一般最小二乘拟合.docVIP

第三节 一般最小二乘拟合 多项式拟合形式比较规范，方法也比较简单，但在实际应用中，针对所讨论问题的特点，拟合函数可能为其他类型，如指数函数、有理函数、三角函数等，这就是一般最小二乘拟合问题。 一 线性最小二乘拟合 设为n+1个线性无关（与向量的线性无关定义类似）的连续函数，为所张成的n+1维线性空间，即由其 所有线性组合构成的集 合，记作 任取，则，它是关于的线性函数。 对已知数据点，在中求一，使得 (1) 这就是一般线性最小二乘拟合问题。 同多项式拟合完全类似，上述问题归结为多元函数的极值问题。由多元函数求极值的必要条件，可得 即  (2) 它是关于的线性方程组，即为一般线性最小二乘拟合的正规方程组 或 法方程组，系数矩阵为对称矩阵。 记 则 式（2）可用矩阵表示为 (4) 式（3）也可表示为 （5） 如果G的列向量组线性无关，即R(G)=n+1，则正规方程组（3）或（5）存在唯一解a=，从而为满足式（1）的最小二乘拟合函数。 显然，式（3）或式（5）的解a=是超定方程组的最小二乘解。 特别地，当取时，即为多项式拟合，所以 多项式拟合是一 般最小线性二乘拟合的特殊情况。 例1 已知一组数据如下表，在中求其拟合函数。 0 0.1 0.2 0.3 0.4 0.5 0.6 2 2.20254 2.40715 2.61592 2.83096 3.05448 3.28876 解 设拟合函数为 即 代入式(4)得 所以 解正规方程组得 故所求拟合曲线为 二 可化为线性拟合的非线性拟合 有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线，从而用线性拟合进行处理。对于一个实际的曲线拟合问题，一般先按观测值在直角坐标平面上描出散点图，看一看散点同哪类曲线图形接近，然后选用相接近的曲线拟合方程。再通过适当的变量替换转化为线性 拟合问题，按线性拟合解出后再还原为原变量所表示的曲线拟合方程。 表6-4列举了几类 经适当变换化为线性拟合求解的曲线拟合方程及变换关系。 曲线拟合方程 变换关系 变换后线性拟合方程 ? 图6-3是几种常见的数据拟合情 况。对于图(a)，数据接近于直线，故宜采用线性函数y=a+bx拟合；图(b)数据分布接近于抛物线，可采用二次多项式拟合；图(c)的数据分布特点是开始曲线上升较快随后逐 渐变慢，宜采用双曲线型函数或指数型函数；图(d)的数据分布特点是曲线开始下降快，随后逐渐变慢，宜采用或或等函数拟合。 例2????? 设一个发射源的发射公式为，通过实验得到如下数据： 0.2 0.3 0.4 0.5 0.6 0.7 0.8 3.16 2.38 1.75 1.34 1.00 0.74 0.56 利用最小二乘法确定和a。 6-3 解 ，将数据对转化为数据对，然后进行直线拟合。 列表如下： k 0 0.2 3.16 1.15057 0.04 0.230114 1 0.3 2.38 0.86710 0.09 0.260130 2 0.4 1.75 0.55962 0.16 0.223846 3 0.5 1.34 0.29267 0.25 0.146335 4 0.6 1.00 0.0 0.36 0.0 5 0.7 0.74 -0.30111 0.49 -0.210774 6 0.8 0.56 -0.57982 0.64 -0.463855 3.5 ? 1.98903 2.03 0.185796 ? 于是得到正规方程组： 解得：  则， 于是得到拟合指数函数为。 三 离散正交多项式曲线拟合 在用多项式作拟合函数时，为避免正规方程组的病态，可以选择离散正交多项式作为多项式的基。 1离散正交多项式 定义 设给定点集，是k次多项式，如果多项式系满足 (6) 则称为关于点集的正交多项式系，称为k次正交多项式。 可以证明，离散正交多项式具有以下性质： ①正交多项式系是线性无关函数系。 ②首项系数为1的离散正交多项式系有下列递推关系： (7) 其中 (8) 例3 试构造点集｛0，1，2，3，4｝上的离散正交多项式。 解 由式(7)、(8)得 =1, (,)=, (,)=, 则 则 则 2离散正交多项式曲线拟合 设已知数据点，为关于点集的正交多项式系，，求一次数 不超过n的多项式满足(2)式，即 由的离散正交性，此时法方程组(式(3))成为如下简单形