最佳平方逼近多项式(课堂PPT)

合集下载

第3章数值分析---最佳平方逼近

第3章数值分析---最佳平方逼近

它可表示为
Tn ( x) cos( n arccos x),
x 1.
(2.10)
若令 x cos , 则 Tn ( x) cos n , 0 .
7
3.3.1
最佳平方逼近及其计算
对 f ( x) C[a, b] 及 C[a, b] 中的一个子集
span{0 ( x), 1 ( x), , n ( x)}
0
(1 x 2 )dx 0.426d1 0.934d 0 0.0026.
0
1
最大误差 ( x)

max
0 x 1
* 1 x 2 S1 ( x) 0.066.
14
3.3.2
用正交函数族作最佳平方逼近
设 f ( x) C[a, b], span{0 ( x), 1 ( x), , n ( x)},
就是在区间 [ , ] 上的正交函数族.
5
勒让德多项式 P59-61
P ,P 利用上述递推公式就可推出 0 ( x) 1 1 ( x) x,
2 P ( x ) ( 3 x 1) / 2, 2
3 P ( x ) ( 5 x 3 x) / 2, 3
4 P 30 x 2 3) / 8, 4 ( x) (35 x
det G(0 , 1 ,, n ) 0 ( P56)
* 于是方程组(3.3)有唯一解 ak ak
(k 0,1, , n),
* * S * ( x) a0 0 ( x ) an n ( x).
10
若取 k ( x) x k , ( x) 1, f ( x) C[0, 1], 则要在 H n

函数的插值与最佳平方逼近PPT课件

函数的插值与最佳平方逼近PPT课件

(2) 令
n
pn(x)
i0
n
fili(x)
i0
fi
n j0
xxj xi xj
ji
(5.1-8)
则易知(5.1-8)所示的pn(x)为次数不大于n的多项式,且满足
插值条件(5.1-1)
n
pn(xj) fili(xj)fj
i0
(j = 0,1,...,n)
称pn(x)为Lagrange插值多项式。
a0 a1(5)a2 (5)2 a3(5)3 35
解之得:a0 = 10,a1 = 5,a2 = – 5,a3 = 2
即有p3(x) = 10 + 5x – 5x2 +2x3
注:(1) 范德蒙矩阵的条件数很大 —— 误差大计算量大
(2) 选择适当基函数使插值多项式具有特殊形式
10
1. Lagrange插值
1 x0
1 Vn(x0,x1,...x,n)
x1
1 xn
x0n
x1n
n
i1
i1
(xi xj)
j0
xnn
(5.1-3)
8
(5.1-3)的系数行列式为范德蒙行列式:
1 x0
1 Vn(x0,x1,...x,n)
x1
1 xn
x0n
x1n
n
i1
i1
(xi xj)
j0
xnn
因为x0,x1,…,xn互异,所以Vn ≠ 0 即(5.1-3)存在唯一解,从而存在唯一的pn(x) Pn[x] 满足插 值条件(5.1-1)。
证明:取Pn[x]的一组基{1,x,x2,…,xn },则pn(x) Pn[x] 表为
由(5.1-1)知

最佳平方逼近

最佳平方逼近


正规方程组一般为病态方程组,当维数 较高时,病态严重,求解困难。 可以采取选择不同的基的方式,来改变 正规方程组的性态。 我们考虑最佳平方逼近多项式,采用正 交多项式做基函数。
2

b
a
函数f ( x)和g ( x)正交 ( f , g ) w( x) f ( x) g ( x)dx 0
a b
设次数不超过n的多项式空间为 n , 显然 是C[a, b]的一个子空间,
n的基为1, x,..., x n , 则,p( x) a0 a1 x ... an x n n 是f ( x)在 n的最佳逼近元的充分必要条件为
否则,就线性无关。 区间[a,b]上c11 ( x) .... cm m ( x) 0成立 就一定有c1 ... cm 0
假定1 ( x),....m ( x)是子空间S的基, 若函数g是最佳逼近元,则
( f g , 1 ( x)) 0,( f g , 2 ( x)) 0 ...., f g , m ( x)) 0 (
w( x) C[a, b],w( x) 0,x [a, b] 称w( x)为权函数。
连续函数空间C[a, b],给定权函数w( x) 对于f , g C[a, b]
最佳平方逼近多项式
给定函数f ( x) C[a, b], 求次数不超过n的 多项式p( x),使得

b
a
w( x)( f ( x) p( x)) dx min
简记为Ax=b
求解这个方程,就能得到a, ,am, .....
从而得到f ( x)在子空间S中的最佳平方 逼近元g ( x) a11 ( x) ..... amm ( x)

