17 矛盾方程(组)的解---最小二乘法
计算方法 第三章曲线拟合的最小二乘法20191103
§2 多项式拟合函数
例3.1 根据如下离散数据拟合曲线并估计误差
x 1 23 4 6 7 8 y 2 36 7 5 3 2
解: step1: 描点
7
*
step2: 从图形可以看出拟
6 5
*
合曲线为一条抛物线:
4
y c0 c1 x c2 x2
3 2 1
* *
* * *
step3: 根据基函数给出法
法
18
定理 法方程的解是存在且唯一的。
证: 法方程组的系数矩阵为
(0 ,0 ) (1 ,0 )
G
(0
,1
)
(1 ,1 )
(0 ,n ) (1 ,n )
(n ,0 )
(
n
,
1
)
(n ,n )
因为0( x),1( x), ...,n( x)在[a, b]上线性无关,
所以 G 0,故法方程 GC F 的解存在且唯一。
第三章 曲线拟合的最小二乘法
2
最小二乘拟合曲线
第三章 曲线拟合的最小二乘
2021/6/21
法
3
三次样条函数插值曲线
第三章 曲线拟合的最小二乘
2021/6/21
法
4
Lagrange插值曲线
第三章 曲线拟合的最小二乘
2021/6/21
法
5
一、数据拟合的最小二乘法的思想
已知离散数据: ( xi , yi ), i=0,1,2,…,m ,假设我们用函
便得到最小二乘拟合曲线
n
* ( x) a*j j ( x) j0
为了便于求解,我们再对法方程组的导出作进一步分析。
第三章 曲线拟合的最小二乘
最小二乘问题
1 1
例
已知A 1
1
,求A的广义逆A。
1 1
解:A是列满秩的矩阵,可以求它的左逆
A
( AT A)1 AT
14 8 -4
2 2
2 2
验算有A A
I2 , 但AA
I
。
3
10
数值分析
数值分析
4 A Rmn是行满秩矩阵(m n, r( A) m),则
A=A(T AAT)1,且AA Im (但一般不成立A A In );
4
数值分析
数值分析
定理1 : x Rn是矛盾方程组Ax b的最小二乘解的 充分必要条件是 : x是方程组AT Ax AT b的解.
证明: 设有x, y Rn ,且x y,则 r( y) 2 b Ay 2 (b Ax) ( Ax Ay) 2
r( x) ( Ax Ay) 2 r( x) 2 2(r( x), Ax Ay) ( Ax Ay) 2
(2)最小二乘解不唯一;
(3)x=A+b最小二乘解中欧氏范数最小的解;
(4)A列满秩时,最小二乘解唯一。
22
数值分析
数值分析
第四节 列满秩线性最小二乘问题 的数值解法
列满秩线性最小二乘问题存在唯一解x=A+b 有四种解法: 1. 直接解法方程 ATAx=ATb 2. 正交分解法 A=QR 3. 奇异值分解法 A=U∑VT 4. 迭代法
数值分析
数值分析
1 0 B 1 0,
0 1
1 0
BT
B
1 0
1 0
0 1
1 0
0 1
2 0
0 1
B
(BT B)1 BT
1 / 2
62第二节 超定方程组的解
2x1 4x2 11.0478 3x1 5x2 2.9119
x1 2x2 5.5239
b1 b2 b3
解得最小二乘解为
x1 x2
3.0403 1.2418
2x1 x2 7.3224 b4
m
n
m
故误差平方和为 I r 2 2
数学学院 信息与计算科学系
nm
m
即有 ( aij aik )xk aij bi ( j 1,2,..., n)
k 1 i1
i 1
此线性方程组写成矩阵形式就是
AT Ax AT b
故x*是 ATAx=ATb 的解.
定理得证.
这里 ATAx=ATb 是关于x1,x2, …,xn的线性 方程组,称为正规方程组或法方程组.
数学学院 信息与计算科学系
解的存在唯一性
由于ATA是n 阶方阵,且是对称阵,当R(A)=n 时, 对任意 y≠0,有Ay≠0 ,所以
yT ( AT A) y ( Ay, Ay) Ay 2 0 2
可见ATA是正定矩阵,必有det(ATA)>0。故法方程
AT Ax AT b
的解存在且唯一.
2 2 yT AT (b Ax* )
2
Ay
2 2
b Ax*
2
Ay 2
b Ax*
2
2
2
2
所以x*是Ax=b 的最小二乘解.
