- Manual Scilab
- Álgebra Linear
- aff2ab
- balanc
- bdiag
- chfact
- chol
- chsolve
- classmarkov
- cmb_lin
- coff
- colcomp
- companion
- cond
- det
- eigenmarkov
- ereduc
- expm
- fstair
- fullrf
- fullrfk
- genmarkov
- givens
- glever
- gschur
- gspec
- hess
- householder
- im_inv
- inv
- kernel
- kroneck
- linsolve
- lsq
- lu
- lyap
- nlev
- orth
- pbig
- pencan
- penlaur
- pinv
- polar
- proj
- projspec
- psmall
- qr
- quaskro
- randpencil
- range
- rank
- rankqr
- rcond
- rowcomp
- rowshuff
- rref
- schur
- spaninter
- spanplus
- spantwo
- spec
- sqroot
- squeeze
- sva
- svd
- sylv
- trace
Please note that the recommended version of Scilab is 2025.0.0. This page might be outdated.
See the recommended documentation of this function
lsq
problemas de mínimos quadrados lineares
Seqüência de Chamamento
X=lsq(A,B [,tol])
Parâmetros
- A
matriz de reais ou de complexos (m x n)
- B
matriz de reais ou de complexos (m x p)
- tol
escalar positivo, usado para determinar o posto efetivo de A (definido como sendo a ordem da maior submatriz triangular R11 regente na fatoração QR com pivoteamento de A, cujo número de condicionamento estimado <= 1/tol. O valor padrão de tol é
sqrt(%eps)
.- X
matriz de reais ou complexos (n x p)
Descrição
X=lsq(A,B)
computa a solução de mínimo quadrado
de menor norma da equação A*X=B
, enquanto X=A
\ B
computa uma solução de mínimo quadrado com no máximo
posto(A)
componentes não-nulos por coluna.
Referências
lsq
é baseado nas funções Lapack DGELSY para
matrizes de reais e ZGELSY para matrizes de complexos.
Exemplos
//Construindo os dados x=(1:10)'; y1=3*x+4.5+3*rand(x,'normal'); y2=1.8*x+0.5+2*rand(x,'normal'); plot2d(x,[y1,y2],[-2,-3]) //Achando a regressão linear A=[x,ones(x)];B=[y1,y2]; X=lsq(A,B); y1e=X(1,1)*x+X(2,1); y2e=X(1,2)*x+X(2,2); plot2d(x,[y1e,y2e],[2,3]) //Diferença entre lsq(A,b) e A\b A=rand(4,2)*rand(2,3);//uma matriz de posto 2 b=rand(4,1); X1=lsq(A,b) X2=A\b [A*X1-b, A*X2-b] //os resíduos são os mesmos
<< linsolve | Álgebra Linear | lu >> |