平面直线和曲线以及空间曲线计算方法
利用逆矩阵计算
- 逆矩阵有哪些性质
- 平面直线的推导过程
使用最小二乘
- 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。（最小二乘法，英文：least square method，是一种常用的数学优化方法，所谓二乘就是平方的意思。这平方一词指的是在拟合一个函数的时候，通过最小化误差的平方来确定最佳的匹配函数，所以最小二乘、最小平方指的就是拟合的误差平方达到最小。）
- 直线拟合
已知有一组平面上的点集(x_1, y_1), ... , (x_n, y_n), 基于这些点拟合一条直线，设直线方程为
y = a x + b y = ax + b y=ax+b
算法的输入就是这些点集，需要求取的为直线方程的参数a,b, 平方偏差之和为
s = ∑ i = 0 n ( y i − ( a x i + b ) ) 2 s = {\sum_{i=0}^n}(y_i -(ax_i +b))^2 s=i=0∑n(yi−(axi+b))2
这是一个二元a,b函数,此问题实际上就是多元函数的极值与最值问题，要求解函数极值时二元变量数值,