数学学院 信息与计算科学系
必要性 误差向量r=b-Ax 的第 i 个分量为
n
ri bi aik xk (i 1,2,..., m),
最小二乘法小结
最小二乘法原理1.介绍部份最小二乘法是取得物理参数唯一宣的标准方式,具体是通过这些参数或在巳知数学模型中与这些参数相关的参数的多余观测值来求得。
最小二乘法屋先是由高斯提出,用来估長行星运行轨道的。
1.1数理统计和最小二乘法物理呈老是不能被精准测定。
老是存在一个限定的测長精度,超过这个精度,相关的数学模型和浏星仪器的分辨率这二者之一或全教将会无能为力。
超出这个精度,多余观测值之间会产生不同。
咱们常常希望取得超过该限定精度的测長值,在不知道真值的情况下咱们只能估長真值。
一方面咱们想要估長出唯一的值,另一方面,咱们想要知道这个估長有多好。
最小二乘法就是这样一个估長,它墓于最小化差值的平方和。
最小二乘法相较其他传统的方式有三个长处。
其一,它既可以应用在线性数学模型上也可以应用在非线性数学模型上;其二,它和统计長算术平均值有关;其三,黒小二乘法在很多领域是通用的。
物理長的值的唯一统计估長称为点估長。
无论频率函教是不是知道,咱们都可以作物理長的点估長而且可以衡長它与真值趋近程度。
另外两种估長,区间估長和假设査验,它们只能在相应的频率函数已经肯定的情况下进行。
1.2线性代数和最小二乘法(nontrivial=nonzcro,非普通解就是指非零解)现有线性方程组AX=L (1-1)、是未知数向長,L是常数向長,A是系数矩阵,[A:L]是增广矩阵。
该方程组有唯一非零解仅当L = 0 (非齐次方程组),(l-2a)r(A)=X 的维数,(1-2b)r([A:L]) = r(A)o(l-2c)当没有多余等式时,准则(l-2b)意味着A是方阵且非奇异,它的逆拒阵是存在的,这样方程组的解就表达到X = A'1 L (1-3)当存在多余等式时,A将不是方阵,可是A’A是方阵且非奇异,这样方程组的解就表达到X = (A 7 A) J A 7 L o (1-4)L的元素对应于物理長观测值,基于上述数学讨论,若是没有多余观测長(即没有多余的等式),则未知長将只有唯一的非零解。
最小二乘法小结
最小二乘法原理1. 介绍部份最小二乘法是取得物理参数唯一值的标准方式,具体是通过这些参数或在已知数学模型中与这些参数相关的参数的多余观测值来求得。
最小二乘法最先是由高斯提出,用来估量行星运行轨道的。
1.1 数理统计和最小二乘法物理量老是不能被精准测定。
老是存在一个限定的测量精度,超过这个精度,相关的数学模型和测量仪器的分辨率这二者之一或全数将会无能为力。
超出这个精度,多余观测值之间会产生不同。
咱们常常希望取得超过该限定精度的测量值,在不知道真值的情况下咱们只能估量真值。
一方面咱们想要估量出唯一的值,另一方面,咱们想要知道这个估量有多好。
最小二乘法就是这样一个估量,它基于最小化差值的平方和。
最小二乘法相较其他传统的方式有三个长处。
其一,它既可以应用在线性数学模型上也可以应用在非线性数学模型上;其二,它和统计量算术平均值有关;其三,最小二乘法在很多领域是通用的。
物理量的值的唯一统计估量称为点估量。
无论频率函数是不是知道,咱们都可以作物理量的点估量而且可以衡量它与真值趋近程度。
另外两种估量,区间估量和假设查验,它们只能在相应的频率函数已经肯定的情况下进行。
1.2 线性代数和最小二乘法(nontrivial=nonzero,非普通解就是指非零解)现有线性方程组A X= L (1-1)X是未知数向量,L是常数向量,A是系数矩阵,[A:L]是增广矩阵。
该方程组有唯一非零解仅当L ≠ 0 (非齐次方程组),(1-2a)r (A) = X的维数,(1-2b)r ([A:L]) = r (A)。
(1-2c)当没有多余等式时,准则(1-2b)意味着A是方阵且非奇异,它的逆矩阵是存在的,这样方程组的解就表达到X = A1-L (1-3)当存在多余等式时,A将不是方阵,可是A T A是方阵且非奇异,这样方程组的解就表达到X = (A T A) 1-A T L 。
(1-4)L的元素对应于物理量观测值,基于上述数学讨论,若是没有多余观测量(即没有多余的等式),则未知量将只有唯一的非零解。
最小二乘法在解决实际问题中的应用
最小二乘法在解决实际问题中的应用摘要最小二乘法是从拟合方面入手,多用于参数估计系统检测等多个地方。
然而,最小二乘法通常由于其抽象而无法准确理解。
在本文中,讨论了最小二乘法的基本原理及其各种拟合方法,这其中有:一元线性的最小二乘法拟合,多元的线性拟合,多项式的拟合,非线性的拟合和可转化成为线性拟合的非线性拟合。
