函数的图象是直线，但直线的解析式不一定是一次函数。例如与坐标轴平行（垂直） 的直线的解析式是X=K，或Y=K，它们为什么不是一次函数呢？ ▲（4）顶点坐标公式：（，）； 利用顶点坐标公式的注意事项：当求得顶点横坐标后，可以用纵坐标公式，也可以不用纵坐标 公式，而直接将横坐标代入哪里求得纵坐标。例如：Y=2x2-4X+1 当X= 4 2 - =-2时，Y= ，顶点坐标为（，） 可见，必须记住顶点横坐标公式。顶点纵坐标公式记不住也没有关系。 （5）增减性：分对称轴左右两侧描述。 当a>0时，在对称轴左侧，即x 时，y随着x的增大而；在对称轴右侧，即x 时，y随着x的增大而；当a<0时，在对称轴左侧，即x 时，y随着x的增大而； 在对称轴右侧，即x 时，y随着x的增大而； ▲（6）最值：特别注意顶点横坐标是否在自变量的取值范围内 ①若顶点横坐标在自变量的取值范围内 当a>0时，函数有最值，并且当x= 时，y最小值= ；当a<0时，函数有最值， 并且当x= ，y最大值= ；并且考虑在端点处是否取得最值。 ②若顶点横坐标不在自变量的取值范围内，只考虑在端点处是否取得最值。 （7）与坐标轴的交点 ①与X轴的交点 求法：解方程，其求根公式是。 课程作业 题目：函数逼近理论与方法 学院：数学与统计学院 专业：计算数学 研究方向：数字图像处理 学生姓名：安静 学号：2013201134 教师：张贵仓 函数逼近的理论与方法综述 函数逼近论是函数论的一个重要组成部分，涉及的基本问题是函数的近似表示问题。在数学的理论研究和实际应用中经常遇到下类问题：在选定的一类函数中寻找某个函数g,使它是已知函数在一定意义下的近似表示，并求出用g 近似表示而产生的误差。这就是函数逼近问题。在函数逼近问题中，用来逼近已知函数的函数类可以有不同的选择，即使函数类选定了，在该函数中用作的近似表示的函数g 的确定方式仍然是各式各样；g 对函数近似表达时产生的误差也有各种不同的含义。所以，函数逼近问题的提法具有多种多样的形式，其内容十分丰富。 一、 几种常用的插值函数 1.拉格朗日（Lagrange ）插值 设y =()f x 是实变量x 的点值函数, 且已知()f x 在给定的1n +各互异点01,,,n x x x 处 得值01,, ,n y y y 即(),0, ,i i y f x i n ==差值的基本问题是, 寻求多项式()p x , 使得 (),0, ,i i p x y i n == (1-1) 设()p x 是一个m 次多项式()p x =2 012m m a a x a x a x ++++, 0m a ≠ 则差值问题是, 如何确定()p x 中的系数01,,,m a a a , 使得(1-1)式满足, 所以该问题等 价于求解下述的线性方程组 2 0102000 21112111 2012m m m m m m m m m n a a x a x a x y a a x a x a x y a a x a x a x y ?++++=?++++=??? ?++++= ? (1-2) 上述的线性方程组的系数矩阵为 2 00 02 11121 11 m m m n n m x x x x x x A x x x ????? ? =???????? 他是一个()()11n m +?+的矩阵. 当m A >时, A 的列数大于行数, 不难证明矩阵A 的秩数为1n +. 因为A 的前1n +列所组成的行列式为二次函数综合题经典习题(含答案及基本讲解)
第六章 函数逼近
函数逼近与曲线拟合
二次函数的基本概念的理解与应用
函数概念及其基本性质
神经网络作业(函数逼近)
数值分析第三章函数逼近与曲线拟合习题答案
函数逼近
函数的基本概念及表示法
BP函数逼近
函数逼近与曲线拟合
数值分析课件第3章函数逼近与曲线拟合
二次函数基本概念讲义
函数逼近的理论与方法综述