§3.1 曲线拟合的最小二乘法 §3.2 最小二乘法的求法 §3.3 最佳平方逼近 §3.4 数值实验

§1 最小二乘原理和多项式拟合 §2 一般最小二乘拟合 §3 正交多项式曲线拟合 §4 最佳平方逼近

第九章 函数逼近 9.1 逼近问题的描述 9.2 内积空间的最佳逼近 9.3 最小二乘法 9.4 最佳平方逼近与正交多项式 9.5 周期函数的最佳平方逼近与快速傅立叶变换 9.6 最佳一致逼近多项式 9.7 切比雪夫多项式 9.8 函数逼近的若干重要定理 第十章 最优化方法 10.1 线性规划问题 10.2 线性规划问题的几何意义 10.3 单纯形法 10.4 非线性优化问题 10.5 一维搜索 10.6 无约束非线性优化

§9.1 逼近问题的描述 §9.2 内积空间的最佳逼近 §9.3 最佳平方逼近与正交多项式 §9.4 周期函数的最佳平方逼近与快速傅立叶变换 §9.5 最佳一致逼近多项式 §9.6 切比雪夫多项式 §9.7 函数逼近的若干重要定理

3函数的最佳逼近 Optimal Approximation 一、最佳平方逼近:即连续型Ls逼近,在‖∫,=√f,意义下,使得‖P-y2最小 偏差

最佳平方逼近:即连续型L-S逼近,在fl=√(f,f)意义 下,使得P-yl最小

§1 离散情况下的最小平方逼近 §2 离散情况下使用正交多项式的最小平方逼近

Φ的确定 基本思路:Φ的确定是一个反复迭代不断 逼近的过程,它是依据最优化原理以预测误差 平方和为小为目标函数,按照最速下降法逼近 (调整)

二乘法 一般的最小二乘逼近(曲线拟合 的最小二乘法)的一般提法是:对 给定的一组数据(x2y)(=0, 要求在函数类0={…,n中找 一个函数y=S(x),使误差平方和 6l2=∑62=∑S(x)-yF=min∑[S(x)-y