曲线插值和曲线拟合课件

第一章曲线插值与曲线拟合刘云华1第一章曲线插值与曲线拟合刘云华12§1引言§2拉格朗日插值多项式§3分段低次拉格朗日插值§4Neville逐步插值方法§5Newton插值§6Hermite插值和分段三次Hermite插值§7曲线拟合2

实际中，f(x)多样，复杂，通常只能观测到一些离散数据；或者f(x)过于复杂而难以运算。这时我们要用近似函数g(x)来逼近f(x)。

自然地，希望g(x)通过所有的离散点

概念x0x1x2x3x4xg(x)

f(x)实际中，f(x)多样，复杂，通常只能观测到一些离散定义：为定义在区间上的函数，为区间上n+1个互不相同的点，为给定的某一函数类。求上的函数满足问题是否存在唯一如何构造误差估计定义：为定义在区间上的函数，设则所以有解，当且仅当系数行列式不为0设则所以有解，当且仅当系数行列式不为0存在唯一定理定理1.1：为n＋1个节点，

n+1维空间，则插值函数存在唯一，当且仅当存在唯一定理定理1.1：为n＋1个节点，与基函数无关与原函数f(x)无关基函数个数与点个数相同特点：与基函数无关特点：对应于则Vandermonde行列式对应于则Vandermonde行列式多项式插值的Lagrange型如何找？在基函数上下功夫，取基函数为要求则多项式插值的Lagrange型如何找？在基函数上下功夫，取基求，易知：记求，易知：记线性插值线性插值12x0y图2-212x0y图2-2二次插值二次插值14这是一个二次函数，用二次函数近似代替函数，在几何上就是通过曲线上的三点，作一抛物线近似地代替曲线（图2-3），故三点插值(二次插值)。图2-3yx014这是一个二次函数，用二次函数近似代替函例：例：16例

已知分别用线性插值和抛物插值求的值。解

因为115在100和121之间，故取节点x0=100，x1=121相应地有

y0=10，y1=11故用线性插值求得的近似值为16例已知17仿上，用抛物插值公式所求得的近似值为将所得结果与的精确值10.7328…相比较，可以看出抛物插值的精确度较好。为了便于上机计算，我们常将拉格朗日插值多项式改写成对称形式17仿上，用抛物插值公式所求得的近似值为算法：fx=0.0for(i=0;i<=n;i++){tmp=1.0;for(j=0;j<i;j++)tmp=tmp*(x-x[j])/(x[i]-x[j]);for(j=i+1;j<=n;j++)tmp=tmp*(x-x[j])/(x[i]-x[j]);fx=fx+tmp*y[i];}returnfx;算法：fx=0.0Lab02

Lagrange插值对函数构造插值，并求插值节点取为：(1)(2)对N=5，10，20，40比较以上两组节点的结果。Chebyshev点Lab02Lagrange插值对函数构造插值，并求插值节误差解：求设易知误差解：求设易知有n+2个零点由a的任意性有n+2个零点由a的任意性例：已知分别利用sinx的1次、2次Lagrange插值计算sin50

并估计误差。例：已知分别利用sinx的1次、2次Lagrange解：n=1分别利用x0,x1

以及x1,x2

计算利用这里而sin50=0.7660444…)185(50sin10pL0.77614外推

/*extrapolation*/

的实际误差0.01001利用sin500.76008,内插

/*interpolation*/

的实际误差0.00596内插通常优于外推。选择要计算的x

所在的区间的端点，插值效果较好。解：n=1分别利用x0,x1以及x1,x2计算n=2)185(50sin20pL0.76543sin50=0.7660444…2次插值的实际误差0.00061高次插值通常优于低次插值n=2)185(50sin20pL0.76543s例子P14~P17例子P14~P1726§4分段低次插值

例2、例4表明，适当地提高插值多项式的次数，有可能提高计算结果的准确程度。但是决不可由此提出结论，认为插值多项式的次数越高越好。例如，对函数

先以为节点作五次插值多项式P5(x)，再以

为节点作十次插值多项式P10(x)，并将曲线描绘在同一坐标系中，如图2-5所示。

2627

-101xy

1y=1/(1+25x2)y=P5(x)图2-5y=P10(x)27-1028

这种分段低次插值叫分段线性插值。在几何上就是用折线代替曲线，如图2-6所示。故分段线性插值又称折线插值.