第二章最佳平方逼近.ppt

第二章最佳平方逼近.ppt

(一) 正交函数的概念
定义 给定函数 (x), x [a,b] 若 (x) 满足:
(1) (x) 0, x (a,b);
b
(2) a (x)dx 0
(3)
积分
b
a
(
x)
x
n
dx
存在,n=0,1,….
则称 ( x)为[a,b]上的权函数
b
权函数 (x) 的一种解释是物理上的密度函数,相应的 a (x)dx
当k n 1 时
Cn1
gn
,
xg
n1
/
g
n1
,
g
n1

xgn1
x
=g
* n
x
+Cn1gn*1
x
C0g0*(x)

(xgn-1,gn )=(gn ,gn )
于是有
Cn1=(gn*,gn* ) / (gn*1,gn*1)= n
当 k n 时,则有
Cn =(gn*,xgn*) / (gn*,gn*)=n
把这些结果代入(1.11)式,得到
xgn*
(
x)=
n
g* n1
(x)+n
gn*
(
x)
g* n1
(
x)

g* n1
(
x)=(x-n
)
gn*
(
x)-
n
gn*1(
x)
证毕。
推论 对于最高次项系数为 Ak 的正交多项式 gk (x) ,有递推
关系式
其中
g* n1
(
x)=
An1 An
(x
ˆn )gn (x)
对于离散情形若可引进阶矩阵ijik则可将式写成310从而由下列方程组所决定可以证明正规方程组的解存在而且唯一且使为最小311事实上由于线性无关从而对于任意非零向量说明此二次型正定故方程组的系数行列式大于零因此方程组的解存在而且唯一

第三章-2-最佳平方逼近

第三章-2-最佳平方逼近

性质 5 设 k k 0是 [a, b] 上带权 (x) 的正交多项式

族,则n(x) (n>0) 有n个单重实根,且都位于 区间[a, b] 内。
几类重要的正交多项式 Legendre 多项式 Chebyshev 多项式
第二类 Chebyshev 多项式
Laguerre 多项式 Hermite 多项式
Chebyshev 多项式
切比雪夫多项式的性质:
(1) 递推公式: Tn1 ( x ) 2 xTn ( x ) Tn1 ( x )
cos(n+1) + cos(n-1) = 2cos cosn x = cos
mn 0, 1 T ( x )T ( x ) n m (Tn , Tm ) dx π / 2, m n 0 (2) 正交性: 2 1 1 x π, mn0 n T ( x ) ( 1) Tn ( x) (3) 奇偶性: n
性质1 性质2
n ( x)
为首一 n 次多项式。 [a, b] 上带权 (x) 的正交多

是 k k 0
项式族,且
H n span 0 ,1,...,n
性质 3 正交。
n ( x) 与所有次数不高于n-1次的多项式
正交多项式性质
性质 4
此 k k 0 满足如下三项递推公式:
数值分析及计算软件
第三章
函数逼近与计算
3.3 最 佳 平 方 逼 近 及正交多项式
最佳平方逼近问题:
若存在 Pn* ( x )H n , 使得
|| f ( x) Pn ( x) ||2 inf || f ( x) Pn ( x) ||2 ,

