SlideShare uma empresa Scribd logo
1 de 17
Baixar para ler offline
2017-01更新 熊本高専
森下功啓
VBAで
数値計算10
本資料の目次
逆行列
最小二乗法による連立方程式の解法
その他
2
逆行列
3
逆行列とは
𝐀𝐀がn次の正方行列(n×n行列)で、式(1)と式(2)を満たすと
き、𝐀𝐀−𝟏𝟏を𝐀𝐀の逆行列という。逆行列を用いると、式(3)の様に
行列の方程式を簡単に解くことができる。
4
𝐀𝐀−𝟏𝟏
𝐀𝐀 = 𝐀𝐀𝐀𝐀−𝟏𝟏
= 𝐈𝐈
(1)𝐀𝐀 ≠ 𝟎𝟎
(2)
* 𝐀𝐀 は𝐀𝐀の行列式で、式(1)を満
たした行列を正則行列という。
𝐀𝐀𝐁𝐁 = 𝐂𝐂
(3)𝐀𝐀−𝟏𝟏
𝐀𝐀𝐁𝐁 = 𝐀𝐀−𝟏𝟏
𝐂𝐂
𝐁𝐁 = 𝐀𝐀−𝟏𝟏 𝐂𝐂
逆行列のアルゴリズム
掃き出し法を用いて、逆行列を求めることができる。
5
𝐀𝐀𝐀𝐀−1
= 𝐈𝐈
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃1, ⋯ , 𝒃𝒃𝑛𝑛 =
1 ⋯ 0
⋮ ⋱ ⋮
0 ⋯ 1
𝒃𝒃𝑗𝑗 :𝐀𝐀−1の列ベクトル
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃1 =
1
⋮
0
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃𝑛𝑛 =
0
⋮
1
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃𝑗𝑗 =
𝛿𝛿1
⋮
𝛿𝛿𝑚𝑚
𝛿𝛿𝑖𝑖 = �
1, 𝑖𝑖 = 𝑗𝑗
0, 𝑖𝑖 ≠ 𝑗𝑗
係数行列の列ベクトルと単位行列の列ベクトルの関係に注目してみる。
一般化して書き直すと↓の様になる。
6
既知 未知
これは、掃き出し法で使った構造と同じですね!?
結論 𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
1 ⋯ 0
⋮ ⋱ ⋮
0 ⋯ 1
1 ⋯ 0
⋮ ⋱ ⋮
0 ⋯ 1
́𝑏𝑏11 ⋯ ́𝑏𝑏1𝑛𝑛
⋮ ⋱ ⋮
́𝑏𝑏𝑚𝑚1 ⋯ ́𝑏𝑏𝑚𝑚𝑚𝑚
これを
こうしてしまう
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃𝑗𝑗 =
𝛿𝛿1
⋮
𝛿𝛿𝑚𝑚
𝛿𝛿𝑖𝑖 = �
1, 𝑖𝑖 = 𝑗𝑗
0, 𝑖𝑖 ≠ 𝑗𝑗
𝒃𝒃1 𝒃𝒃𝑛𝑛
𝐀𝐀−1
実線で示された四角の枠
内が逆行列である。
逆行列を求めるアルゴリズム
逆行列を求めるアルゴリズムは複数あるが、ここでは以下の様に考えたい。
一度に計算した方が速いが、資産(作ったプログラム)を活用したい
そこで、逆行列を列ベクトル単位で求める
求めた列ベクトルをArrayに順番に格納してもそのままでは転置状態
matrix = Array(vect1, vect2, vect3)で行列を作ると、転置状態となる。
転置状態の行列を転置して逆行列を得る。
テストとして元の行列と逆行列の積を計算し、単位行列を得るか確認
7
𝑎𝑎11 ⋯ 𝑎𝑎1𝑛𝑛
⋮ ⋱ ⋮
𝑎𝑎 𝑚𝑚1 ⋯ 𝑎𝑎 𝑚𝑚𝑚𝑚
𝒃𝒃𝑗𝑗 =
𝛿𝛿1
⋮
𝛿𝛿𝑚𝑚
𝛿𝛿𝑖𝑖 = �
1, 𝑖𝑖 = 𝑗𝑗
0, 𝑖𝑖 ≠ 𝑗𝑗
つまり、→の計算を𝑗𝑗 = 1
から𝑚𝑚まで繰り返す。
逆行列を求める
関数の実装例
8
Function matrix_inverse(matrix)
Dim delta As Variant
delta = Array()
ReDim delta(UBound(matrix))
inverse = matrix ' コピーはしているが、ただ同じサイズの行列が欲しいだけ
For i = 0 To UBound(matrix)
For k = 0 To UBound(delta)
If k = i Then