xy=f(x)yox0x1xnx2图2-628xy=f(x)yox0x1xnx2图2-629

类似地，为求的近似值，也可选取距点最近的三个节点

进行二次插值，即取这种分段低次插值叫分段二次插值。在几何上就是用分段抛物线代替曲线，故分段二次插值又称分段抛物插值。为了保证是距点最近的三个节点，（4.2）中的可通过下面方法确定:（4.2）29类似地，为求的近似值30Neville逐步插值方法通过两点插值逐步生成多点插值的方法两点插值30Neville逐步插值方法通过两点插值逐步生成多点插值的31三点插值：由两个两点插值（x0,y0）(x1,y1)与（x1,y1）(x2,y2)31三点插值：由两个两点插值（x0,y0）(x1,y1)与（32多点Neville插值32多点Neville插值曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件2222曲线插值和曲线拟合课件Hermite插值在节点处已知函数值和导数值Hermite插值在节点处已知函数值和导数值两点三次Hermite插值两点三次Hermite插值曲线插值和曲线拟合课件两点三次Hermite插值误差分析两点三次Hermite插值误差分析例子P26~p29例子P26~p29曲线插值和曲线拟合课件三次样条插值

分段低阶插值，收敛性好，但光滑性不够理想。在工业设计中，对曲线光滑性要求高，如：流线型设想这样一曲线：插值，次数不高于3次，整个曲线2阶连续导数，称为三次样条函数插值。三次样条插值分段低阶插值，收敛性好，但光滑性不够每个小区间不高于3次，有4n个未知数，我们的已知条件如下：共3n-3+n+1=4n-2个条件每个小区间不高于3次，有4n个未知数，我们的已知条件如下：共曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件给定端点弯距值给定端点弯距值给定端点转角值给定端点转角值58曲线拟合的最小二乘法

§1引言

§2什么是最小二乘法

§3最小二乘解的求法

5859曲线拟合的最小二乘法

§1引言

在科学实验和生产实践中，经常要从一组实验数据出发，寻求函数y=f(x)的一个近似表达式y=φ（x）（称为经验公式）。从几何上，就是希望根据给出的m个点，求曲线y=f(x)的一条近似曲线y=φ（x）。因此，这是一个曲线拟合的问题。多项式插值虽然在一定程度上解决了由函数表求函数的近似表达式问题，但用它来解决这里提出的问题，有明显缺陷。首先，实验提供的数据通常带有测试误差。如要求近似曲线y=φ（x）严格地通过所给的每个数据点，就会使曲线保持原有的测试误差。当个别数据的误差较大时，插值效果显然是不理想的。其次，由实验提供的数据往往较多（即m较大），用插值法得到的近似表达式，明显地缺乏实用价值。59曲线拟合的最小二乘法60因此，怎样从给定的一组数据出发，在某个函数类φ中寻求一个“最好”的函数φ（x）来拟合这组数据，是一个值得讨论的问题。随着拟合效果“好”、“坏”标准的不同，解决此类问题的方法也不同。这里介绍一种最常用的曲线拟合方法，即最小二乘法。。§2什么是最小二乘法

如前所述，在一般情况下，我们不能要求近似曲线y=f（x）严格地通过所有数据点，亦即不能要求所有拟合曲线函数在xi处的偏差（亦称残差）都严格地趋于零。但是，为了使近似曲线尽量反映所给数据点的变化趋势，要求∣δi∣都较小还是需要的。达到这一目标的途径很多，常见的有：

(1)选取φ（x），使偏差绝对值之和最小，即

(2.1)60因此，怎样从给定的一组数据出发，在某个函数类φ中寻求一个61(2)

选取φ（x），使偏差最大绝对值最小，即

(2.2)(3)选取φ（x），使偏差平方和最小，即

(2.3)

为了方便计算、分析与应用，我们较多地根据“偏差平方和最小”的原则（称为最小二乘原则）来选取拟合曲线y=φ（x）按最小二乘原则选择拟合曲线的方法，称为最小二乘法。本章要着重讨论的线性最小二乘问题，其基本提法是：对于给定数据表

x x1x2…xm

y y1y2…ym

61(2)

选取φ（x），使偏差最大绝对值62要求在某个函数类（其中n<m）中寻求一个函数

(2.4)使φ*(x)满足条件

(2.5)