分析06-平方逼近 数值分析 教学课件 ppt-西南交通大学

分析06-平方逼近 数值分析 教学课件 ppt-西南交通大学

b
k 1
于是: ( x) k ( x)Q k 1 ( x)dx ( x) k ( x)[ b j j ( x)]dx
,是函数逼近的重要工具,后面一致逼近,积分也要用到
正交多项式。
定义6.3 如果函数系{0(x), 1(x),…, m(x),…}满足:
b
0 j k
(j,k) a(x )j(x )k(x )d x A k 0 j k (j,k 0 ,1 ,2 )
则称此函数为区间[a, b]上关于权函数(x) 的正
问题:如何求二
(1,1)
1 x2dx 1 ,
0
3
1
( f ,0 )
cosxdx 0
0
次、三次最佳平 方逼近多项式,
(
f
,1
)
1
0
x
cos
xdx
1
1
0
xd
sin
x
1
x
s
in
x
1
0
sin
xdx可) :(1)如上,
1 2
cosx
1
0
1 2
(1 1)
2 2
H = {1,x,x2}
即取2(x) = x2
证明:(用反证法设) 0, 假1, ,n是线性相关,即的存在不全为
零的实c数 0,c1, ,cn使得:
c00(x)c11(x) cnn(x) 0
x[a,b]
不妨设 ci 0,以(x)i(x)乘以上式后,在[a区 ,b]上 间积分得:
c0(0,i)c1(1,i) cn(n,i) ci(i,i) 0 因为(i,i) 0,故ci 0,导出矛盾,所0,以, (x) a0 a11(x),

最佳平方逼近多项式

最佳平方逼近多项式
1 k j
4.举例
得 1
1 / 2 a0 1.1114 1 / 2 1 / 3 0.5883 a 1
a1 0.3912
解得: a0 0.9158 故所求一次最佳平方逼近多项式为:
s ( x) 0.9158 0.3912x
4.举例
d 0 ( f ,1)
3.函数的最佳平方逼近
由于0 , 1 , , n线性无关,故其系数矩阵H的 行列式非奇异,即 G(0 ,1 , , n ) 0 ,该法方程有 唯一解为 *
ak ak (k 0,1, 2,
, n)
则最佳平方逼近函数为 * * * * s ( x) a00 ( x) a11 ( x) ann ( x)
则称 ( x) 是[a,b]上带权 ( x) 的正交函数族; 若 Ak 1,则称为标准正交函数族。
Ak 0, j k
2.两类特殊的函数族
可以证明,三角函数族 1,cos x,sin x,cos 2 x,sin 2 x, 满足上述条件,是在[ , ] 上的正交函数族。
I (a0 , a1 , , an ) ( x)[a j j ( x) f ( x)]2 dx
b a j 0 n
的最小值。令
I 0(k 0,1, ak
, n),

, n)
n b I 2 ( x)[ a j j ( x) f ( x)]k ( x)dx 0 (k 0,1, a ak j 0
最佳平方逼近函数:对于 f ( x) C[a, b] 及C[a, b]中的 一个子集 Span{0 , 1, , n }, 若存在 s ( x) 使下式成立:

§3 最佳平方逼近多项式

§3 最佳平方逼近多项式

若f ( x) C[a, b], span{0 ( x),1 ( x),n ( x)},
若函数组 0 ( x),1 ( x), n ( x)满足条件

方程组
0, 当i j ( i , j ) ( j , j ), 当i j
( 0 , 0 ) a 0 ( f , 0 ) a ( f , ) ( , ) 1 1 1 1 ( n , n ) an ( f , n )
* a 展开,而系数 k (k 1,2,, n)
按下式计算
ak ( f ( x),k ( x)) /(k ( x),k ( x)) ; (k 0,1,, n)
得级数
a k k ( x) k 0
* 称为f(x)的广义傅立叶(Foureir)级数,系数 ak (k 1,2,, n)
( x)
1 1 x2
,k 0 ( (Tk Tk ) ) ,k 0 2
1 1 x
2
由切比雪夫(Chebyshev)镇多项式作最佳平方逼近
Cn ( x ) ak Tk ( x ) k 0 n
其中
( f , T0 ) 1 a (T0 , T0 )
f P*
2 2
事实上,
f P
2 2
( f P, f P )
*
( f P* P* P, f Pn P* P)
( f P * , f P* ) ( P* P, P * P ) 2( f P * , P * P )
* 因为(f P ,P P) (f P , ( a j a j) j ( x) ) * * * j 0

