大连理工大学矩阵与数值分析第5章资料.pptVIP

例2 解 求 上关于 二次正交多项式族。 取 正交多项式的一些重要性质： 性质 2 性质 3 性质2和性质3是构造Gauss型求积公式的重要依据 性质 1 恰好是n次多项式， 是 的一组基底函数。 在 内恰有 个互异零点。 与次数低于 次的所有多项式正交。 第三部分 数据拟合的最小二乘法 这些数据往往带有随机的误差，如果利用这些数据按插值法求 与实际不符的结果。 的一组数据 假设有变量 的近似表达式，必然将误差带入函数关系式中，甚至可能得到 函数关系 满足线性关系 假设 例如， 称为散点图）时，这些点可能并不共线（但这些点又必然在直线 的周围），因此插值多项式不会是线性函数．只能另 而在xOy坐标平面上将以这组数据为坐标的点描出来（所得图形 最小二乘法是处理这类数据拟合 选办法确定关系式 问题的好方法。 最小二乘法的几何意义 设 为给定的一组数据求一个函数 使其满足 简称最小二乘法， 则称 为离散数据 的数据拟合的最小二乘法， 显然，求解 等价于求 的最小值点 为最小二乘解。 并称 令 得 即 进一步有， 称此方程组为法方程组。 写成矩阵形式为 根据散点图中散点的分布情况或根据经验确定拟合 建立并求解法方程组。 用最小二乘法做数据拟合问题的步骤是： 的曲线的类型； 求拟合下列数据的最小二乘曲线 例3 法方程组为： 解 解得 故所求直线方程是 即 以上讨论的