关键词:数据拟合;数学工具;分析应用;误差项;层次分析法AbstractThe least squares method is used to estimate or identify the regression model from the perspective of error fitting. It is widely used in many fields such as parameter estimation, system identification and forecasting and forecasting. However, the least squares method is usually not easily understood due to its abstraction. In this paper, the basic principle of least squares method and its various fitting methods are discussed. There are one linear linear least squares fitting, multiple linear fitting, polynomial fitting, nonlinear fitting and Can be transformed into linear fitting of linear fitting, and the application of least squares method in practice is shown by examples. On this basis, the design principle of several least squares procedures is given.Keywords: Least square method; Weighted least square method; Linear fitting; Curve fitting ;Application example目录TOC \o "1-3" \h \z \u 摘要IAbstract II目录III1引言11.1研究意义与现状:11.2最小二乘法的定义:21.3主要性质和定理21.4最小二乘法的优点和缺点22运用22.1 曲线性拟合22.1.1一元线性拟合22.1.2多元线性拟合52.1.3指数函数拟合52.1.4 非线性最小二乘法拟合62.1.5 可化为线性拟合的非线性拟合 72.2 加权最小二乘法82.2.1加权最小二乘法定义82.2.2加权最小二乘法原理82.3一元线性拟合实例92.4用最小二乘法分析国民经济的增长趋势112.4.1.问题背景112.4.2大致数据112.4.3问题求解112.5武器装备批量生产成本费用研究12总结14参考文献16谢辞181引言最小二乘法第一次出现的时间是1805年,天文学家勒让德是出书的人,而且附录里边是计算彗星的轨道的新方法,并且它作为计算方法,它也处于应用数学的初级阶段。
最小二乘法拟合原理
最小二乘拟合在物理实验中经常要观测两个有函数关系的物理量。
根据两个量的许多组观测数据来确定它们的函数曲线,这就是实验数据处理中的曲线拟合问题。
这类问题通常有两种情况:一种是两个观测量x 与y 之间的函数形式已知,但一些参数未知,需要确定未知参数的最佳估计值;另一种是x 与y 之间的函数形式还不知道,需要找出它们之间的经验公式。
后一种情况常假设x 与y 之间的关系是一个待定的多项式,多项式系数就是待定的未知参数,从而可采用类似于前一种情况的处理方法。
一、最小二乘法原理在两个观测量中,往往总有一个量精度比另一个高得多,为简单起见把精度较高的观测量看作没有误差,并把这个观测量选作x ,而把所有的误差只认为是y 的误差。
设x 和y 的函数关系由理论公式y =f (x ;c 1,c 2,……c m ) (0-0-1)给出,其中c 1,c 2,……c m 是m 个要通过实验确定的参数。
对于每组观测数据(x i ,y i )i =1,2,……,N 。
都对应于xy 平面上一个点。
若不存在测量误差,则这些数据点都准确落在理论曲线上。
只要选取m 组测量值代入式(0-0-1),便得到方程组y i =f (x ;c 1,c 2,……c m ) (0-0-2) 式中i =1,2,……,m.求m 个方程的联立解即得m 个参数的数值。
显然N<m 时,参数不能确定。
在N>m 的情况下,式(0-0-2)成为矛盾方程组,不能直接用解方程的方法求得m 个参数值,只能用曲线拟合的方法来处理。
设测量中不存在着系统误差,或者说已经修正,则y 的观测值y i 围绕着期望值 <f (x ;c 1,c 2,……c m )> 摆动,其分布为正态分布,则y i 的概率密度为()()[]⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧--=22212,......,,;exp 21i mi i i i c c c x f y y p σσπ,式中i σ是分布的标准误差。
最小二乘法的拟合及其应用
最小二乘法的拟合及其应用邓亮章【摘要】最小二乘法在很多领域都有着重要的应用。
本文探讨了最小二乘法的一元线性拟合和多元线性拟合,并讨论了最小二乘法在经济预测中的应用。
