Qurak

Linear algebra matrix computations least squares solutions

Tutoriel 11 étapes, exécutées dans l'ordre dans une même session. Chaque étape a été exécutée sur le moteur et la sortie ci-dessous est ce qu'elle a produit.

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

Pas de sortie - cette étape prépare quelque chose pour la suivante.

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

Pas de sortie - cette étape prépare quelque chose pour la suivante.

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

Fonctions utilisées

Recettes connexes

Toutes les recettes · Référence des fonctions · Utiliser ceci depuis un client MCP