最佳一致和平方逼近ppt课件

最佳一致和平方逼近ppt课件
若 P x0 f x0 , 则称 x0 为“正”偏差点。 若 P x0 f x0 , 则称 x0 为“负”偏差点。
7
三、 Ca,b 上的最佳一致逼近的特征
引理4.1
设 f x 是区间a,b 上的连续函数,Pn* x 是 f x 的n次最佳一致逼近多项式,则 f x Pn* x 必同时
min f
x Pn* x
Pn xHn
f x Pn x
其中,H n代表由全体代数多项式构成的集合。
4
§2 最佳一致逼近多项式
一、最佳一致逼近多项式的存在性
定理4.9
对任意的 f xCa,b, 在 H n 中都存在对 f x 的最佳一致逼近多项式,记为 pn* x ,使得
f (x)
存在正负偏差点。
8
y
Oa
y f x En
y f x
y f x En
bx
9
定理 4.10( Chebyshev定理)
设 f x 是区间 a,b 上的连续函数,则 Pn* x 是 f x 的n次最佳一致逼近多项式的充要条件是: f x Pn* x 在区间a,b 上存在一个至少有 n 2 个交错偏差点组成,
注: 显然, f , Pn 0 , f , Pn 的全体组成一个
集合,记作 f , Pn ,它有下界0。
6
2、偏差点
定义
设 f xCa,b, PxHn, 若在 x x0 上有
P x0 f x0 max P x f x , a xb
则称 x0 是 P x f (x) 的偏差点。
由推论1,f x P1 x 在 a,b 上恰好有3个点构成的交错
组,且区间端点 a, b 属于这个交错点组,设另一个交错点为 x2 ,

最佳平方逼近ppt课件

最佳平方逼近ppt课件

连续函数的内积
定 义 内 积 : (f ,g ) wx ( )f (x )g (xd )x
a b
容易验证满足内积定义的4条性质
由 此 导 出 的 函 数 f( x ) 的 范 数 : || f || (f, f) ( )f ( xd )x wx
2 a b
两 个 函 数 fxg ( ) 与 ( x ) 的 距 离
d i s t (f,g ) | | f g | | (f gf , g ) w ( x ) f ( x ) gx ( ) d x
2 a b
函 数 f( x ) 和 gx () 正 交 (f,g ) ( xf )( xgxd ) ()x 0 w
a b
0
2
2
8 ( xx , ) x x d x , 0 3
( e , 1 ) 1 d x e 1 e
x x 2 0
2
( e , x ) x d x e 1 e
x x 2 0
2
2 a a 1 0 2 1 e 法 方 程 组 为 8 2 2 a 1 0 a 1 e 3
2
a0=0.1945 ,
a1=3.0000
最佳平方逼近一次多项式为 0.1945+3.0000x
8 7 6 5 4 3 2 1 0
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
例 题 : 求 fx ( ) s i n ( x ) 在 [ 0 , 1 ] 的 最 佳 平 方 逼 近 二 次 多 项 式 。
. . . . . . . . . . . . . . . . . . . . .

4章§3 最佳平方逼近

4章§3 最佳平方逼近

( f , g) = ∫ ρ(x) f (x)g( x)dx
a
b
称为函数f(x)与g(x)在[a,b]上的内积.
容易验证这样定义的内积满足下列四条公理; 1) ( f , g)=(g, f ) ; 2) (cf , g)=c(f , g) ,c为常数; 3)
( f1 + f2 , g)=(f1, g) + ( f2 , g); 4) ( f , f ) ≥ 0 ,当且仅当时 ( f , f )=0
f −S
* 2 2
= inf f − S 2 = inf
2 s∈ ϕ s∈
ϕ ∫
b
a
ρ (x)[ f (x) − S(x)]2 dx
(3.11)
则称 S*(x) 是 f (x) 在子集 ϕ ⊂ C[a, b]中的最佳平方逼近函数.为 了求 S*(x) ,由 3.11)可知该问题等价于求多元函数
I (a0 , a1,Lan ) = ∫ ρ(x)[∑a jϕ j (x) − f (x)]2 dx
用{1,x,…,xn)做基,求最佳平方逼近多项式,当n较大时,系数 矩阵(3.16)式是高度病态的(病态矩阵概念见第七章),求法方程 (3.13)的解,舍人误差很大,这时要用正交多项式做基,才能求得 最小平方逼近多项式(见§5).
P* (x) ∈ Hn ,使 n
f − P* = k
2
∫ [ f (x) − P (x)] dx = inf
b a * n 2
P∈H
f −P 2
Pn* (x) 就是f(x)在[a,b]上的最佳平方逼近多项式.
我们要研究 P* ( x) 是否存在?
n
如何计算 P* (x) ?为此先介绍一些有关内积空间的预备知识. n