【期刊名称】《兰州教育学院学报》【年(卷),期】2012(028)008【总页数】3页(P109-110,131)【关键词】最小二乘法;拟合;应用【作者】邓亮章【作者单位】福建信息职业技术学院,福建福州350003【正文语种】中文【中图分类】O212最小二乘法最早由著名的数学家高斯提出,他用最小二乘法解决了天文学方面的有关问题.此后,最小二乘法在生产实践、科学实验、工程技术等很多领域都发挥着重要的作用.下面笔者就最小二乘法的拟合及其应用做一粗浅的探讨,以求教于方家.一、最小二乘法的一元线性拟合设变量y与x成线性关系,即y=a0+a1x.现在已知 m 个实验点 xi,yi(i=1,2,…,m),求两个未知参数 a0,a1.将 xi,yi(i=1,2,…,m)代入y=a0+a1x得矛盾方程组令则(1)式可写成,则有所以:其中A称为结构矩阵,B称为数据矩阵,ATA称为信息矩阵,ATB称为常数矩阵[1].为了定量地给出y=a0+a1x与实验数据之间线性关系的符合程度,可以用相关系数r来衡量.它定义为r值在0<|r|≤1中,r值越接近1,x与y的线性关系越好.r为正时,直线斜率为正,称为正相关;r为负时,直线斜率为负,称为负相关.r接近于0时,测量数据点分散或之间为非线性.不论测量数据好坏都能求出a0和a1,所以我们必须有一种判断测量数据好坏的方法,用来判断什么样的测量数据不宜拟合,判断的方法是|r|<r0时,测量数据是非线性的.r0称为相关系数的起码值,与测量次数n有关.在进行一元线性拟合之前应先求出r值,再与r0比较,若|r|>r0,则x和y具有线性关系,可求回归直线,否则反之.二、最小二乘法的多元线性拟合设变量y与n个变量x间存在线性关系,y=a0.设变量xj的第i次测量值为xij,对应的函数值为 yi(i=1,2,…,m),则偏差平方和为使s取极小值,得正规方程组为:即将实验数据(xij,yi)代入上述正规方程组中,即得出未知参数 a0,a1,…,an. 三、最小二乘法在经济预测中的应用经验公式是平面上统计点的分布呈线性时的表示形式,同时它也是最小二乘理论的“形之根本”,即无论是线性的还是非线性的最后都是要化为这种形式.下面我们就散点图呈曲线的情况进行预测(图1).图1 某企业销售额趋势图依据一般经验公式所反映的点的排列是非线性的,我们可以通过取对数将其转化为线性函数从而运用最小二乘法确定这个线性函数[2].即:z=Ax+B其中z=lny,A= β,B=lnα ,lny=lnα + βx,进而计算α,β的值.取xi=(1,2…11);yi为各年的销售额;zi=lnyi,根据具体数据代入得到:(表格省)得出:A∑xi+nB-∑zi=0即:查对数表得α =15.3994,将β,α代入(2)式中,因此得到了所求的经验公式为:下面计算相应系数进行显著性检查:,那么R =0.751 查看关系表(按α =0.01,n-2=11-2=9)得到回归临界值γα=0.735,因为|R|=0.751 >γα=0.735,说明x,y间存在强相关关系,可以按公式:y=15.3994 × e0.285809x进行外推预测,预测该企业2002和2003年的销售额为:y12=473.3277(万元)y13=629.9044(万元)以上是根据散点分布趋势选取曲线来拟合得出的结果,那么如果我们强行用线性关系即∧Y=Ax+B来拟合曲线,会得出怎样的结果呢?同样根据相关数据表,得出:得出:A=32.650909,B=- 67.1599因而:相关系数0.879查看关系表(按α =0.01,n-2=11-2=9)得到回归临界值γα=0.735.∴|R|>0.735,说明我们可以按公式350909x-67.1599来进行趋势预测,得出: 我们把两组数据比较一下:显然第二种方法的结果误差太大,这是由于没有考虑散点图分布发展的趋势,强行采用线性拟合的结果.由此可见,某产品在一个时期内产量比较稳定,就可用最小二乘法进行趋势预测,但选用曲线来拟合散点时必须依据散点的趋势正确选择曲线,否则有可能出现类似本文的情况即,两条曲线的显著性系数都符合要求都可以用来预测,但其中的一条由于没有分析散点的发展趋势以致于产生的误差太大.所以企业在日常生产管理中预测方法的科学性,将很大程度上决定企业的利润,从而给经营者制定或调整计划提供了理论依据.[参考文献]【相关文献】[1]曹志浩.数值线性代数[M].上海:复旦大学出版社,1996.[2]蒋尔雄,赵风光.数值逼近[M].上海:复旦大学出版杜,1996.。
数值分析习题(含答案)
第一章 绪论姓名 学号 班级习题主要考察点:有效数字的计算、计算方法的比较选择、误差和误差限的计算。
1 若误差限为5105.0-⨯,那么近似数0.003400有几位有效数字?(有效数字的计算) 解:2*103400.0-⨯=x ,325*10211021---⨯=⨯≤-x x 故具有3位有效数字。
2 14159.3=π具有4位有效数字的近似值是多少?(有效数字的计算) 解:10314159.0⨯= π,欲使其近似值*π具有4位有效数字,必需41*1021-⨯≤-ππ,3*310211021--⨯+≤≤⨯-πππ,即14209.314109.3*≤≤π即取(3.14109 , 3.14209)之间的任意数,都具有4位有效数字。
3 已知2031.1=a ,978.0=b 是经过四舍五入后得到的近似值,问b a +,b a ⨯有几位有效数字?(有效数字的计算)解:3*1021-⨯≤-aa ,2*1021-⨯≤-b b ,而1811.2=+b a ,1766.1=⨯b a 2123****102110211021)()(---⨯≤⨯+⨯≤-+-≤+-+b b a a b a b a故b a +至少具有2位有效数字。
2123*****10210065.01022031.1102978.0)()(---⨯≤=⨯+⨯≤-+-≤-b b a a a b b a ab 故b a ⨯至少具有2位有效数字。