delta(k) = 1
Else
delta(k) = 0
End If
Next k
b = get_x_2(delta, matrix)
inverse(i) = b
Next i
inverse = matrix_t(inverse)
matrix_inverse = inverse
End Function
@VBA
転置
Array()の入れ子を想定
実用上は正方行列であるこ
とや、行列式が0にならない
事を確認した方がいい。
逆行列の列ベクトルの計算
単位行列の列ベクトル
を格納する変数
単位行列のi列における列
ベクトルを作っている
動作のテスト
デバッグモードで止めながら変数の変化の様子を観察した様
子を以下に示す。
9
元々の行列との積で単位行列ができているこ
とが分かる。
最小二乗法による
連立方程式の解法
10
最小二乗法とは
計算結果と観測値との差の2乗値の和(合計値)を最小にする
係数を求める手法を最小二乗法という。回帰式を求める際に
よく利用される。
11
例えば、左の例では𝑦𝑦 = 𝑥𝑥2 + 1にノイ
ズを加えて作った点に近似曲線𝑦𝑦 =
𝑎𝑎𝑥𝑥2 + 𝑏𝑏𝑏𝑏 + 𝑐𝑐 を当てはめたものである。
この例では、予測値と実測値との差の
二乗和が最小になるように 𝑎𝑎と𝑏𝑏と𝑐𝑐が
決定される。
最小を目指すので、和の関数を各係数
で偏微分した値が0になるように調整
するのだが詳細は省略する。
観測値Yにノイズがある場
合の連立方程式の解法は?
ところで、観測値にノイズ(ランダムな観測誤差)がある場
合、解の精度が劣化する。そこで最小二乗法の出番である。
結論を述べると、未知数の数pに対し方程式の数(観測の数)
qをp<qとし、行列Aから作成した擬似逆行列を逆行列の替わ
りに利用する。
観測値に誤差がある場合は多数の観測により計算精度を上げ
ることができることは直感的に理解できると思う。なお、p<q
の場合はAが正方行列にならないので逆行列は求まらない。 12
𝐀𝐀𝐱𝐱 = 𝐲𝐲
(4)𝐀𝐀−𝟏𝟏 𝐀𝐀𝐱𝐱 = 𝐀𝐀−𝟏𝟏 𝐲𝐲
𝐱𝐱 = 𝐀𝐀−𝟏𝟏
𝒚𝒚
観測値にノイズのない連立方程式は、式(4)に示すように式に
逆行列をかけることで簡単に解ける。
近似曲線𝑦𝑦 = 𝑎𝑎𝑥𝑥2 + 𝑏𝑏𝑏𝑏 + 𝑐𝑐
の𝑎𝑎と𝑏𝑏と𝑐𝑐が𝐱𝐱に格納されて
いると思ってほしい。
擬似逆行列
擬似逆行列は式(5)で求める。擬似逆行列であることを示すた
めに、行列の右上に+マークがついている。
13
𝐀𝐀+ = (𝐀𝐀𝐓𝐓 𝐀𝐀)−𝟏𝟏 𝐀𝐀𝐓𝐓 (5)
擬似逆行列の実装例
擬似逆行列の実装例を以下に示す。
14
Function matrix_pseudo_inverse(m)
' 疑似逆行列を返す
matrix_pseudo_inverse = matrix_cross(matrix_inverse(matrix_cross(matrix_t(m), m)), matrix_t(m))
End Function
@VBA
動作のテスト
デバッグモードで止めながら変数の変化の様子を観察した様
子を以下に示す。
15
係数行列は正方行列ではないが、擬似逆行列と元々
の行列との積で単位行列ができていることが分かる。
なお、掛ける順序に注意のこと。
その他
16
参考文献
SAK Streets - VB 開発言語資料
 http://sak.cool.coocan.jp/w_sak3/doc/sysbrd/sak3vb.htm
 基本的にVB6.0の解説だが、VBAにほぼそのまま適用できる。かなり詳しい。
擬似逆行列(一般化逆行列)
 http://imagingsolution.net/math/pseudoinversematrix/
最小二乗法と特異値
 http://www.comp.tmu.ac.jp/kzmurota/lect-keieisuri/1401singval160101.pdf
17