式中是函数类中任一函数。

满足关系式（2.5）的函数，称为上述最小二乘问题的最小二乘解。由上可知，用最小二乘法解决实际问题包含两个基本环节：先根据所给数据点的变化趋势与问题的实际背景确定函数类,即确定所具有的形式；然后按最小二乘法原则（2.3）求取最小二乘解，即确定其系数。62要求在某个函数类63§3最小二乘解的求法由最小二乘解（2.4）应满足条件（2.5）知，点是多元函数的极小点，从而满足方程组即63§3最小二乘解的求法64亦即

若对任意的函数h(x)和g(x)，引入记号

则上述方程组可以表示成

写成矩阵形式即

(3.1)(3.2)64亦即(3.1)(3.2)65

方程组(3.2)称为法方程组。当线性无关时，可以证明它有唯一解并且相应的函数(2.4)就是满足条件(2.5)的最小二乘解。综上分析可得

定理1

对任意给定的一组实验数据(其中互异),在函数类(线性无关）中,存在唯一的函数使得关系式(2.5)成立，并且其系数可以通过解方程组(3.2)得到。作为曲线拟合的一种常用的情况，若讨论的是代数多项式拟合，即取

则由(3.1)知65方程组(3.2)称为法方程组。当66故相应的法方程组为

(3.3)66(3.3)67例1

某种铝合金的含铝量为，其熔解温度为c，由实验测得与的数据如表3-1左边三列。使用最小二乘法建立与之间的经验公式。解

根据前面的讨论，解决问题的过程如下：

（1）

将表中给出的数据点描绘在坐标纸上，如图3-1所示。

`

（2）

确定拟合曲线的形式。由图3-1可以看出，六个点位于一条直线的附近，故可以选用线性函数（直线）来拟合这组实验数据，即令180图3-1y30026022030507090x67例1某种铝合金的含铝量为，其熔解温68

其中a,b为待定常数。（3）建立法方程组。由于问题归结为一次多项式拟合问题，故由

(3.3)知，相应的法方程组形如经过计算（表3-1）即得确定待定系数a，b的法方程组

（4）解法方程(3.5)得a=95.3524,b=2.2337

代入(3.4)即得经验公式

y=95.3524+2.2337x(3.4)(3.5)(3.6)68(3.4)(3.5)(3.6)69

i136.91811361.616678.9246.71972180.899199.9363.72354057.6914969.5477.82706052.8421006.0584.02837056.0023772.0687.52927656.2525550.0396.6145828365.28101176.3表3-169 i136.70

所得经验公式能否较好地反映客观规律,还需通过实践来检验.由(3.6)式算出的函数值(称为拟合值)与实际值有一定的偏差。由表3-2可以看出，偏差的平方和

，其平方根（称为均方误差）在一定程度上反映了所得经验公式的好坏。同时，由表3-2还可以看出，最大偏差.

如果认为这样的误差都允许的话，就可以用经验公式(3.6)来计算含铝量在36.9~87.5%之间的溶解度。否则，就要用改变函数类型或者增加实验数据等方法来建立新的经验公式。例2

在某化学放应里，测得生成物的浓度y%与时间t的数据表见表3-3，是用最小二乘法建立t与y的经验公式。解

将已知数据点描述在坐标纸上，见图3-2。由图3-2

及问题的物理背景可以看出，拟合曲线应具下列特点：

7071i12345636.946.763.777.884.087.5177.78199.67237.64269.13282.98290.80181197235270283292-3.222.672.64-0.87-0.02-1.2010.377.136.970.760.00041.4426.6704表3-271i12345636.946.763.777.884.0872t12345678y4.006.408.008.809.229.509.709.86t910111213141516y10.0010.2010.3210.4210.5010.5510.5810.60表3-3

（1）曲线随着t的增加而上升，但上升速度由快到慢。y10504812t16图3-272t12345678y4.006.408.008.80973（2）当t=0时，反应还未开始，即y=0;当时，y趋于某一常数.

故曲线应通过原点(或者当t=0时以原点为极限点)，且有一条水平渐近线。

具有上述特点的曲线很多。选用不同的数学模型，可以获得不同的拟合曲线与经验公式。

下面提供两种方案:

方案1:

设想是双曲线型的，并且具有下面的形式

(3.7)

此时，若直接按最小二乘法原则去确定参数a和b,则问题归结为求二元函数

的极小点，这将导致求解非线性方程组:(3.8)73（2）当t=0时，反应还未开始，即y=0;当74给计算带来了麻烦。可通过变量替换来将它转化为关于待定参数的线.性形函数。为此，将(3.7)改写成于是，若引入新变量则(3.7)式就是74给计算带来了麻烦。可通过变量替换来将它转化为关于待定参数75同时，由题中所给数据表3-3可以算出新的数据表表3-4这样，问题就归结为：根据数据表3-4，求形如的最小二乘解.

