Выберем базисные функции в виде последовательности степеней аргумента х, которые линейно независимы:
φ0 (x) = х 0 = 1, φ1 (x) = х1 = х ,..., φm (х) = хm. (3.8)
В этом случае также, как и при интерполяции, мы будем аппроксимировать экспериментальную зависимость полиномом. Однако степень полинома mвыбираем обычно m<<n(при лагранжевой интерполяции m = n). Аппроксимирующая кривая в МНК не проходит через значения исходной функции в узлах, но проведена из условия наименьшего суммарного квадратичного отклонения. Экспериментальные данные "сглаживаются" с помощью функции φ(x). Если же выбрать m = n, то на основании единственности интерполяционного полиномаполучим функцию φ(x), совпадающую с каноническим интерполяционным полиномом степени n, аппроксимирующая кривая пройдет через все экспериментальные точки и величина Q будет равна нулю. Последнее обстоятельство используется для отладки и тестирования программ, использующих МНК.
Запишем расширенную матрицу системы нормальных уравнений для базиса (3.8):
. (3.9)
Нетрудно видеть, что для формирования расширенной матрицы (3.9) достаточно вычислить элементы первой строки и двух последних столбцов, остальные элементы не являются "оригинальными" и заполняются с помощью циклического заполнения.
Для решения систем уравнений с матрицей Грамма разработаны методы сингулярного разложения [9]. Если же m ≤ 4 ÷ 5, то такие системы можно решать и более простым методом исключения Гаусса.