最佳逼近PPT课件

最佳逼近PPT课件

φ(xi)=f(xi),

有可能给的条件个数n大于多项式
P(x)的待定系数个数,如,10个插值条件求
5次多项式,该问题是无解的。
有时我们所需的近似函数不一定是多项式。

在实际问题中,往往并不要求近似函
数φ(x)所表示的曲线通过这些观测点,而只
要求由已知数据(xi,yi)(i=0,1,…,n)找出x,y之 间的依赖关系,使得近似函数φ(x)能充分地

Pm(x)=α0+α1x+…+αmxm
(4―70)
这种方法称为多项式拟合数据。
偏差的平方和
n
n
R ri2 [Pm ( xi ) yi ]2
i0
i0
(4―71)
为最小,这样的方法称为线性最小二乘法,R称为用
Pm(x)拟合f(x)的总偏差。 根据极值理论,要使得R达到极小,必有
反映函数y=f(x)的大致面目,也即与f(x)有最
好的拟合(或逼近)。这就是曲线拟合问题。
有的还称为配曲线或找经验公式。
例如,已知数据
x0
1
2
3
4
5
y1
1.6
2.1
2.4
3.2
3.4
我们可以用近似函数

(
x)

a0

a1x

1

1 2
x
图 4.4

因为曲线拟合问题并不要求满足插
值原则

φ(xi)=yi, i=0,1,2,…,n
k (x) C[a,b](k 0,1, 2 , n) 且线性无关.
记 Span{0 ,1,,n}
为连续函数空C[a,b]的子空间,如果存在元素

计算方法 最佳平方逼近最小二乘法 ppt课件

计算方法 最佳平方逼近最小二乘法 ppt课件

1 1
1
12aa10
(f, 0) (f, 1)
2 3
推导在最后一页PPT
( f0 ),0 11x 2 d x 1 2ln(2 1 )2 21.14
(f1 ),0 1 x1 x 2 d x 1 3 ( 1 x 2 )3 2|1 0 22 3 10.
1 1
1
12aa10
1.147 0.609
|| f(-x s( )|x 2 2 | ) a bρ[ (f x- (s )x (2 ) d x) x
度量。
权函数
练习:
设f (x 1),s(xx在 ,) [0,1别 ]上 求,分 ||f(x -s)(x | |)与||f(x -s)(x |2 |)(设权函
解:
| |f(- xs)(|x | )m 0x1|a1- xx|1
与拟合曲线的偏差的平方和最小,这就是最小二乘原 理。
两种逼近概念: 插值: 在节点处函数值相同. 拟合: 在数据点处误差平方和最小
问题的提出: • 函数解析式未知,通过实验观测得到的一组数据, 代
表f(x)在区间[a, b]上的一系列点的函数值 yi= f(xi) ,通常由函数表来表达。
x x0 x1 x2 … xn y y0 y1 y2 … yn
• “太阳当空照,花儿对我笑,小鸟说早早早……”
最佳平方逼近
函数逼近的类型
• 最佳一致逼近:使用多项式对连续函数进行一致 逼近。逼近误差使用范数
|f |(-s x (x ) | |) m a x b|f a(- x s x (x ) | )
度量。
这种度量太强
• 最佳平方逼近:使用多项式s(x)对连续函数f(x)进 行平方逼近。逼近误差使用范数