4 设0>x ,x 的相对误差为δ,求x ln 的误差和相对误差?(误差的计算) 解:已知δ=-**xx x ,则误差为 δ=-=-***ln ln xx x x x则相对误差为******ln ln 1ln ln ln xxx x xxx x δ=-=-5测得某圆柱体高度h 的值为cm h 20*=,底面半径r 的值为cm r 5*=,已知cm h h 2.0||*≤-,cm r r 1.0||*≤-,求圆柱体体积h r v2π=的绝对误差限与相对误差限。
矛盾方程(组)的解---最小二乘法
第十七讲 矛盾方程(组)的解---最小二乘法一、从实验数据处理谈起设有一组实验数据(t 1,s 1),(t 2,s 2),……,(t n ,s n ),希望由实验数据拟合给定规律,从而测出待测量的有关参数。
假定规律为:2t c +1s=c ,由于存在误差i 2t c (i 1,2,,n)≠+=i 1s c ,令112122n n t 1s t 1c s A ,x ,b c t 1s ⎧⎫⎧⎫⎪⎪⎪⎪⎧⎫⎪⎪⎪⎪===⎨⎬⎨⎬⎨⎬⎩⎭⎪⎪⎪⎪⎪⎪⎪⎪⎩⎭⎩⎭, 则:Ax=b 实际无解,或者说矩阵方程Ax=b 成为矛盾方程(不自洽、非相容),虽说无解,但在物理上看,我们需要而且也理当有“解”。
怎么办?一般处理是,定义一种目标函数,例如: n212i i 1i 2i i 1E(c ,c )w (s c t c )w 0==-->∑为加权系数使误差12E(c ,c )最小化。
w i =1(i=1~n)时2122E(c ,c )Ax b -=二、 最小二乘法(解)对于矛盾方程Ax=b ,最小二乘法是求其“解”的一种方法。
即求使2Ax b min -=的解。
引理:m n A C ⨯∈设,A{1,3}由如下方程的通解构成:(1,3)(1,3)(1,3)n m AX AA A{1,3}{A (I A A)Z Z C }⨯=→=+-∈其中,A (1,3)为A{1,3}中的某个矩阵。
证:1。
方程既然相容,设X 是其某个解,则(1,3)H(1,3)H(1,3)(i)AXA AA A A X A{1}(iii)(AX)(AA )AAAX X A{3}==→∈===→∈即方程的解必在A{1,3}中。
2。
设X 为A 的一个{1,3}-逆矩阵,则()()()()()iiiHH(1,3)(1,3)H(1,3)HHHH (1,3)HH(1,3)(1,3)AX AAAX AAAX A A X A A (AXA)AA AA======即,A 的{1,3}-逆矩阵必满足方程AX=AA (1,3){}{}(1,3)(1,3)(1,3)n mA{1,3}AX AA A(I AA)Z Z C⨯∴==+-∈方程的所有解=令(1,3)(1,3)X A I A A)Z =+(-,则(1,3)(1,3)(1,3)(1,3)(1,3)H(i)AX A AA A AZA AA AZA A X A{1}(iii)AX AA(A AAA)Z A A(AX)X A{3}=+-=∈=+-==∈定理:矩阵方程Ax=b 的最小二乘解为 (1,3)x A b =,其中A (1,3)为A的任何一个{1,3}-逆矩阵,反之,存在X ,对于任何m b C ∈均有Xb 为Ax=b 的最小二乘解,则X A{1,3}∈。
最小二乘法及其应用
(3-2-4)
这就是书中例2-4-1中所得到的法方程 若使用配方法,则有:
g(x) xT AT Ax 2bT Ax bTb
( AT Ax ATb)T ( AT A)1( AT Ax ATb)
bTb bT A( AT A)1 ATb
min AT Ax ATb
可以看出,
gmin bT b bT A( AT A)1 AT b
本例中介绍的两个向量求导公式中,
提到了对于向量x求导的梯度算符 x ,我
们还可以引入对矩阵 A aij 求导的梯度算
符 A
:
a11
L
a12
a1n
L
A
L
L L L
L
L
L
(3-2-5)
an1 an2 L ann
需要说明的是,算符A 只有作用在关于 aij 的标量函数上才有意义。例如对于二次型
在上述解法中,卡享南-洛厄维变换被 选用并不是偶然的,因为这种变换消除了 原始信号x的诸分量间的相关性,从而使 数据压缩能遵循均方误差最小的准则实施。 上述数据压缩方法告诉我们应该压缩掉y 中那些方差大的分量,这称为数据压缩的 方差准则。
J1(A) || Y XA ||2 tr[(Y XA)T (Y XA)] min (3-3-12)
式(3-3-12)的形式与(3-3-9)类似,但 应注意在此处 J1(A)是标量函数。她可以
完全类似于式(3-3-10)那样来配方而求 解,也可体用求导法来求解。由于
J1( A) tr(Y TY ) 2tr(Y T XA) tr(AT X T XA) (3-3-13)
M
M
A
yT (m) xT (m)
或简记为
第3章_曲线拟合的最小二乘法 计算方法
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。 最小二乘拟合多项式为:
计 算 方 法 课 件
y p2 ( x) 13.454 3.657x 0.272x 2
3 非线性曲线转化为线性拟合:
y a e ln y ln a bx
14
xi i 1 n 2 xi i 1
n
即法方程。
计 算 方 法 课 件
n n xi i 1
n xi yi a0 i 1 i 1 n n a 2 1 xi xi yi i 1 i 1
x ax b
11
§3.3 解矛盾方程组
