拟合与逼近超定方程组最小二乘解多项式拟合非线性曲线转化为线性.ppt

* 7.1 拟合与逼近 本章继续讨论用简单函数近似代替较复杂函数的问题.上章提到的插值就是近似代替的方法之一,插值的近似标准是在插值点处误差为零.但在实际应用中,有时不要求具体某些点误差为零,而要求考虑整体的误差限制,这就引出了拟合和逼近的概念. * 结束 第七章 数据拟合与函数逼近 7.1.1 数据拟合 对离散型函数(即数表形式的函数)考虑数据较多的情况.若将每个点都当作插值节点,则插值函数是一个次数很高的多项式,比较复杂.而且由于龙格振荡现象,这个高次的插值多项式可能并不接近原函数.同时由于数表中的点一般是由观察测量所得,往往带有随机误差,要求近似函数过所有的点既不现实也不必要. 结束 如果不是要求近似函数过所有的数据点,而是要求它反映原函数整体的变化趋势,可得到更简单更适用的近似函数,这样的方法称为数据拟合.数据拟合最常用的近似标准是最小二乘法则：设f(x)为原函数,? (x)为近似函数,(xi , f(xi))(i=0,1,…,n)为数据点,要求选择? (x)使 为最小. 当? (x)选择为多项式时,称为多项式拟合.最小二乘拟合,特别是多项式拟合,是最流行的数据处理方法之一.它常用于把实验数据(离散的数据)归纳总结为经验公式(连续的函数),以利于进一步的推演分析或应用. * 结束 7.2 超定方程组的最小二乘解 设Ax=b中A=(aij)m×n,b是m维已知向量,x是n维解向量.当mn时,即方程组中方程的个数多于未知量个数时,称此方程组为超定方程组或矛盾方程组.一般说,超定方程组无解.但有时需 要寻找一个“最近似”的解.记r=b-Ax,定义使‖r‖2为最小的解x*为Ax=b的最小二乘解.关于超定方程组的最小二乘解有如下定理： 定理7.1 x*为Ax=b的最小二乘解的充要条件为 ATAx*=ATb. 证明(略) 以上定理说明求解超定方程组Ax=b的最小二乘解可转化为求解它对应的正规方程组ATAx*=ATb.ATA是对称正定的系数阵,此方程组可用平方根法或SOR方法求解. * 结束 7.3 多项式拟合 仍假设有已知数据组(xi ,yi)(i=0,1,2,…,m).现求作一个不超过n(nm)次多项式 使得 记 ri = yi -Pn(xi) (i=0,1,2,…,m), r=(r0,r1,…,rm)T,不难看出以上多项式最小二乘拟合问题就是求解关于ak(k=0,1,…,n)的超定方程组.把ak当作变量,上述方程组的矩阵记法为 * 结束 是一个超定方程组.由定理7.1可得对应的正规方程组 以上的∑记号均为从0到m求和,记 则上式可改写为 * 结束 通过解该正规方程组便可解出ak ,从而确定出拟合多项式Pn(x). 多项式拟合的一般方法可归纳为： (1)根据具体问题,确定拟合多项式的次数n； (2)计算 (3)写出正规方程组 (4)解正规方程组,求出a0,a1,…,an； (5)写出拟合多项式Pn(x) * 结束 设正规方程组的解为： 则以此解为系数的多项式 就是最小二乘拟合多项式。 例1 设5组数据如下表,用一多项式对其进行拟合。 * 结束 解 首先作平面散点图如下： 从图中观察,这5个点大致在一条抛物线的附近,可考虑用二次多项式 进行拟合。 x y 1 2 3 4 5 1 2 3 4 5 6 7 8 9 10 0 然后计算正则方程组(m=4) * 结束 的系数如下表： * 结束 用高斯-若当无回代消去法解此方程组,得a0=13.454, a1=-3.657,a2=0.272。 正则方程组为 最小二乘拟合多项式为： 3.非线性曲线转化为线性: 有些非线性曲线可以转化为线性,从而用线性拟合进行处理,比如： * * * * * *