Mais conteúdo relacionado

Mais procurados

CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算sleepy_yoshi
 
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数Deep Learning JP
 
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
クラシックな機械学習の入門  6. 最適化と学習アルゴリズムクラシックな機械学習の入門  6. 最適化と学習アルゴリズム
クラシックな機械学習の入門 6. 最適化と学習アルゴリズムHiroshi Nakagawa
 
正則化項について
正則化項について正則化項について
正則化項についてArata Honda
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-Takuya Akiba
 
はじめてのKrylov部分空間法
はじめてのKrylov部分空間法はじめてのKrylov部分空間法
はじめてのKrylov部分空間法tmaehara
 
PRML輪読#5
PRML輪読#5PRML輪読#5
PRML輪読#5matsuolab
 
Stan勉強会資料(前編)
Stan勉強会資料(前編) Stan勉強会資料(前編)
Stan勉強会資料(前編) daiki hojo
 
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法智文 中野
 
バンディット問題の理論とアルゴリズムとその実装
バンディット問題の理論とアルゴリズムとその実装バンディット問題の理論とアルゴリズムとその実装
バンディット問題の理論とアルゴリズムとその実装EinosukeIida
 
コンピュータ先端ガイド2巻3章勉強会(SVM)
コンピュータ先端ガイド2巻3章勉強会(SVM)コンピュータ先端ガイド2巻3章勉強会(SVM)
コンピュータ先端ガイド2巻3章勉強会(SVM)Masaya Kaneko
 
Fisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsFisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsTakao Yamanaka
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】Hiroyuki Muto
 
劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節Hakky St
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫るKen'ichi Matsui
 
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシンShinya Shimizu
 

Mais procurados (20)

CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
 
PRML4.3.3
PRML4.3.3PRML4.3.3
PRML4.3.3
 
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数
 
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
クラシックな機械学習の入門  6. 最適化と学習アルゴリズムクラシックな機械学習の入門  6. 最適化と学習アルゴリズム
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
 
正則化項について
正則化項について正則化項について
正則化項について
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
 
はじめてのKrylov部分空間法
はじめてのKrylov部分空間法はじめてのKrylov部分空間法
はじめてのKrylov部分空間法
 
PRML輪読#5
PRML輪読#5PRML輪読#5
PRML輪読#5
 
Stan勉強会資料(前編)
Stan勉強会資料(前編) Stan勉強会資料(前編)
Stan勉強会資料(前編)
 
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
 
詳説word2vec
詳説word2vec詳説word2vec
詳説word2vec
 
バンディット問題の理論とアルゴリズムとその実装
バンディット問題の理論とアルゴリズムとその実装バンディット問題の理論とアルゴリズムとその実装
バンディット問題の理論とアルゴリズムとその実装
 
コンピュータ先端ガイド2巻3章勉強会(SVM)
コンピュータ先端ガイド2巻3章勉強会(SVM)コンピュータ先端ガイド2巻3章勉強会(SVM)
コンピュータ先端ガイド2巻3章勉強会(SVM)
 
目指せグラフマスター
目指せグラフマスター目指せグラフマスター
目指せグラフマスター
 
Fisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight MapsFisher線形判別分析とFisher Weight Maps
Fisher線形判別分析とFisher Weight Maps
 
MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】MCMCとともだちになろう【※Docswellにも同じものを上げています】
MCMCとともだちになろう【※Docswellにも同じものを上げています】
 
辺彩色
辺彩色辺彩色
辺彩色
 
劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫る
 
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
 

Destaque

Introduction to NumPy & SciPy
Introduction to NumPy & SciPyIntroduction to NumPy & SciPy
Introduction to NumPy & SciPyShiqiao Du
 
