计算方法(4-2).pptVIP

* 西南交通大学电磁所 4.6 曲线拟合的最小二乘法 ①. 数据量比较大； 4.6.1 问题的引出 通过测量或实验得到的函数 的一些离散点 、 点 、 、 通常具有两个特点： ②. 由于这些数据是通过测量求得的，本身就存在误差。 如果依据我们以前的方法，找出函数 的近似表达式 两 ，那么就存在两个缺陷： ①. 所求得的插值多项式必定是高次插值多项式，高次插值多项式是数值不稳定的； ②. 由于数据本身存在误差，利用插值所得到的插值多项式必然保留了所有的测量误差，使所得结果可能与实际问题之间产生较大误差。 如果我们不要求所得到的近似解析表达式通过所有的已知点，而只要求尽可能的通过它们的近旁，这样一来，可以部分抵消原来数据中所包含的测量误差，从而使得到的结果更接近于客观实际，这种方法称为数据拟合！也称为函数逼近。 例 1：给定一组实验数据如下，求x, y的函数关系。 1 2 3 4 2 4 6 8 1.1 2.8 4.9 7.2 i xi yi 问题：数据拟合的标准是什么？ 解 ： 先作草图如下图所示这些点的分布接近一条直线，因此可设想，y为x的一次函数。设y = a0+a1x，从图中不难看出，无论a0，a1取何值，直线都不可能同时过全部数据点。怎样选取a0，a1才能使直线“最好”地反映数据点的总体趋势？首先要建立好坏的标准。 假定a0，a1已经确定，yi* = a0+a1xi(i =1,2,…,n) 是由近似函 数求得的近似值，它与观测值 yi 之差ri = yi ?yi*=yi ? a0?a1xi (i =1,2,…,n) 称为偏差。显然， 偏差的大小可作为衡量近似函数好坏的标准。偏差向量 r = (r1,r2,…,rn)T， y x 8 6 4 2 2 4 6 8 * * * * 常用的准则有以下三种： （1）使偏差的绝对值之和最小，即: （2）使偏差的最大绝对 值达到最小，即: （3）使偏差的平方和最小，即: 准则（1）的提出很自然也合理，但实际使用不方便，按准则（2）求近似函数的方法称为函数的最佳一致逼近；按准则（3）确定参数，求近似函数的方法称为最佳平方逼近, 在离散情况下,也称为曲线拟合的最小二乘法,是实践中常用的一种函数逼近方法。 从几何上讲，就是求在给定的点x1,x2,…,xn处与点(x1,y1), (x2,y2), …, (xn,yn)的距离平方和最小的曲线y = ? (x)。这种求近似函数的方法称为离散数据曲线拟合的最小二乘法，函数? (x) 称为这组数据的最小二乘拟合函数。通常取Φ为一些较简单函数的集合如低次多项式，指数函数等。例1中取Φ为一次多项式集合。 4.6.2曲线拟合的最小二乘法基本原理 对给定的数据(xi,yi)(i =1,2,…,n)，我们当然希望在给定的函数类Φ中，选取的近似函数?(x) ?Φ，使偏差ri=?(xi)?yi (i=1,2,…,n) 的平方和为最小，即: 亦即 对于给定的一组数据(xi,yi)(i =1,2,…,n)，求一多项式(m n) 即选取参数 aj (j =0,1,…,m) 使得 : 使得： 为最小。 简写成： 4.6.3 用最小二乘法解矛盾方程组 我们以前在求解线性方程组时，一般要求未知数的个数与方程式的个数相等，如果方程式的个数多于未知数的个数 ，这个方程往往无解，而这样的方程组称为矛盾方程组。 假设有一个矛盾方程组： 如果存在一组解，使得方程组中每一个方程都近似相等，也就是使各方程两端之差最小，即： 如果有一组解 ，使得 达到最小，则称这组解为矛盾方程组的最优近似解。 在方程 中， 可以看成是m 个自变量 的函数，因此，求解矛盾方程组的问题，就归结为求二次函数 的最小值问题。 依据最小二乘法的准则，取各方程两端误差的平方和作为一个近似解近似程度的衡量标志，也就是： 如果有一组解 ，使得 达到最小，那么 一定满足极值条件： 那么极值条件变为： 这是一个具有m 个未知量和m 个方程式的线性方程组，我们把这个方程组