1. 矛盾方程组 已知数据点为
计 算 方 法 课 件
( xi , yi ), i 1,2,...,n
通过点(xi,yi),则
作拟合直线 若直线
p( x) a0 a1 x
p( x) a0 a1 x
p( xi ) a0 a1 xi yi
简化为
x1 x2 xn
a0 a1 m xn am x x
m 1 m 2
y1 y2 y n
Ax b
16
其法方程为:
计 算 方 法 课 件
n xi xm i
n
3
由此可出求系数 拟合直线为
ˆ ˆ, b a
ˆx ˆ b p( x) a
( xi , yi ), i 1,2,...,n
计 算 方 法 课 件
计算方法-东北师范大学考试及答案
《计算方法》练习题一练习题第1套参考答案 一、填空题1. 14159.3=π的近似值3.1428,准确数位是(210- )。
2.满足d b f c a f ==)(,)(的插值余项=)(x R ())((!2)(b x a x f --''ξ )。
3.设)}({x P k 为勒让德多项式,则=))(),((22x P x P (52)。
4.乘幂法是求实方阵(按模最大 )特征值与特征向量的迭代法。
5.欧拉法的绝对稳定实区间是(]0,2[- )。
二、单选题1.已知近似数,,b a 的误差限)(),(b a εε,则=)(ab ε(C )。
A .)()(b a εε B.)()(b a εε+ C.)()(b b a a εε+ D.)()(a b b a εε+ 2.设x x x f +=2)(,则=]3,2,1[f (A )。
A.1 B.2 C.3 D.4 3.设A=⎥⎦⎤⎢⎣⎡3113,则化A为对角阵的平面旋转=θ(C ). A.2π B.3π C.4π D.6π 4.若双点弦法收敛,则双点弦法具有(B )敛速.A.线性 B.超线性 C.平方 D.三次5.改进欧拉法的局部截断误差阶是(C ).A .)(h o B.)(2h o C.)(3h o D.)(4h o 三、计算题1.求矛盾方程组:⎪⎩⎪⎨⎧=-=+=+2423212121x x x x x x 的最小二乘解。
解:22122122121)2()42()3(),(--+-++-+=x x x x x x x x ϕ,由0,021=∂∂=∂∂x x ϕϕ得:⎩⎨⎧=+=+9629232121x x x x , 解得149,71821==x x 。
2.用4=n 的复化梯形公式计算积分⎰211dx x,并估计误差。
解:⎰≈++++≈21697.0]217868581[81x dx , 9611612)(2=⨯≤M x R 。
最小二乘法与曲线拟合公开课获奖课件百校联赛一等奖课件
N
2 aikait
i 1
(k,t 1,2,, n)
故
N
ai21
i 1 N
M
2
i
1
ai1ai 2
N
i 1
ai1ain
N
ai1ai2
i 1
N
ai22
i 1
N
ai2ain
i 1
N
ai1ai3
i 1
N
ai2ai3
i 1
N
ai3ain
i 1
N
ai1ain
i 1 N
i 1
ai 2 ain
令
n
i aij x j bi
(i 1,2,, N )
称 i为偏差。 j1
工程实际中旳许多问题都能够归结为矛盾方程组,
实际中需要谋求矛盾方程组旳一组解,以使得偏差旳 N
绝对值之和 尽i 量地小。为了便于分析
i 1
计算和应用,常采用使偏差旳平方和
Q
N
2 i
N
n
2 aij x j bi
这组数据。“最佳”旳原则是:使得(x)在xi旳
偏差
i (xi ) yi (i 1,2,, N )
旳平方和
N
N
Q
2 i
(xi ) yi 2
i 1
i 1
到达最小。
因为拟合曲线y=(x)不一定过点(xi,yi),所以,把 点(xi,yi)带入y=(x) ,便得到以a0,a1,…,am为未知
引理2:设非齐次线性方程组 Ax
旳b 系数矩阵
A=(aij)N×n,若rankA=n,则
((12))矩n阶阵线AT性A是方对程称组正AT 定Ax矩 阵有AT;唯b 一旳解。
最小二乘法
(1)正交性的有关性质
在线性代数欧氏空间理论中 , 将 R 3 中两个向量 x,y之间的夹角φ满足的关系式 xTy=‖x‖2‖y‖2cosφ 推广到Rn. T
x y 1 设x,y∈Rn, 由Cauchy不等式 1 || x ||2 || y ||2
从而得到Rn中两个向量之间的夹角为
x y arccos || x ||2 || y ||2
(i , f ) ( xk )i ( xk ) f ( xk )
k 0
m
则:
(i , f ) ci (i ,i )
拟合函数 f ( x) c00 ( x ) c11 ( x ) cnn ( x)
例1
设函数y=f(x)的离散数据如下表所示, 试用二次 多项式拟和上述数据,并求平方误差. i 0 xi 0 yi 1.000 1 2 3 4 5 0.2 0.4 0.6 0.8 1 1.221 1.492 1.822 2.226 2.718
T
定理1
设x, y是Rn中的向量, x与y正交的充分必要条
件为xTy=0.
证明 必要性. 当x与y正交,它们的夹角φ=π/2, 有xTy=0. 充分性. 当xTy=0, φ=π/2, 即x与y正交. 注:如果x与y正交, 记为x⊥y
定理2
设x, y∈Rn, 且x⊥y, 那 么: ‖x+y‖22=‖x‖22+‖y‖22.