参照例1的做法，解方程组i123161.000000.500000.333330.062500.250000.156250.125000.09434表3-475i123161.000000.500000.33333076既得

a=80.6621,b=161.6822代入(3.7)

,既得经验公式

(3.9)

方案2：设想具有指数形式

为了求参数a和b时，避免求解一个非线形方程组，对上式两边取对数

此时，若引入新变量

并记A=lna,B=b,则上式就是

(3.10)76(3.10)77又由数表3-3可算出新的数据表3-5。

表3-5于是将问题归为：根据数据表3-5，求形如的最小二乘解。参照方案1，写出相应的法方程组并解之，即得

A=-4.4807，B=-1.0567于是i123161.000000.500000.333330.062501.386291.856302.079442.3608577又由数表3-3可算出新的数据表3-5。i123161.小结线形拟合二次多项式拟合指数曲线拟合幂函数拟合双曲函数拟合小结线形拟合第一章曲线插值与曲线拟合刘云华79第一章曲线插值与曲线拟合刘云华180§1引言§2拉格朗日插值多项式§3分段低次拉格朗日插值§4Neville逐步插值方法§5Newton插值§6Hermite插值和分段三次Hermite插值§7曲线拟合2

实际中，f(x)多样，复杂，通常只能观测到一些离散数据；或者f(x)过于复杂而难以运算。这时我们要用近似函数g(x)来逼近f(x)。

自然地，希望g(x)通过所有的离散点

概念x0x1x2x3x4xg(x)

f(x)实际中，f(x)多样，复杂，通常只能观测到一些离散定义：为定义在区间上的函数，为区间上n+1个互不相同的点，为给定的某一函数类。求上的函数满足问题是否存在唯一如何构造误差估计定义：为定义在区间上的函数，设则所以有解，当且仅当系数行列式不为0设则所以有解，当且仅当系数行列式不为0存在唯一定理定理1.1：为n＋1个节点，

n+1维空间，则插值函数存在唯一，当且仅当存在唯一定理定理1.1：为n＋1个节点，与基函数无关与原函数f(x)无关基函数个数与点个数相同特点：与基函数无关特点：对应于则Vandermonde行列式对应于则Vandermonde行列式多项式插值的Lagrange型如何找？在基函数上下功夫，取基函数为要求则多项式插值的Lagrange型如何找？在基函数上下功夫，取基求，易知：记求，易知：记线性插值线性插值90x0y图2-212x0y图2-2二次插值二次插值92这是一个二次函数，用二次函数近似代替函数，在几何上就是通过曲线上的三点，作一抛物线近似地代替曲线（图2-3），故三点插值(二次插值)。图2-3yx014这是一个二次函数，用二次函数近似代替函例：例：94例

已知分别用线性插值和抛物插值求的值。解

因为115在100和121之间，故取节点x0=100，x1=121相应地有

y0=10，y1=11故用线性插值求得的近似值为16例已知95仿上，用抛物插值公式所求得的近似值为将所得结果与的精确值10.7328…相比较，可以看出抛物插值的精确度较好。为了便于上机计算，我们常将拉格朗日插值多项式改写成对称形式17仿上，用抛物插值公式所求得的近似值为算法：fx=0.0for(i=0;i<=n;i++){tmp=1.0;for(j=0;j<i;j++)tmp=tmp*(x-x[j])/(x[i]-x[j]);for(j=i+1;j<=n;j++)tmp=tmp*(x-x[j])/(x[i]-x[j]);fx=fx+tmp*y[i];}returnfx;算法：fx=0.0Lab02

Lagrange插值对函数构造插值，并求插值节点取为：(1)(2)对N=5，10，20，40比较以上两组节点的结果。Chebyshev点Lab02Lagrange插值对函数构造插值，并求插值节误差解：求设易知误差解：求设易知有n+2个零点由a的任意性有n+2个零点由a的任意性例：已知分别利用sinx的1次、2次Lagrange插值计算sin50

