第五章最小二乘解.pptxVIP

给出一组离散点，确定一个函数逼近原函数，插值是的一种手段。但在实际问题中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。因此，我们需要一种新的逼近原函数的手段：

①不要求过所有的点（可以减小误差影响）；

②尽可能表现数据的趋势，靠近这些点。

如：5个风景点，要修一条公路主干道S使得S为直线，且到所有风景点的距离和最小，而不要求公路通过所有的风景点。;实例：考察某种纤维的强度与其拉伸倍数的关系,下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录:;纤维强度随拉伸倍

数增加而增加，并

且24个点大致分布

在一条直线附近，

因此可以认为强度

y与拉伸倍数x的主

要关系应是线性关

系。;找一种度量标准来衡量什么曲线最接近所有数据点;仍然定义平方误差;---------(2);;由多元函数取极值的必要条件;---------(4);引入记号;方程组(4)便可化为;记;利用线性代数知识易证关于矩阵的秩成立：;⒊最小二乘多项式拟合;则最小二乘多项式拟合的法方程组为;最小二乘拟合多项式的存在唯一性;例1.回到本节开始的实例，从散点图可以看出;法方程组为;拟合曲线与散点

的关系如下图:;例2.求拟合下列数据的最小二乘解;用Gauss列主元消去法,得;例3.求拟合下列数据