Qurak

Linear algebra matrix computations least squares solutions

آموزش 11 گام، به‌ترتیب در یک نشست اجرا می‌شوند. هر گام روی موتور اجرا شده و خروجی زیر همان چیزی است که تولید کرد.

گام 1
A = {{1., 2.}, {5., 6.}, {4.5, 6.}};
B = {5., 6., 8.};
LinearSolve[A, B]
خروجی
LinearSolve[{{1., 2.}, {5., 6.}, {4.5, 6.}}, {5., 6., 8.}]
گام 2
A = {{1., 2.}, {2., 4.}, {3., 6.}};
B = {5., 6., 8.};
MatrixRank[A]
خروجی
1
گام 3
X = PseudoInverse[A].B
خروجی
{0.5857142857142857, 1.1714285714285715}
گام 4
A.X
خروجی
{2.928571428571429, 5.857142857142858, 8.785714285714285}
گام 5
data = {{0.2, 4.59}, {0.4, 5.05}, {0.6, 6.2}, {0.8, 6.6}, {1., 7.4}};

بدون خروجی - این گام چیزی را برای گام بعد آماده می‌کند.

گام 6
plot1 = ListPlot[ data, PlotStyle -> PointSize[0.02]]
خروجی
-Graphics-
گام 7
xData = data[[All, 1]];
yData = data[[All, 2]];

بدون خروجی - این گام چیزی را برای گام بعد آماده می‌کند.

گام 8
mat = Transpose[ {Table[1, {Length[xData]}], xData}];
mat//MatrixForm
خروجی
MatrixForm[{{1, 0.2}, {1, 0.4}, {1, 0.6}, {1, 0.8}, {1, 1.}}]
گام 9
PseudoInverse[mat].yData
خروجی
{3.8170000000000015, 3.585}
گام 10
sol = FindFit[data, α + β x, {α, β}, x]
خروجی
{α -> 3.8169999997513093, β -> 3.5849999944044773}
گام 11
Plot[ (α + β x) /. sol, {x, 0, 1}, Epilog -> First[plot1]]
خروجی
-Graphics-

توابع به‌کاررفته

دستورهای کار مرتبط

همهٔ دستورهای کار · مرجع توابع · استفاده از این در کلاینت MCP