并估计误差。例：已知分别利用sinx的1次、2次Lagrange解：n=1分别利用x0,x1

以及x1,x2

计算利用这里而sin50=0.7660444…)185(50sin10pL0.77614外推

/*extrapolation*/

的实际误差0.01001利用sin500.76008,内插

/*interpolation*/

的实际误差0.00596内插通常优于外推。选择要计算的x

所在的区间的端点，插值效果较好。解：n=1分别利用x0,x1以及x1,x2计算n=2)185(50sin20pL0.76543sin50=0.7660444…2次插值的实际误差0.00061高次插值通常优于低次插值n=2)185(50sin20pL0.76543s例子P14~P17例子P14~P17104§4分段低次插值

例2、例4表明，适当地提高插值多项式的次数，有可能提高计算结果的准确程度。但是决不可由此提出结论，认为插值多项式的次数越高越好。例如，对函数

先以为节点作五次插值多项式P5(x)，再以

为节点作十次插值多项式P10(x)，并将曲线描绘在同一坐标系中，如图2-5所示。

26105

-101xy

1y=1/(1+25x2)y=P5(x)图2-5y=P10(x)27-10106

这种分段低次插值叫分段线性插值。在几何上就是用折线代替曲线，如图2-6所示。故分段线性插值又称折线插值.

xy=f(x)yox0x1xnx2图2-628xy=f(x)yox0x1xnx2图2-6107

类似地，为求的近似值，也可选取距点最近的三个节点

进行二次插值，即取这种分段低次插值叫分段二次插值。在几何上就是用分段抛物线代替曲线，故分段二次插值又称分段抛物插值。为了保证是距点最近的三个节点，（4.2）中的可通过下面方法确定:（4.2）29类似地，为求的近似值108Neville逐步插值方法通过两点插值逐步生成多点插值的方法两点插值30Neville逐步插值方法通过两点插值逐步生成多点插值的109三点插值：由两个两点插值（x0,y0）(x1,y1)与（x1,y1）(x2,y2)31三点插值：由两个两点插值（x0,y0）(x1,y1)与（110多点Neville插值32多点Neville插值曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件2222曲线插值和曲线拟合课件Hermite插值在节点处已知函数值和导数值Hermite插值在节点处已知函数值和导数值两点三次Hermite插值两点三次Hermite插值曲线插值和曲线拟合课件两点三次Hermite插值误差分析两点三次Hermite插值误差分析例子P26~p29例子P26~p29曲线插值和曲线拟合课件三次样条插值

分段低阶插值，收敛性好，但光滑性不够理想。在工业设计中，对曲线光滑性要求高，如：流线型设想这样一曲线：插值，次数不高于3次，整个曲线2阶连续导数，称为三次样条函数插值。三次样条插值分段低阶插值，收敛性好，但光滑性不够每个小区间不高于3次，有4n个未知数，我们的已知条件如下：共3n-3+n+1=4n-2个条件每个小区间不高于3次，有4n个未知数，我们的已知条件如下：共曲线插值和曲线拟合课件曲线插值和曲线拟合课件曲线插值和曲线拟合课件给定端点弯距值给定端点弯距值给定端点转角值给定端点转角值136曲线拟合的最小二乘法

§1引言

§2什么是最小二乘法

§3最小二乘解的求法

58137曲线拟合的最小二乘法

§1引言

在科学实验和生产实践中，经常要从一组实验数据出发，寻求函数y=f(x)的一个近似表达式y=φ（x）（称为经验公式）。从几何上，就是希望根据给出的m个点，求曲线y=f(x)的一条近似曲线y=φ（x）。因此，这是一个曲线拟合的问题。多项式插值虽然在一定程度上解决了由函数表求函数的近似表达式问题，但用它来解决这里提出的问题，有明显缺陷。首先，实验提供的数据通常带有测试误差。如要求近似曲线y=φ（x）严格地通过所给的每个数据点，就会使曲线保持原有的测试误差。当个别数据的误差较大时，插值效果显然是不理想的。其次，由实验提供的数据往往较多（即m较大），用插值法得到的近似表达式，明显地缺乏实用价值。59曲线拟合的最小二乘法138因此，怎样从给定的一组数据出发，在某个函数类φ中寻求一个“最好”的函数φ（x）来拟合这组数据，是一个值得讨论的问题。随着拟合效果“好”、“坏”标准的不同，解决此类问题的方法也不同。这里介绍一种最常用的曲线拟合方法，即最小二乘法。。§2什么是最小二乘法

