数值分析第五章学习小结【计算方法】

合集下载
  1. 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. 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. 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)。

第五章最小二乘法与曲线拟合小结

一、本章知识梳理

1、

从整体上考虑近似函数同所给数据点 (i=0,1,…,m)误差

(i=0,1,…,m)

(i=0,1,…,m)绝对值的最大值,即误差向量

的∞—范数;二是误差绝对值的和,即误差向量r的1—范数;三是误差

平方和的算术平方根,即误差向量r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,因此在曲线拟合

中常采用误差平方和来度量误差 (i=0,1,…,m)的整体大小。

数据拟合的具体作法是:对给定数据 (i=0,1,…,m),在取定的函

数类中,求,使误差(i=0,1,…,m)的平方和最小,即

从几何意义上讲,就是寻求与给定点 (i=0,1,…,m)的距离平方和为最小

的曲线(图6-1)。函数称为拟合函数或最小二乘解,求拟合

函数的方法称为曲线拟合的最小二乘法。

2、多项式拟合

假设给定数据点 (i=0,1,…,m),为所有次数不超过的多项式构成的函数类,现求一,使得

(1)

当拟合函数为多项式时,称为多项式拟合,满足式(1)的称为最小二乘

拟合多项式。特别地,当n=1时,称为线性拟合或直线拟合。

显然

为的多元函数,因此上述问题即为求的极值问题。由多元函数求极值的必要条件,得

(2)

(3)

(3)是关于的线性方程组,用矩阵表示为

(4)

式(3)或式(4)称为正规方程组或法方程组。

可以证明,方程组(4)的系数矩阵是一个对称正定矩阵,故存在唯一解。

从式(4)中解出 (k=0,1,…,n),从而可得多项式

(5)

可以证明,式(5)中的满足式(1),即为所求的拟合多项式。我

们把称为最小二乘拟合多项式的平方误差,记作

由式(2)可得

(6)

多项式拟合的一般方法可归纳为以下几步:

(1) 由已知数据画出函数粗略的图形——散点图,确定拟合多项式的次数n;

(2) 列表计算和;

(3) 写出正规方程组,求出;

(4) 写出拟合多项式。

在实际应用中,或;当时所得的拟合多项式就是拉格朗日或牛

顿插值多项式。

3、曲线拟合:

曲线拟合,即把一组数据拟合为曲线,需遵循最小二乘法。常用双曲线型和指数型函数。

定义:若曲线

*

*0()()n

j j j y x c x ϕ==∑

使得:

2

2

*0000()min ()m

n m n j j i i j j i i i j i j c x y c x y ϕϕ====⎡⎤⎡⎤

-=-⎢⎥⎢⎥⎣⎦⎣⎦∑∑∑∑ 成立,则称曲线*()y x 为在曲线族中按最小二乘法原则确定的对于数据的拟合曲线。

注意:不能要求曲线y (x )通过数据的所有点。

二、本章思考题

函数逼近与曲线拟合有什么异同?

答:相同点:函数逼近与曲线拟合的基本思想是相同的,都是用某个简单函数在满足一定条件下,在某个范围内近似代替另一个较为复杂或者表达式未给出的函数,以便简化对后者的各种计算或揭示后者的某种性质。

不同点:曲线拟合是已知一组离散数据,选择一个较简单的函数,是在一定准则(如最小二乘准则)下,最接近这组数据。而函数逼近是已知一个较为复杂的连续函数,要选一个较简单的函数,在一定准则下接近原函数。

三、本章测验题

在区间[-1,1]上给定函数122)(23-++=x x x x f ,求其在{}

2

,,1x x Span =Φ中关于权函数1)(=x ρ的最佳平方逼近多项式。

解:设 2001122()()()()P x C L x C L x C L x =++

取Legerdre 多项式 201231

()1,(),()22

L x L x x L x x ===-作为基函数

113200111112

(,)()(221)2223

C f L f x dx x x x dx --===++-=-⎰⎰

11113316(,)()225

C f L xf x dx -===⎰

1132222211555312

(,)()()(221)()222223

C f L f x L x dx x x x x dx --===++--=-⎰⎰

所以 22

221623116()()1353225P x x x x x =-++-=-++

四、本章学习体会

本章主要介绍了最小二乘法,最小二乘多项式,非线性曲线拟合知识;本章侧重介绍了用多项式作最小二乘曲线拟合的方法,针对一组实验数据采用最小二乘原则,以计算的最小二乘偏差为最小目标,给出最终的近似拟合多项式,最后本章介绍了非线性曲线拟合的思想方法;函数的拟合可以在某个范围内近似计算出所求的函数值,能简化我们在工程上或者数学上的一些问题。通过本章的知识学习与掌握,对以后的工作学习有着巨大的帮助。

相关文档
最新文档