函数逼近最佳平方逼近ppt课件

函数逼近最佳平方逼近ppt课件

16
切比雪夫多项式的性质:
(1)递推关系
T T n 0 (1x (x )) 1,2xT n 1 T ((x x)) T x n ,1(x).
(2.1
T n (x )的最 x n 的 高 系 2 n 次 1 ,( 数 n 1 幂 )为 .
事实上,只需由Biblioteka co(ns1)2cocsonscons1 (),n1. 代入 xco,s即得递.推关系式
21
3. 埃尔米特多项式
区间 ( , )上带(权 x)ex2的正交多项式
Hn(x)(1)nex2ddxnn(ex2), 称为 埃 尔 米 特.多 项 式
(2.16
22
• 最佳一致逼近多项式
一、基本概念及其理论 本节f(讨 x)C 论 [a,b],求多pn *项 (x)H 式 n,使得误
||f(x)pn *(x)| |mi|n |f(x)pn(x)| | .
p1(x)=4/5x+4/15
3
可见,对同一个被逼近函数,不同距离意 义下的逼近,逼近函数是不同的.
4
定义设 1 集S是 合数P域 上的线性空间 x1, , ,xn元 S素 ,
如果存在不全1为 ,,零 n的 P,使 数得
1x1nxn0,
( 1.1)
则称 x1,,xn线性相 . 否关则 ,若(1.1)只对 1n0成
(f,g)=∫ b(x)f(x)g(x)dx=0 a
则f称 (x)与 g(x)在 [a,b]上 带 权 ρ. ( x ) 正 交
设在 [a,b]给定函数 0(x族 ),1(x),,n(x),, 且满足 (i(x),k(x))A0k,,iikk,, (i,k0,1,2,) (2.2
则称函{数 n(族 x)}为[a,b]上带权ρ(x)的数正族.交函

chap3第1节 连续函数的最佳平方逼近.ppt

chap3第1节 连续函数的最佳平方逼近.ppt
k 0,1, , n
再写成
2 2
(3.4)
意味着
I(c0, c1,
, cn )
min
ci ( , )
I (c0 , c1 ,
, cn )
(3.5)
f
( x)
pn* ( x)
2 2
min
pn
f
(x)
pn ( x)
2 2
(3.4)
I(c0, c1,
, cn )
min
ci ( , )
I (c0 , c1 ,
, cn )
给出了函数的范数,便给出了函数的一个度量标准, 在此度量标准之下,就可以找出 f(x) 在不同函数类中的 最佳逼近。下面就来考虑这一最佳逼近问题的解决。
二、 函数的最佳平方逼近
解释此子 空间结构
1函数的最佳平方逼近概念
对于连续函数空间 C[a,b] 中的元素 f(x) 及其子空间
span{0( x), 1( x), , n( x)}
所谓 f(x) 在Φ 中的最佳平方逼近,就是存在
pn ( x) c00 c11 cnn
使得对于一切
pn ( x) c00 c11 cnn
都有:
f ( x) pn* ( x) 2 f ( x) pn ( x) 2
2最佳平方逼近函数构造
不等式 f ( x) pn* ( x) 2 f ( x) pn ( x) 2
p(x), 称作最佳逼近问题。
本节我们主要考虑连续函数空 间X=C[a,b]上的最佳逼近问题,这 时的子集合Φ可以取为由具有某种 共同特征的函数组成,例如三角 函数、指数函数、有理分式函数、 多项式函数等。
X
f (x)
p( x)
  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)。