如前所述，在一般情况下，我们不能要求近似曲线y=f（x）严格地通过所有数据点，亦即不能要求所有拟合曲线函数在xi处的偏差（亦称残差）都严格地趋于零。但是，为了使近似曲线尽量反映所给数据点的变化趋势，要求∣δi∣都较小还是需要的。达到这一目标的途径很多，常见的有：

(1)选取φ（x），使偏差绝对值之和最小，即

(2.1)60因此，怎样从给定的一组数据出发，在某个函数类φ中寻求一个139(2)

选取φ（x），使偏差最大绝对值最小，即

(2.2)(3)选取φ（x），使偏差平方和最小，即

(2.3)

为了方便计算、分析与应用，我们较多地根据“偏差平方和最小”的原则（称为最小二乘原则）来选取拟合曲线y=φ（x）按最小二乘原则选择拟合曲线的方法，称为最小二乘法。本章要着重讨论的线性最小二乘问题，其基本提法是：对于给定数据表

x x1x2…xm

y y1y2…ym

61(2)

选取φ（x），使偏差最大绝对值140要求在某个函数类（其中n<m）中寻求一个函数

(2.4)使φ*(x)满足条件

(2.5)

式中是函数类中任一函数。

满足关系式（2.5）的函数，称为上述最小二乘问题的最小二乘解。由上可知，用最小二乘法解决实际问题包含两个基本环节：先根据所给数据点的变化趋势与问题的实际背景确定函数类,即确定所具有的形式；然后按最小二乘法原则（2.3）求取最小二乘解，即确定其系数。62要求在某个函数类141§3最小二乘解的求法由最小二乘解（2.4）应满足条件（2.5）知，点是多元函数的极小点，从而满足方程组即63§3最小二乘解的求法142亦即

若对任意的函数h(x)和g(x)，引入记号

则上述方程组可以表示成

写成矩阵形式即

(3.1)(3.2)64亦即(3.1)(3.2)143

方程组(3.2)称为法方程组。当线性无关时，可以证明它有唯一解并且相应的函数(2.4)就是满足条件(2.5)的最小二乘解。综上分析可得

定理1

对任意给定的一组实验数据(其中互异),在函数类(线性无关）中,存在唯一的函数使得关系式(2.5)成立，并且其系数可以通过解方程组(3.2)得到。作为曲线拟合的一种常用的情况，若讨论的是代数多项式拟合，即取

则由(3.1)知65方程组(3.2)称为法方程组。当144故相应的法方程组为

(3.3)66(3.3)145例1

某种铝合金的含铝量为，其熔解温度为c，由实验测得与的数据如表3-1左边三列。使用最小二乘法建立与之间的经验公式。解

根据前面的讨论，解决问题的过程如下：

（1）

将表中给出的数据点描绘在坐标纸上，如图3-1所示。

`

（2）

确定拟合曲线的形式。由图3-1可以看出，六个点位于一条直线的附近，故可以选用线性函数（直线）来拟合这组实验数据，即令180图3-1y30026022030507090x67例1某种铝合金的含铝量为，其熔解温146

其中a,b为待定常数。（3）建立法方程组。由于问题归结为一次多项式拟合问题，故由

(3.3)知，相应的法方程组形如经过计算（表3-1）即得确定待定系数a，b的法方程组

（4）解法方程(3.5)得a=95.3524,b=2.2337

代入(3.4)即得经验公式

y=95.3524+2.2337x(3.4)(3.5)(3.6)68(3.4)(3.5)(3.6)147

i136.91811361.616678.9246.71972180.899199.9363.72354057.6914969.5477.82706052.8421006.0584.02837056.0023772.0687.52927656.2525550.0396.6145828365.28101176.3表3-169 i136.148

所得经验公式能否较好地反映客观规律,还需通过实践来检验.由(3.6)式算出的函数值(称为拟合值)与实际值有一定的偏差。由表3-2可以看出，偏差的平方和

，其平方根（称为均方误差）在一定程度上反映了所得经验公式的好坏。同时，由表3-2还可以看出，最大偏差.

如果认为这样的误差都允许的话，就可以用经验公式(3.6)来计算含铝量在36.9~87.5%之间的溶解度。否则，就要用改变函数类型或者增加实验数据等方法来建立新的经验公式。例2

在某化学放应里，测得生成物的浓度y%与时间t的数据表见表3-3，是用最小二乘法建立t与y的经验公式。解

将已知数