超定方程组最小二乘解课程设计.docVIP

超定方程组最小二乘解课程设计 最小二乘法广泛地应用于工程计算中，用最小二乘法消除（平滑）误差，用最小二乘法从有噪声的数据中提取信号，从海量数据中找出数据变化的趋势，……。甚至利用简单函数计算复杂函数的近似值，我们并不期望它的近似值多么精确（事实上很多时候也不用很精确），尽管如此还是希望计算出的近似数据与原始数据之间有相似之处。如果从线性代数角度来理解最小二乘法，实际上是将一个高维空间的向量投影到低维子空间所涉及的工作。 超定方程组的最小二乘解 当方程组GX=b的方程数多于未知数个数时，对应的系数矩阵G的行数大于列数，此时方程组被称为是超定方程组。设G=(giu)m×n，当mn时即所谓的高矩阵，绝大多数情况下，超定方程组没有古典意义下的解。超定方程组的最小二乘解是一种广义解，是指使残差r = b – GX 的2-范数达取极小值的解，即 该问题是一个优化问题。 命题1：如果X*是正规方程组GTGX=GTb的解，则X*是超定方程组GX=b的最小二乘解 证 由题设可得，GT (b – GX*)=0。对任意n维向量Y，显然有 (X* – Y)TGT (b – GX*)=0 考虑残差2-范数平方，由 上式右端利用内积，得 从而有 || b – GY ||2 ≥ || b – GX*||2 等式仅当Y=X*时成立。所以X*是超定方程组GX=b的最小二乘解。 命题2：如果X*是超定方程组GX=b的最小二乘解，则X*满足正规方程组GTGX=GTb 证 由题设，，利用2-范数与内积关系，知X*是下面二次函数的极小值点 ((X) = (GX，GX) – 2(GX，b) + (b，b) 取任意n维向量v，对任意实数t，构造一元函数 g(t) = ((X* + t v) 显然， g(t) 是关于变量t的二次函数 g(t) = (G (X* + t v)，G (X* + t v)) – 2(G (X* + t v)，b) + (b，b) = g(0) + 2t [(GX*，Gv) – (Gv，b)]+ t2 (Gv，Gv) 由题设t=0是g(t)的极小值点。由极值必要条件，得。即 (GX*，Gv) – (Gv，b)=0 将左端整理化简，便得 (Gv，GX* – b ) =0 利用内积性质，得 ( v，GT(GX* – b ) )=0 由v的任意性，得GT(GX* – b ) =0 最小二乘解的几何意义 首先考虑一个简单的超定方程组 该方程组的右端向量是三维向量，系数矩阵的每一列也是三维向量，但待求的未知向量却是二维向量。将系数矩阵按列分块，G =[(1，(2]，记右端向量为(。则方程组求解问题可表示为求组合系数x和y使 x(1 + y(2 = ( 的向量的线性组合问题。由于两个向量(1，(2不构成三维空间的一组基，所以一般情况下这一问题无解。而由向量(1，(2张成的子空间span{(1，(2}是一张平面，记为(。则超定方程组的最小二乘解实际上是求X*，使GX* 恰好等于( 在平面(上的投影。而最小二乘解所对应的残差向量则垂直于向量GX*。事实上，由正规方程组 GTGX=GTb 得 GT (b –GX * ) = 0 上式的几何意义可解释为：最小二乘解的残差向量与超定方程组的系数矩阵G的所有列向量正交。从而 (X*)T GT (b –GX * ) = 0 所以 (GX *，b –GX * ) = 0 最小二乘解的两种方法 超定方程组的最小二乘解是指正规方程组 GTGX=GTb 的解。如果系数矩阵(GTG)可逆，则正规方程组有唯一解。此时，最小二乘解可以形式地写为如下形式 X=(GTG)-1GTb 两种常用的方法如下 1．用对称矩阵的三角分解法解正规方程组GTGX = GTb；记A=GTG，则A是对称矩阵，由三角分解A = L D LT，其中L是下三角矩阵，D是对角矩阵。将这一算法写过三个过程： ①解下三角方程组：LY1 = GTb； ②解对角方程组：DY2 = Y1 ； ③解上三角方程组：LTY3 = Y2 2．用矩阵的QR分解直接求解超定方程组 由QR分解（正交三角分解）G=QR，其中Q是正交矩阵，R是上三角矩阵。将QR分解代入最小二乘解表达式中，得 X=( R T QTQR)-1(QR)Tb = R-1QTb 由此可知，用分解方法求超定方程组的最小二乘解只需求解上三角方程组 RX=QTb 四、GPS定位解算原理 如果不考虑GPS接收机钟差，也不考虑信号传播过程的电离层延迟、对流层延迟和多径延迟误差，则GPS定位模型为 ，( j = 1，2，…，N ) 其中，(x，y，z) 为接收机坐标，(x j，y j，z j)为卫星Pj的坐标；是伪距（实际上可得到的距离观测量）。当已知接收机的概略位置r0 = (x0，y0，z0)时，可以用牛顿迭代法结合最小二