決定木を用いた、異性タイプの嗜好パターン分析
決定木を用いた、異性タイプの嗜好パターン分析決定木を用いた、異性タイプの嗜好パターン分析
決定木を用いた、異性タイプの嗜好パターン分析Makoto Nakahara
 
購入時のメンタルモデルが製品評価に及ぼす影響
購入時のメンタルモデルが製品評価に及ぼす影響購入時のメンタルモデルが製品評価に及ぼす影響
購入時のメンタルモデルが製品評価に及ぼす影響Masaya Ando
 
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)Junichi Azuma
 
VBAで数値計算 04 ニュートン法
VBAで数値計算 04 ニュートン法VBAで数値計算 04 ニュートン法
VBAで数値計算 04 ニュートン法Katsuhiro Morishita
 
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう 「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう Junpei Tsuji
 
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」Hiro MATCH
 
Rexhep qosja te vertetat e vonuara
Rexhep qosja   te vertetat e vonuaraRexhep qosja   te vertetat e vonuara
Rexhep qosja te vertetat e vonuaraLibra Islame
 
フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習h_yama2396
 
Partial least squares回帰と画像認識への応用
Partial least squares回帰と画像認識への応用Partial least squares回帰と画像認識への応用
Partial least squares回帰と画像認識への応用Shohei Kumagai
 
幅広なテスト分析ができるようになろう
幅広なテスト分析ができるようになろう幅広なテスト分析ができるようになろう
幅広なテスト分析ができるようになろうscarletplover
 
パターン認識 第10章 決定木
パターン認識 第10章 決定木 パターン認識 第10章 決定木
パターン認識 第10章 決定木 Miyoshi Yuya
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話Ryota Kamoshida
 

Destaque (15)

Introduction to NumPy & SciPy
Introduction to NumPy & SciPyIntroduction to NumPy & SciPy
Introduction to NumPy & SciPy
 
決定木を用いた、異性タイプの嗜好パターン分析
決定木を用いた、異性タイプの嗜好パターン分析決定木を用いた、異性タイプの嗜好パターン分析
決定木を用いた、異性タイプの嗜好パターン分析
 
Php Lt 20080316
Php Lt 20080316Php Lt 20080316
Php Lt 20080316
 
購入時のメンタルモデルが製品評価に及ぼす影響
購入時のメンタルモデルが製品評価に及ぼす影響購入時のメンタルモデルが製品評価に及ぼす影響
購入時のメンタルモデルが製品評価に及ぼす影響
 
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)
質問紙調査による回答の揺れといわゆる量的研究の危うさ(一部)
 
VBAで数値計算 04 ニュートン法
VBAで数値計算 04 ニュートン法VBAで数値計算 04 ニュートン法
VBAで数値計算 04 ニュートン法
 
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう 「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
「3.1.2最小二乗法の幾何学」PRML勉強会4 @筑波大学 #prml学ぼう
 
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」
MlaPP 7章 「線形回帰」 8章 「ロジスティック回帰」
 
Rexhep qosja te vertetat e vonuara
Rexhep qosja   te vertetat e vonuaraRexhep qosja   te vertetat e vonuara
Rexhep qosja te vertetat e vonuara
 
フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習フリーソフトウェアを通じた多変量解析講習
フリーソフトウェアを通じた多変量解析講習
 
Partial least squares回帰と画像認識への応用
Partial least squares回帰と画像認識への応用Partial least squares回帰と画像認識への応用
Partial least squares回帰と画像認識への応用
 
幅広なテスト分析ができるようになろう
幅広なテスト分析ができるようになろう幅広なテスト分析ができるようになろう
幅広なテスト分析ができるようになろう
 
決定木学習
決定木学習決定木学習
決定木学習
 
パターン認識 第10章 決定木
パターン認識 第10章 決定木 パターン認識 第10章 決定木
パターン認識 第10章 決定木
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
 