假设x⊥R(A), 即αiTx=0 (i=1,2,…,k). 从而ATx=0 另一方面,如果ATx=0, 那么有z∈Rk, 使Az=y∈R(A). 这时,yTx=zTATx=0,即x⊥y. 由z的任意性, 得Az是任意的, 因此x⊥R(A). 由这个定理, 容易得到: 推论1 设A是n×k阶矩阵, 那么R(A)有唯一的正交 补子空间N(AT).
数值分析最佳习题(含答案)
第一章 绪论姓名 学号 班级习题主要考察点:有效数字的计算、计算方法的比较选择、误差和误差限的计算。
1 若误差限为5105.0-⨯,那么近似数有几位有效数字(有效数字的计算) 解:2*103400.0-⨯=x ,325*10211021---⨯=⨯≤-x x 故具有3位有效数字。
2Λ14159.3=π具有4位有效数字的近似值是多少(有效数字的计算)解:10314159.0⨯=Λπ,欲使其近似值*π具有4位有效数字,必需41*1021-⨯≤-ππ,3*310211021--⨯+≤≤⨯-πππ,即14209.314109.3*≤≤π3 已知2031.1=a ,978.0=b 是经过四舍五入后得到的近似值,问b a +,b a ⨯有几位有效数字(有效数字的计算)解:3*1021-⨯≤-aa ,2*1021-⨯≤-b b ,而1811.2=+b a ,1766.1=⨯b a 2123****102110211021)()(---⨯≤⨯+⨯≤-+-≤+-+b b a a b a b a故b a +至少具有2位有效数字。
2123*****10210065.01022031.1102978.0)()(---⨯≤=⨯+⨯≤-+-≤-b b a a a b b a ab 故b a ⨯至少具有2位有效数字。
4 设0>x ,x 的相对误差为δ,求x ln 的误差和相对误差(误差的计算) 解:已知δ=-**xx x ,则误差为 δ=-=-***ln ln xx x x x则相对误差为******ln ln 1ln ln ln xxx x xxx x δ=-=-5测得某圆柱体高度h 的值为cm h 20*=,底面半径r 的值为cm r 5*=,已知cm h h 2.0||*≤-,cm r r 1.0||*≤-,求圆柱体体积h r v2π=的绝对误差限与相对误差限。
(误差限的计算) 解:*2******2),(),(h h r r r h r r h v r h v -+-≤-ππ绝对误差限为πππ252.051.02052)5,20(),(2=⨯⋅+⨯⋅⋅⋅≤-v r h v相对误差限为%420120525)5,20()5,20(),(2==⋅⋅≤-ππv v r h v 6 设x 的相对误差为%a ,求nx y =的相对误差。
最小二乘法的基本原理和多项式拟合
最小二乘法的基本原理和多项式拟合Document number:NOCG-YUNOO-BUYTT-UU986-1986UT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同所给数据点 (i=0,1,…,m)误差(i=0,1,…,m)的大小,常用的方法有以下三种:一是误差(i=0,1,…,m)绝对值的最大值,即误差向量的∞—范数;二是误差绝对值的和,即误差向量r的1—范数;三是误差平方和的算术平方根,即误差向量r的2—范数;前两种方法简单、自然,但不便于微分运算,后一种方法相当于考虑 2—范数的平方,因此在曲线拟合中常采用误差平方和来度量误差 (i=0,1,…,m)的整体大小。
数据拟合的具体作法是:对给定数据 (i=0,1,…,m),在取定的函数类中,求,使误差(i=0,1,…,m)的平方和最小,即=从几何意义上讲,就是寻求与给定点 (i=0,1,…,m)的距离平方和为最小的曲线(图6-1)。
函数称为拟合函数或最小二乘解,求拟合函数的方法称为曲线拟合的最小二乘法。
在曲线拟合中,函数类可有不同的选取方法.6—1二多项式拟合假设给定数据点 (i=0,1,…,m),为所有次数不超过的多项式构成的函数类,现求一,使得(1)当拟合函数为多项式时,称为多项式拟合,满足式(1)的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。
显然为的多元函数,因此上述问题即为求的极值问题。
由多元函数求极值的必要条件,得(2)即(3)(3)是关于的线性方程组,用矩阵表示为(4)式(3)或式(4)称为正规方程组或法方程组。
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 (k=0,1,…,n),从而可得多项式(5)可以证明,式(5)中的满足式(1),即为所求的拟合多项式。
我们把称为最小二乘拟合多项式的平方误差,记作由式(2)可得(6)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——散点图,确定拟合多项式的次数n;(2) 列表计算和;(3) 写出正规方程组,求出;(4) 写出拟合多项式。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第十七讲 矛盾方程(组)的解---最小二乘法
一、从实验数据处理谈起
设有一组实验数据(t 1,s 1),(t 2,s 2),……,(t n ,s n ),希望由实验数据拟合给定规律,从而测出待测量的有关参数。
假定规律为:2t c +1s=c ,由于存在误差i 2
t c (i 1,2,,n)≠+= i 1s c ,令
112122n n t 1s t 1c s A ,x ,b c t 1s ⎧⎫⎧⎫⎪⎪⎪⎪
⎧⎫⎪⎪⎪⎪
===⎨⎬⎨⎬⎨⎬⎩⎭⎪⎪⎪⎪
⎪⎪⎪⎪⎩⎭⎩⎭
, 则:Ax=b 实际无解,或者说
矩阵方程Ax=b 成为矛盾方程(不自洽、非相容),虽说无解,但在物理上看,我们需要而且也理当有“解”。
怎么办?