fk 2 ) 2
k 1
5
1.内积空间
欧式范数:若 f (x)C[a,b] ,则量
f ( f , f ) b f 2 (x)dx
2
a
称为f (x)的欧式范数。
对任何 f , g C[a,b],有以下结论:
(1)( f , g)
f
2
g
2
,又称柯西-施瓦茨不等式;
(2)f g f g ,又称三角不等式;
j0
11
3.函数的最佳平方逼近
n
(k , j )a j ( f ,k ) (k 0,1,L , n)
j0
上式是关于a0 , a1,L , an的线性方程组,称
为法方程。用矩阵形式可表示为
(0,0)
(1,0 )
M
(0,1) L (1,1) L
M
(0,n1) a0 ( f ,0)
(1,n1)
2
2
2
(3)f g 2 f g 2 2( f 2 g 2 ),又称平
2
2
2
2
行四边形定律。
6
2.两类特殊的函数族
正交:若 f (x), g(x) C[a,b], (x)为[a,b]上的权 函数且满足
b
( f , g) a (x) f (x)g(x)dx 0
则称 f (x)与g(x)在[a,b]上带权正交。
由于0 ,1,,n线性无关,故其系数矩阵H的 行列式非奇异,即 G(0,1,,n ) 0 ,该法方程有 唯一解为
ak ak* (k 0,1, 2,L , n)
则最佳平方逼近函数为
s*(x) a0*0 (x) a1*1(x) an*n (x)
令 f (x) s*(x) ,则平方误差
n
2 ( f s*, f s*) ( f , f ) (s*, f ) f 2
函数,则称积分
b
( f , g) a (x) f (x)g(x)dx
为函数 f (x)与g(x)在[a,b]上的内积,有下列性质:
1)( f , g) (g, f ); 2)(Cf , g) C( f , g),C 为常数; 3)( f1 f2 , g) ( f1, g) ( f2, g); 4)( f , f ) 0, 当且仅当f 0 时,( f , f ) 0。
无关函数族。
充要条件:0 (x),1(x),,n1(x)在[a,b]上线性无关
的充要条件是它的Gramer行列式 Gn1 0,其中
(0,0) (0,1) L (0,n1)
Gn1 G(0,1,L ,n1)
(1,0 ) M
(1,1) L Mn1)
4
1.内积空间
内积空间:满足内积定义的函数空间称为内积 空间。如在连续函数空间C[a,b] 上定义了内积 就形成了一个内积空间。
向量的模:在n维欧氏空间Rn中,内积就是两
向量的数量积,即 n (x, y) xT y xk yk k 1
向量的模(范数)的定义为:
n
1
f (x, x) ( 2
a1
(
f
,
1)
M M M
(n1,0 ) (n1,1) L
(n1,
n1)
an
(
f
,
n
)
简记为Ha d 。其中 a (a0, a1,L , an )T ,
d (d0 , d1,L , dn )T , dk ( f ,k ) (k 0,1, 2,L , n)
12
3.函数的最佳平方逼近
逼近函数,其中k 是一组线性无关函数族,函
数 s(x) a00(x) a11(x) L ann (x)。
10
3.函数的最佳平方逼近
对函数s*(x)的求解:等价于求以下多元函数
I (a0 , a1,, an )
b
( x)
a
n
[a j j (x) f (x)]2 dx
j0
的最小值。令 I 0(k 0,1,L , n), 则
a00 (x) a11(x) a22 (x) an1n1(x) 0
当且仅当 a0 a1 L an1 0 时成立,则称
0 (x),1(x),,n1(x) 在[a,b]上是线性无关的。
8
2.两类特殊的函数族
线性无关函数族:若函数族 k (x)(k 0,1, 2,)
中的任何有限个k 线性无关,则称k为线性
ak
I
ak
2
b
n
( x)[
a
a j j (x)
j0
f (x)]k (x)dx 0
(k 0,1,L , n)
引入内积定义,可得
n
aj (k , j ) ( f ,k ) 0 (k 0,1,L , n)
j0
n

(k , j )a j ( f ,k ) (k 0,1,L , n)
1)ab| x |n(x)(n 0,1,L ) 存在;
b
2)对非负的连续函数 g(x) ,若 a g(x)(x)dx 0,
则在[a,b]上,g(x) 0,即 (x) 不恒为0。 就称 ( x)为[a,b]上的权函数。它的物理意
义可以解释为密度函数。
3
1.内积空间
内积:设 f (x), g(x) C[a,b], (x)是[a,b]上的权
正交函数族:若函数族 0 (x),1(x),,n (x),
满足关系
b
0, j k
( j ,k )
a
(x) j (x)k (x)dx
Ak
0,
j
k
则称(x) 是[a,b]上带权 (x) 的正交函数族;
若 Ak 1,则称为标准正交函数族。
7
2.两类特殊的函数族
可以证明,三角函数族1,cos x,sin x,cos 2x,sin 2x,L 满足上述条件,是在[ , ] 上的正交函数族。 线性无关:若函数0 (x),1(x),,n1(x) 在区间[a,b] 上连续,如果
最佳平方逼近多项式
1
§5.2 最佳平方逼近多项式
本节内容
1.内积空间 2.两类特殊的函数族 3.函数的最佳平方逼近 4.举例 5.MATLAB程序实现
2
1.内积空间
权函数:考虑到 f (x)在区间[a,b]上各点的函数 值比重不同,常引进加权形式的定义,设在区 间[a,b]上的非负函数 (x) 满足条件:
9
3.函数的最佳平方逼近
最佳平方逼近函数:对于 f (x) C[a,b] 及C[a,b]中的
一个子集 Span{0, 1, L , n}, 若存在 s(x)
使下式成立:
f s
2
inf
f s(x)
2 inf
b (x)[ f (x) s(x)]2dx
2 s
2 s a
则称 s (x) 是 f (x) 在子集 C[a,b] 中的最佳平方
相关文档
最新文档