最小二乘法的基本原理和多项式拟合matlab实现.docxVIP

最小二乘法的基本原理和多项式拟合 一、最小二乘法的基本原理 从整体上考虑近似函数P(x)同所给数据点(Xi，yD(i=0,1,…,m)误差 「i= P(Xj) -yi(i=0,i, ...,m)的大小，常用的方法有以卜二种：一是误差 ri= p(xi)—yi(i=0,1,…,m)绝对值的最大值 喂’，即误差 向量 m r =(「0,「1,…rm)T的8—范数；二是误差绝对值的和 匕ri，即误差向量r的1 一 m y r 2 范数；三是误差平■方和 菖,’的算术平方根，即误差向量r的2—范数；前两种 方法简单、自然，但不便丁微分运算，后一种方法相当丁考虑2—范数的平方， m 因此在曲线拟合中常采用误差平方和 乙「’来 度量误差ri(i=0 , 1,…，m)的整 体大小。 数据拟合的具体作法是：对给定数据 (Xi,yi) (i=0,1,…，m),在取定的函 数类中中,求p(x)卯,使误差ri=p(xi)—yi(i=0,1, ... ,m)的平方和最小，即 U2 p(xi) - yi 2 =min i -0 i =0 从几何意义上讲，就是寻求与给定点(xi,yi)(i=0,1,…,m)的距离平方和为最 小的曲线 y = p(x)(图6-1)。函数p(x)称为拟合函数或最小二乘解，求拟合 函数p(x)的方法称为曲线拟合的最小二乘法。 在曲线拟合中，函数类中可有不同的选取方法. 多项式拟合假设给定数据点（xi，%）（i=0,1,…,m），中为所有次数不超过n（n^m）的多项式构nkPn（X） = \ a 多项式拟合 假设给定数据点（xi，%）（i=0,1,…,m），中为所有次数不超过n（n^m）的多项式构 nk Pn（X） = \ akX 成的函数类，现求一 kg ，使得 I =￡ Ipn(Xi) - yi 2 = ￡ Z i=0 kg / n f -k akXi —Vi = min ⑴ 当拟合函数为多项式时，称为多项式拟合，满足式（1）的pn（x）称为最小二乘 拟合多项式。特别地，当n=1时，称为线性拟合或直线拟合。 显然 m n I = L r akXk - yi)2 i z0 k z0 为a0,a1,…an的多元函数，因此上述问题即为求1 =|（a0,a1,…an^极值问题。 由多元函数求极值的必要条件，得 m n —d ( akXik -yi)xj =0, a j i』k =d j =0,1, ,n n m (、 Xi k =0 i =0 m j ： ,，k j i )ak = Xi yi, i =0 j =0,1, ,n （3）是关丁瓦,, an的线性方程组，用矩阵表示为 m 、Xi i W m Xi i =0 m 、Xi2 i W m n z Xi i=0 m n书 z Xi i =0 一建 1 亳yi i=0 m ￡ xyi i =0 m — n 1 Xi i W m x - 2n Xi i =0 m 寸 n x yi j=0 式（3）或式（4）称为正规方程组或法方程组。 故存在唯一解。可以证明，方程组（4）的系数矩阵是一个对称正定矩阵, 故存在唯一解。 从式（4）中解出ak（k=0,1,…，n）,从而可得多项式 Pn(x) = .〉，akxk k=Q 可以证明，式( 可以证明，式(5)中的Pn(X)满足式(1) ,即Pn(x)为所求的拟合多项式。我 mbn m bn(Xi) - Yi 们把i应 称为最小二乘拟合多项式Pn(X)的平■方误差，记作 r||2 r||2 =Z hn(Xi) — Yi i =0 |2 由式(2)可得 2 m n m r|2 =匚 Y： f a Xik yi)i =0 k zQ i zQ 多项式拟合的一般方法可归纳为以下几步: (1)由已知数据画出函数粗略的图形 一一散点图，确定拟合多项式的次数 n； m 、Xij (j = 0,1，…,2n) Z XijYi (j =0,1, ,2n) ⑵ 列表计算仕 和i=0 ； ⑶ 写出正规方程组, 求出 ao,a〔,…an . Pn(X) n k — a kX ⑷ 写出拟合多项式 k^ 。 在实际应用中，nm或nm ；当n = m时所得的拟合多项式就是拉格朗日或牛 顿插值多项式。 例1测得铜导线在温度Ti(C )时的电阻Ri(Q)如表6-1 ,求电阻R与温度T 的近似函数关系。 i 0 1 2 3 4 5 6 T(C) 19.1 25.0 30.1 36.0 40.0 45.1 50.0 Ri (。) 76.30 77.80 79.25 80.80 82.35 83.90 85.10 解 画出散点图(图6-2)，可见测得的数据接近一条直线，故取 n=1,拟合函 数为 列表如下 i Ti Ri Ti2 TiR 0 19.1 76.30 364.