一般处理是,定义一种目标函数,例如:
n
2
12i i 1i 2i i 1E(c ,c )w (s c t c )w 0==-->∑为加权系数
使误差12E(c ,c )最小化。
w i =1(i=1~n)时2
122E(c ,c )Ax b -=
二、 最小二乘法(解)
对于矛盾方程Ax=b ,最小二乘法是求其“解”的一种方法。
即求使2Ax b min -=的解。
引理:m n A C ⨯∈设,A{1,3}由如下方程的通解构成:
(1,3)(1,3)(1,3)n m AX AA A{1,3}{A (I A A)Z Z C }⨯=→=+-∈
其中,A (1,3)为A{1,3}中的某个矩阵。
证:1。
方程既然相容,设X 是其某个解,则 (1,3)H
(1,3)H
(1,3)
(i)
AXA AA A A X A{1}
(iii)(AX)(AA )AA
AX X A{3}
==→∈===→∈
即方程的解必在A{1,3}中。
2。
设X 为A 的一个{1,3}-逆矩阵,则 (
)()
()()()iii
H
H
(1,3)
(1,3)H
(1,3)
H
H
H
H (1,3)H
H
(1,3)(1,3)
AX AA
AX AA
AX A A X A A (AXA)AA AA
======
即,A 的{1,3}-逆矩阵必满足方程AX=AA (1,3)
{}
{
}
(1,3)(1,3)
(1,3)
n m
A{1,3}AX AA A
(I A
A)Z Z C
⨯∴==+-∈方程的所有解
=
令(1,3)(1,3)X A I A A)Z =+(-,则
(1,3)(1,3)(1,3)
(1,3)
(1,3)
H
(i)AX A AA A AZA AA AZA A X A{1}
(iii)AX AA
(A AA
A)Z A A
(AX)
X A{3}
=+-=∈=+-==∈
定理:矩阵方程Ax=b 的最小二乘解为 (1,3)x A b =,其中A (1,3)为A 的
任何一个{1,3}-逆矩阵,反之,存在X ,对于任何m b C ∈均有Xb 成为Ax=b 的最小二乘解,则X A{1,3}∈。
证明:
R(A)R(A)R(A)R(A)R(A)R (A)Ax b (Ax P b)(P b b)
(Ax P b)R(A),(P b b)(I P )b P b R (A)
⊥⊥
-=-+--∈-=--=-∈
所以,2222
R(A)R(A)R(A)22
2
2Ax b Ax P b P b b b P b -=-+-≥-,
故2
2Ax b -取得极小值的条件是x 为方程R(A)Ax P b = 的解。
任取一个(1,3)A A{1,3}∈,我们知道(1,3)R(A)AA P =。
而对于(1,3)x A b =,有(1,3)R(A)Ax AA b P b ==(但最小二乘解是否一定具有A (1,3)b 的形式呢?)
方程(1,3)Ax AA b =的通解为
{}
{}
(1,3)(1,3)(1,3)n
(1,3)(1,3)
(1,3)
n
x A AA b y A Ay y C y A b z
A
b (I A
A)z z C
=+-∈=+=+-∈
显然最小二乘解并不一定都具有A (1,3)b 的形式。
反之,若对于m
(1,3)
b C
,x X b A b
A A b
∀∈==R(A)均使x=P ,即(1,3)
(1,3)
b ,A X b A A b
A X
A A X A {1,3}
∀=
→=→
∈有 推论:x 是方程Ax =b 的最小二乘解的充要条件是,x 为方程
H H A Ax A b =的解。
证:R(A)x Ax P b ⇔=为最小二乘解,而H R(A)N(A )b P b P b =+,故
H H H N(A )x Ax b P b N(A )A (Ax b)0
⇔-=-∈→-=为最小二乘解
最小二乘解一般不唯一。
三、 极小范数最小二乘解
定理2 :设m n m A C ,b C ⨯∈∈ ,则x =+A b 是方程Ax =b 的极小范数最小二乘解。
反之,若存在n m X C ⨯∈,若对于所有m b C ∈,x =Xb 均成为方程Ax =b 的极小范数最小二乘解,则X =+A 。
证:最小二乘解满足Ax =AA (1,3)b ,其极小范数解唯一,且为
b A b AA A x +==)()3,1()4,1(,反之,m b C ,Xb ∀∈均成为唯一的极小范数最小二乘解b A +,所以:X =+A 。
定理3:矩阵方程AXB=D的极小范数最小二乘解唯一,且为
+
+
X
=DB
A
证明略(教材P86)
作业:P343-344,1,2,5。