这是一篇伪科学文章
文章仅仅是学习中的经验总结,可能存在大量技术错误 本文中所有代码均在jupyerlab+python3.8.5+numpy1.19.0+sympy1.6.2版本下测试
若有错误,那就这么地吧,反正没人看到。
前言 在学习lay的《线性代数及其应用》时,遇到了一道练习题是运用MATLAB等数据科学软件来计算的。由于最近正在学习Python,Python作为近几年数据处理和数据科学的爆款,很多人都证明了其地位。 于是我尝试在Python中解决这道习题,在Python中将矩阵化简为行简化矩阵(RREF)。
1. 教材中题目的简述
在原题中,提到了插值多项式即类似于 p(t) = a0 +a1t + a2t2的多项式计算,根据已有的数据t和p列出线性方程组计算出几个参数a然后列出其方程式并使用其进行预测的方法,在计量统计中就是多元线性回归模型。
原题干中的数据如下:
由于题干使用的是五次多项式,所以这里我也使用五次多项式,其它次数的多项式将在文末探讨。 p(t) = a0 +a1t + a2t2+ a3t3 + a4t4 + a5t5 2. 在Python中进行操作
文章仅仅是学习中的经验总结,可能存在大量技术错误 本文中所有代码均在jupyerlab+python3.8.5+numpy1.19.0+sympy1.6.2版本下测试
若有错误,那就这么地吧,反正没人看到。
前言 在学习lay的《线性代数及其应用》时,遇到了一道练习题是运用MATLAB等数据科学软件来计算的。由于最近正在学习Python,Python作为近几年数据处理和数据科学的爆款,很多人都证明了其地位。 于是我尝试在Python中解决这道习题,在Python中将矩阵化简为行简化矩阵(RREF)。
1. 教材中题目的简述
在原题中,提到了插值多项式即类似于 p(t) = a0 +a1t + a2t2的多项式计算,根据已有的数据t和p列出线性方程组计算出几个参数a然后列出其方程式并使用其进行预测的方法,在计量统计中就是多元线性回归模型。
原题干中的数据如下:
![0b7402f4d5d60ce3287c747915237fc7.png](https://i-blog.csdnimg.cn/blog_migrate/c9a70b7eeb29f3dcf09770dda7b6e026.png)
由于题干使用的是五次多项式,所以这里我也使用五次多项式,其它次数的多项式将在文末探讨。 p(t) = a0 +a1t + a2t2+ a3t3 + a4t4 + a5t5 2. 在Python中进行操作
首先输入数据并把数据转换成Numpy的array数组。
import numpy as np # 导入numpy库
speeds = [0, 2, 4, 6, 8, 10] # 风速的大小
resists = [0, 2.9, 14.8, 39.6, 74.3, 119] # 阻力的大小
spe_arr = np.array(speeds) # 转换成array
res_arr = np.array(resists) # 转换成array