Глава 1. Метод наименьших квадратов
Математический факультет Кафедра прикладной математики
ДИПЛОМНЫЙ ПРОЕКТ
сингулярное разложение в линейной задаче метода наименьших квадратов
Заведующий кафедрой прикладной математики
Исполнил:
Научный руководитель
Владикавказ 2002 СОДЕРЖАНИЕ ВВЕДЕНИЕ............................................................................................................................................................................. 3 Глава 1. Метод наименьших квадратов.................................................................................................. 7 1.1. Задача наименьших квадратов......................................................................................................... 7 1.2. Ортогональное вращение Гивенса................................................................................................... 9 1.3. Ортогональное преобразование Хаусхолдера......................................................................... 10 1.4. Сингулярное разложение матриц................................................................................................... 11 1.5. QR–разложение........................................................................................................................................ 15 1.6. Число обусловленности...................................................................................................................... 20 глава 2. Реализация сингулярного разложения.......................................................................... 25 2.1. Алгоритмы................................................................................................................................................. 25 2.2. Реализация разложения...................................................................................................................... 27 2.3. Пример сингулярного разложения.................................................................................................. 29 глава 3. Использование сингулярного разложения в методе наименьших квадратов.............................................................................................................................................................................. 33 ЗАКЛЮЧЕНИЕ................................................................................................................................................................... 38 ЛИТЕРАТУРА..................................................................................................................................................................... 39 ПРИЛОЖЕНИЕ 1. Исходные тексты программы............................................................................... 40 ПРИЛОЖЕНИЕ 2. контрольный пример..................................................................................................... 45
ВВЕДЕНИЕ Метод наименьших квадратов обычно используется как составная часть некоторой более общей проблемы. Например, при необходимости проведения аппроксимации наиболее часто употребляется именно метод наименьших квадратов. На этом подходе основаны: регрессионный анализ в статистике, оценивание параметров в технике и т.д. Большое количество реальных задач сводится к линейной задаче наименьших квадратов, которую можно сформулировать следующим образом. Пусть даны действительная m´n–матрица A ранга k £min(m,n) и действительный m–вектор b. Найти действительный n–вектор x0, минимизирующий евклидову длину вектора невязки Ax–b. Пусть y – n –мерный вектор фактических значений, x – n –мерныйвектор значений независимой переменной, b – коэффициенты в аппроксимации y линейной комбинацией n заданных базисных функций j: . Задача состоит в том, чтобы в уравнении подобрать такие b, чтобы минимизировать суммы квадратов отклонений e=y–Xb, где X – есть так называемая матрица плана, в которой строками являются n –мерный вектора с компонентами, зависящими от xj: каждая строка соответствует определенному значению xj. Коэффициенты можно найти решая нормальные уравнения , откуда . Покажем это. Возведем в квадрат выражение для е: т. к. . Это выражение имеет экстремум в точке, где =0 Откуда и получаем . Следует отметить, что последнее выражение имеет в определенной степени формальный характер, т. к. решение нормальных уравнений, как правило, проводится без вычисления обратной матрицы (метод Крамера) такими методами как метод Гаусса, Холесского и т. д. Пример. Пусть заданы результаты четырех измерений (рис. 1): y=0при x=0; y=1 при x=1; y=2при x=3; y=5при x=4. Задача заключается в том, чтобы провести через эти точки прямую таким образом, чтобы сумма квадратов отклонений была минимальна. Запишем уравнение, описывающее проведение прямой по результатам измерений. Мы получаем переопределенную систему: или Xb=y . Нам понадобится матрица XTX и обратная к ней: Тогда решение b=(XTX)-1XTy по методу наименьших квадратов будет иметь вид Таким образом, оптимальная прямая задается уравнением Метод точечной квадратичной аппроксимации (метод наименьших квадратов) не предполагает, что мы должны приближать экспериментальные данные лишь с помощью прямых линий. Во многих экспериментах связи могут быть нелинейными, и было бы глупо искать для этих задач линейные соотношения. Пусть, например, мы работаем с радиоактивным материалом. Тогда выходными данными у являются показания счетчика Гейгера в различные моменты времени t. Пусть наш материал представляет собой смесь двух радиоактивных веществ, и мы знаем период полураспада каждого из них, но не знаем, в каких пропорциях эти вещества смешаны. Если обозначить их количества через С и D, то показания счетчика будут вести себя подобно сумме двух экспонент, а не как прямая: . (1) На практике, поскольку радиоактивность измеряется дискретно и через различные промежутки времени, показания счетчика не будут точно Рис. 1. Аппроксимация прямой линией.
соответствовать (1). Вместо этого мы имеем серию показаний счетчика в различные моменты времени , и (1) выполняется лишь приближенно: Если мы имеем более двух показаний, m>2, то точно разрешить эту систему относительно C и D практически невозможно. Но мы в состоянии получить приближенное решение в смысле минимальных квадратов. Ситуация будет совершенно иной, если нам известны количества веществ C и D и нужно отыскать коэффициенты l и m. Это нелинейная задача наименьших квадратов, и решить ее существенно труднее. Мы по–прежнему будем минимизировать сумму квадратов ошибок, но сейчас она уже не будет многочленом второй степени относительно l и m, так что приравнивание нулю производной не будет давать линейных уравнений для отыскания оптимальных решений.
Глава 1. Метод наименьших квадратов
Популярное: Как вы ведете себя при стрессе?: Вы можете самостоятельно управлять стрессом! Каждый из нас имеет право и возможность уменьшить его воздействие на нас... Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... Личность ребенка как объект и субъект в образовательной технологии: В настоящее время в России идет становление новой системы образования, ориентированного на вхождение... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (167)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |