Kim był Adrien-Marie Legendre?
Adrien-Marie Legendre (1752–1833) był francuskim matematykiem, który jako pierwszy ogłosił drukiem metodę najmniejszych kwadratów. Urodził się 18 września 1752 r. w Paryżu w zamożnej rodzinie i kształcił się w paryskim Collège Mazarin. W latach 1775–1780 uczył matematyki w École Militaire. W 1782 r. zdobył nagrodę Akademii Berlińskiej za pracę o torze pocisków i bomb z uwzględnieniem oporu powietrza, a 30 marca 1783 r. został adiunktem paryskiej Akademii Nauk (od 1785 r. jej członkiem, associé). Zmarł w Paryżu 9 stycznia 1833 r. (Itard, 1973).
Wiele jego prac wiązało się z geodezją i astronomią. W 1787 r. Akademia wysłała go do wspólnych pomiarów obserwatoriów w Paryżu i Greenwich, przy tej okazji został członkiem Royal Society. W 1791 r. był jednym z trzech komisarzy Akademii do pomiarów astronomicznych potrzebnych do ustalenia wzorca metra. Rewolucja pozbawiła go majątku i zmusiła do szukania pracy. Po śmierci Lagrange’a (1813) zajął jego miejsce w Bureau des Longitudes (Itard, 1973).
Najważniejsze pomysły
- Metoda najmniejszych kwadratów. W dodatku do książki Nouvelles méthodes pour la détermination des orbites des comètes podał pierwsze sformułowanie i pierwsze opublikowane zastosowanie MNK (Itard, 1973). Potraktował ją jako sposób pogodzenia wielu niezgodnych równań z obserwacji astronomicznych, bez uzasadnienia probabilistycznego (Gillispie, 1978). Gillispie (1978) datuje publikację reguły na 1805 r., Itard podaje dla książki rok 1806 – w literaturze spotkasz obie daty.
- Równania normalne. Warunek minimum sumy kwadratów prowadzi do układu równań, z którego od razu dostaje się współczynniki. Dziś piszemy go macierzowo jako X′Xb = X′y (zob. macierz modelowa) i tak liczy go każdy program do regresji liniowej.
- Podręcznik geometrii. Éléments de géométrie (1794) przez prawie sto lat dominowały w nauczaniu geometrii elementarnej (Itard, 1973).
- Teoria liczb i funkcje eliptyczne. Prawo wzajemności reszt kwadratowych sformułował w 1785 r.; Exercices de calcul intégral (1811–1817) i Traité des fonctions elliptiques (1825–1828) zbierały jego wieloletnie badania, które wkrótce rozwinęli młodsi Jacobi i Abel – Legendre sam zwracał uwagę na ich prace (Itard, 1973).
Ciekawostka
Legendre zapłacił za niezależność w głosowaniu. Pod koniec kariery otrzymywał emeryturę 3000 franków – połowę dawnego wynagrodzenia. Stracił ją w 1824 r., bo w wyborach na miejsce w Instytucie Francji odmówił głosowania na kandydata popieranego przez rząd (Itard, 1973). Miał wtedy ponad 70 lat i – jak sam pisał – majątek stracił już wcześniej w czasie rewolucji.
Przykład: MNK na danych z lat 20. XX wieku
Zbiór cars z pakietu datasets to prędkość (w milach na godzinę) i droga hamowania (w stopach) 50 samochodów; plik pomocy podaje, że dane zebrano w latach 20. XX w., a źródłem jest książka M. Ezekiela z 1930 r. Nie twierdzimy, że Legendre analizował podobne dane – pokazujemy jego metodę krok po kroku.
Równania normalne mają tu postać 50a + 770b = 2149 oraz 770a + 13228b = 38482. Ich rozwiązanie to a = −17.5791 i b = 3.9324 – co do czwartego miejsca po przecinku to samo, co daje lm(dist ~ speed). Każda mila na godzinę więcej to średnio o 3.93 stopy dłuższa droga hamowania; R² wynosi .651, a odchylenie standardowe reszt 15.38 stopy.
Dla porównania dwie inne proste. Prosta MNK wymuszona przez zero (b = 2.91) ma sumę kwadratów reszt (SSR) 12 953.78, a prosta przez najwolniejsze i najszybsze auto (a = −13.81, b = 3.95) – 12 185.22. Obie przegrywają z prostą MNK (SSR = 11 353.52), choć druga ma prawie to samo nachylenie. Suma reszt dla prostej MNK z wyrazem wolnym wynosi 0, a dla dwóch pozostałych −91.03 i −203.86.
Na rysunku
Co widać. MNK to tylko jeden z wielu tematów Legendre’a: przed nią były balistyka, geodezja i podręcznik geometrii, po niej – funkcje eliptyczne. Szary romb w 1809 r. to Theoria motus Gaussa, od której zaczął się spór o pierwszeństwo.
Na co uważać. Rok przy MNK podajemy jako 1805/06, bo źródła różnią się o rok. Oś pomija m.in. pracę w komisji metra i prace z teorii liczb.
Podpis do pracy:
cars (A) i suma kwadratów reszt dla wszystkich par (wyraz wolny, nachylenie) (B). Dane: datasets::cars (książka M. Ezekiela z 1930 r., według pliku pomocy). Rysunek: R, pakiety ggplot2 i patchwork.Co widać. Panel B pokazuje to, czego szukał Legendre: SSR jako funkcję dwóch niewiadomych. Poziomice to elipsy, a ich wspólny środek – jedno, najniższe miejsce „doliny” – to rozwiązanie równań normalnych. Elipsy są ukośne, bo wyraz wolny i nachylenie się wymieniają: większe nachylenie można częściowo zrównoważyć mniejszym wyrazem wolnym.
Na co uważać. Najmniejsza SSR nie oznacza dobrego modelu: w danych cars rozrzut rośnie z prędkością, a zależność może być nieliniowa – sprawdź wykres reszt względem wartości dopasowanych. Kwadraty sprawiają też, że pojedyncza obserwacja odstająca (tu auto z drogą 120 stóp) mocno ciągnie prostą.
Podpis do pracy:
datasets::cars w R.Gdzie spotkasz Legendre’a w swojej pracy
- Każda regresja liniowa. Współczynniki w tabeli regresji – w R, SPSS czy jamovi – to rozwiązanie jego równań normalnych, także w regresji wielorakiej. Intuicyjnie pokazuje to wpis MNK w obrazkach.
- Linia trendu na wykresie. Linia najlepszego dopasowania dodawana jednym kliknięciem to prosta MNK.
- Diagnostyka. Skoro MNK jest wrażliwa na duże reszty, przed opisem wyników zajrzyj do wpisu Diagnostyka regresji w R; gdy wartości odstających jest dużo, rozważ regresję odporną.
Spory, mity i trudne strony
Spór z Gaussem. W 1809 r. Carl Friedrich Gauss napisał w Theoria motus, że stosuje metodę od 1795 r. Legendre był oburzony i wracał do sprawy w 1811 i 1820 r., a w liście do Jacobiego z 1827 r. ostro ocenił postępowanie Gaussa. Itard (1973) uważa, że obaj działali w dobrej wierze, a ich spory o pierwszeństwo – także o prawo wzajemności reszt kwadratowych – nazywa dialogiem głuchych. Plackett (1972) prześledził spór na podstawie korespondencji, a Stigler (1981) uznał, choć nie rozstrzygająco, że Gauss prawdopodobnie znał metodę wcześniej, ale nie przekazał jej współczesnym. Według relacji Delambre’a Gauss stosował regułę prywatnie wcześniej, ale opublikował ją pierwszy, niezależnie, Legendre (Gillispie, 1978).
„MNK to wynalazek probabilistyczny”. U Legendre’a nie – była to algebraiczna recepta na pogodzenie niezgodnych równań. Uzasadnienie przez rozkład błędów dali później Gauss i Pierre-Simon Laplace (Gillispie, 1978).
Legendre w R
Kod rysuje oś czasu, rozwiązuje równania normalne dla danych cars, porównuje wynik z lm(), liczy sumę kwadratów reszt dla trzech prostych i rysuje „dolinę” SSR. Rysunki na stronie powstały z tych samych obiektów os_czasu i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne.
Oś czasu, równania normalne i suma kwadratów reszt
Kod R rysunków 1 i 2
# Adrien-Marie Legendre: oś czasu i metoda najmniejszych kwadratów na danych cars (lata 20. XX w.)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
oi <- c(niebieski = "#0072B2", pomaranczowy = "#D55E00", zielony = "#009E73", szary = "grey40") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(),
plot.title = element_text(face = "bold"))
# 1. Oś czasu (lata według hasła Itarda z 1973 r.; przy MNK Gillispie podaje rok 1805, Itard rok 1806)
zdarzenia <- data.frame(
rok = c(1752, 1775, 1782, 1783, 1787, 1794, 1805, 1809, 1813, 1824, 1833),
opis = c("urodzony w Paryżu", "uczy w École\nMilitaire (do 1780)", "nagroda Akademii\nBerlińskiej", "Akademia Nauk\n(adiunkt)",
"pomiary Paryż–Greenwich;\nRoyal Society", "Éléments de\ngéométrie", "MNK w dodatku\no orbitach komet",
"Gauss: Theoria motus", "Bureau des Longitudes\n(po Lagrange’u)", "traci pensję", "zmarł w Paryżu"),
rok_opis = c("1752", "1775", "1782", "1783", "1787", "1794", "1805/06", "1809", "1813", "1824", "1833"),
rodzaj = c("życie", "stanowisko", "praca", "stanowisko", "praca", "praca", "praca", "inny autor", "stanowisko",
"życie", "życie"),
poziom = c(1.3, -1.3, 2.8, -2.8, 4.2, -1.3, 1.3, -2.8, 2.8, -1.3, 1.3))
os_czasu <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = oi[["szary"]], linewidth = 0.6) +
geom_segment(aes(xend = rok, y = 0, yend = poziom - sign(poziom) * 0.55), colour = "grey60", linewidth = 0.4) +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.4, colour = "black") +
geom_text(aes(y = poziom, label = paste0(rok_opis, "\n", opis)), size = 3.2, lineheight = 0.9) +
scale_shape_manual(values = c("życie" = 21, stanowisko = 22, praca = 24, "inny autor" = 23)) +
scale_fill_manual(values = c("życie" = "white", stanowisko = oi[["pomaranczowy"]], praca = oi[["niebieski"]],
"inny autor" = "grey70")) +
scale_x_continuous(breaks = seq(1750, 1830, 10), limits = c(1742, 1842)) +
scale_y_continuous(limits = c(-3.5, 5)) +
labs(x = NULL, y = NULL, shape = NULL, fill = NULL, title = "Adrien-Marie Legendre (1752–1833)") +
motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")
# 2. Dane: prędkość (mph) i droga hamowania (stopy) 50 samochodów z lat 20. XX w.
data(cars, package = "datasets")
X <- cbind(wyraz_wolny = 1, predkosc = cars$speed)
y <- cars$dist
# 3. Równania normalne Legendre’a: X'X b = X'y, rozwiązane wprost i porównane z lm()
XtX <- crossprod(X); Xty <- crossprod(X, y)
XtX; Xty
b <- solve(XtX, Xty)
model <- lm(dist ~ speed, data = cars)
round(cbind(rownania_normalne = drop(b), lm = coef(model)), 4)
# 4. Suma kwadratów reszt dla kilku prostych
ssr <- function(a, b) sum((y - a - b * cars$speed)^2)
skrajne <- cars[c(1, 50), ] # najwolniejsze i najszybsze auto
b_skr <- diff(skrajne$dist) / diff(skrajne$speed)
proste <- data.frame(
prosta = c("MNK", "MNK przez zero", "przez dwa skrajne auta"),
a = c(coef(model)[1], 0, skrajne$dist[1] - b_skr * skrajne$speed[1]),
b = c(coef(model)[2], sum(cars$speed * y) / sum(cars$speed^2), b_skr))
proste$SSR <- mapply(ssr, proste$a, proste$b)
proste$suma_reszt <- mapply(function(a, b) sum(y - a - b * cars$speed), proste$a, proste$b)
proste[, -1] <- round(proste[, -1], 2); proste
round(c(R2 = summary(model)$r.squared, sigma = sigma(model)), 3)
# 5. Rysunek: dane z prostymi (A) i „dolina” sumy kwadratów w płaszczyźnie (a, b) (B)
proste$prosta <- factor(proste$prosta, levels = proste$prosta)
p_dane <- ggplot(cars, aes(speed, dist)) +
geom_abline(data = proste, aes(intercept = a, slope = b, colour = prosta, linetype = prosta), linewidth = 0.9) +
geom_point(shape = 21, fill = "white", colour = "black", size = 2) +
scale_colour_manual(values = unname(oi[c("niebieski", "pomaranczowy", "szary")])) +
scale_linetype_manual(values = c("solid", "dashed", "dotted")) +
labs(x = "Prędkość (mph)", y = "Droga hamowania (stopy)", colour = NULL, linetype = NULL,
title = "A. Dane cars i trzy proste") + motyw + theme(legend.position = "bottom")
siatka <- expand.grid(a = seq(-40, 20, length.out = 121), b = seq(1.5, 5.5, length.out = 121))
siatka$SSR <- mapply(ssr, siatka$a, siatka$b)
p_dolina <- ggplot(siatka, aes(a, b)) +
geom_contour(aes(z = log10(SSR)), colour = "grey55", bins = 14) +
geom_point(data = proste, aes(shape = prosta, fill = prosta), size = 3.4, colour = "black") +
scale_shape_manual(values = c(21, 24, 22)) +
scale_fill_manual(values = unname(oi[c("niebieski", "pomaranczowy", "szary")])) +
labs(x = "Wyraz wolny a", y = "Nachylenie b", shape = NULL, fill = NULL,
title = "B. Poziomice log10(SSR) – minimum MNK") + motyw + theme(legend.position = "bottom")
p_metoda <- p_dane + p_dolina
os_czasu
p_metodaWynik w R
wyraz_wolny predkosc
wyraz_wolny 50 770
predkosc 770 13228
[,1]
wyraz_wolny 2149
predkosc 38482
rownania_normalne lm
wyraz_wolny -17.5791 -17.5791
predkosc 3.9324 3.9324
prosta a b SSR suma_reszt
1 MNK -17.58 3.93 11353.52 0.00
2 MNK przez zero 0.00 2.91 12953.78 -91.03
3 przez dwa skrajne auta -13.81 3.95 12185.22 -203.86
R2 sigma
0.651 15.380 Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (równania normalne i regresja – funkcje bazowe crossprod(), solve(), lm(); rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
Najczęstsze pytania
Kim był Adrien-Marie Legendre?
Francuskim matematykiem (1752–1833) z Paryża, członkiem Akademii Nauk od 1783 r. i Royal Society od 1787 r. Zajmował się balistyką, geodezją, teorią liczb i funkcjami eliptycznymi, napisał popularny podręcznik geometrii, a w statystyce zapisał się jako pierwszy autor opublikowanej metody najmniejszych kwadratów.
Co Legendre wniósł do statystyki?
Metodę najmniejszych kwadratów: zasadę, że z wielu niezgodnych pomiarów wybiera się rozwiązanie o najmniejszej sumie kwadratów błędów, wraz z prowadzącymi do niego równaniami normalnymi. Ogłosił ją w dodatku do książki o orbitach komet i od razu zastosował do danych astronomicznych.
Czym są równania normalne Legendre’a?
To układ równań, który powstaje z warunku minimum sumy kwadratów reszt; jego rozwiązaniem są współczynniki prostej (lub płaszczyzny) MNK. Dla prostej y = a + bx są to dwa równania z niewiadomymi a i b; macierzowo X′Xb = X′y. Tak liczy współczynniki każda funkcja regresji liniowej.
Dlaczego Legendre pokłócił się z Gaussem?
Bo Gauss w 1809 r. napisał, że stosuje metodę najmniejszych kwadratów od 1795 r., choć pierwszy opublikował ją Legendre. Legendre uznał to za zawłaszczenie. Historycy przyjmują, że obaj odkryli metodę niezależnie: Gauss prawdopodobnie wcześniej, Legendre – pierwszy drukiem.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Metoda najmniejszych kwadratów w obrazkach
Reszty jako kwadraty, parabola sumy kwadratów, regresja y na x i x na y, oś główna, dźwignia i R² – skąd się bierze prosta regresji, na rysunkach z R.
Czytaj →PoradnikDiagnostyka regresji w R
Reszty studentyzowane, dźwignia, Cook i DFBETAS, VIF, maskowanie heteroskedastyczności, HC3 i analiza wrażliwości – z danymi i kodem R.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Gillispie, C. C. (1978). Laplace, Pierre-Simon, Marquis de. In C. C. Gillispie (Ed.), Dictionary of scientific biography (Vol. 15, Suppl. 1). Charles Scribner’s Sons. https://www.encyclopedia.com/people/science-and-technology/astronomy-biographies/pierre-simon-marquis-de-laplace ● Otwarty dostęp
- Itard, J. (1973). Legendre, Adrien-Marie. In C. C. Gillispie (Ed.), Dictionary of scientific biography (Vol. 8) (pp. 135–143). Charles Scribner’s Sons. https://www.encyclopedia.com/science/dictionaries-thesauruses-pictures-and-press-releases/legendre-adrien-marie ● Otwarty dostęp
- Plackett, R. L. (1972). Studies in the history of probability and statistics. XXIX: The discovery of the method of least squares. Biometrika, 59(2), 239–251. https://doi.org/10.1093/biomet/59.2.239
- Stigler, S. M. (1981). Gauss and the invention of least squares. The Annals of Statistics, 9(3), 465–474. https://doi.org/10.1214/aos/1176345451 ● Otwarty dostęp
Cytowania BibTeX
@incollection{gillispie1978laplace, author={Gillispie, Charles Coulston}, title={{Laplace, Pierre-Simon, Marquis de}}, booktitle={Dictionary of scientific biography (Vol. 15, Suppl. 1)}, year={1978}, publisher={Charles Scribner’s Sons}, url={https://www.encyclopedia.com/people/science-and-technology/astronomy-biographies/pierre-simon-marquis-de-laplace}}@incollection{itard1973legendre, author={Itard, Jean}, title={{Legendre, Adrien-Marie}}, booktitle={Dictionary of scientific biography (Vol. 8)}, year={1973}, pages={135--143}, publisher={Charles Scribner’s Sons}, url={https://www.encyclopedia.com/science/dictionaries-thesauruses-pictures-and-press-releases/legendre-adrien-marie}}@article{plackett1972discovery, author={Plackett, R. L.}, title={{Studies in the history of probability and statistics. XXIX: The discovery of the method of least squares}}, journal={Biometrika}, year={1972}, volume={59}, number={2}, pages={239--251}, doi={10.1093/biomet/59.2.239}}@article{stigler1981gauss, author={Stigler, Stephen M.}, title={{Gauss and the invention of least squares}}, journal={The Annals of Statistics}, year={1981}, volume={9}, number={3}, pages={465--474}, doi={10.1214/aos/1176345451}}