Semelhante a VBAで数値計算 10 逆行列と疑似逆行列

表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料HanpenRobot
 
データ解析11 因子分析の応用
データ解析11 因子分析の応用データ解析11 因子分析の応用
データ解析11 因子分析の応用Hirotaka Hachiya
 
データ解析3 最適化の復習
データ解析3 最適化の復習データ解析3 最適化の復習
データ解析3 最適化の復習Hirotaka Hachiya
 
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習ssuserf4860b
 
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノートKenji Hiranabe
 
スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)Takunology
 
人生を豊かにする線形代数学
人生を豊かにする線形代数学人生を豊かにする線形代数学
人生を豊かにする線形代数学Fumiya Watanabe
 
データ解析2 線形代数の復習
データ解析2 線形代数の復習データ解析2 線形代数の復習
データ解析2 線形代数の復習Hirotaka Hachiya
 
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学HiroyukiTerada4
 
【解説】 一般逆行列
【解説】 一般逆行列【解説】 一般逆行列
【解説】 一般逆行列Kenjiro Sugimoto
 
さくっと線形代数
さくっと線形代数さくっと線形代数
さくっと線形代数Kota Mori
 
PRML 上 1.2.4 ~ 1.2.6
PRML 上 1.2.4 ~ 1.2.6PRML 上 1.2.4 ~ 1.2.6
PRML 上 1.2.4 ~ 1.2.6禎晃 山崎
 
LLM は数学を理解しているのか?
LLM は数学を理解しているのか?LLM は数学を理解しているのか?
LLM は数学を理解しているのか?Hide Koba
 
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法Katsuhiro Morishita
 
統計的学習の基礎 3章前半
統計的学習の基礎 3章前半統計的学習の基礎 3章前半
統計的学習の基礎 3章前半Kazunori Miyanishi
 
行列による空間の直和分解
行列による空間の直和分解行列による空間の直和分解
行列による空間の直和分解HanpenRobot
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章YosukeAkasaka
 
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1hirokazutanaka
 

Semelhante a VBAで数値計算 10 逆行列と疑似逆行列 (20)

表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料
 
データ解析11 因子分析の応用
データ解析11 因子分析の応用データ解析11 因子分析の応用
データ解析11 因子分析の応用
 
データ解析3 最適化の復習
データ解析3 最適化の復習データ解析3 最適化の復習
データ解析3 最適化の復習
 
【Deep Learning (MIT Press)】線形代数 2.1~2.7
【Deep Learning (MIT Press)】線形代数 2.1~2.7【Deep Learning (MIT Press)】線形代数 2.1~2.7
【Deep Learning (MIT Press)】線形代数 2.1~2.7
 
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
 
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
 
スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)
 
人生を豊かにする線形代数学
人生を豊かにする線形代数学人生を豊かにする線形代数学
人生を豊かにする線形代数学
 
データ解析2 線形代数の復習
データ解析2 線形代数の復習データ解析2 線形代数の復習
データ解析2 線形代数の復習
 
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
 
【解説】 一般逆行列
【解説】 一般逆行列【解説】 一般逆行列
【解説】 一般逆行列
 
さくっと線形代数
さくっと線形代数さくっと線形代数
さくっと線形代数
 
PRML 上 1.2.4 ~ 1.2.6
PRML 上 1.2.4 ~ 1.2.6PRML 上 1.2.4 ~ 1.2.6
PRML 上 1.2.4 ~ 1.2.6
 
LLM は数学を理解しているのか?
LLM は数学を理解しているのか?LLM は数学を理解しているのか?
LLM は数学を理解しているのか?
 
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
 
統計的学習の基礎 3章前半
統計的学習の基礎 3章前半統計的学習の基礎 3章前半
統計的学習の基礎 3章前半
 
Linera lgebra
Linera lgebraLinera lgebra
Linera lgebra
 
行列による空間の直和分解
行列による空間の直和分解行列による空間の直和分解
行列による空間の直和分解
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
 
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1
 

Mais de Katsuhiro Morishita

数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方Katsuhiro Morishita
 
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020Katsuhiro Morishita
 
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)Katsuhiro Morishita
 
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3Katsuhiro Morishita
 
Excelでのグラフの作成方法re
Excelでのグラフの作成方法reExcelでのグラフの作成方法re
Excelでのグラフの作成方法reKatsuhiro Morishita
 
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018Katsuhiro Morishita
 
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04Katsuhiro Morishita
 
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04Katsuhiro Morishita
 
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施Katsuhiro Morishita
 
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001Katsuhiro Morishita
 
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルーシリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルーKatsuhiro Morishita
 
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰Katsuhiro Morishita
 
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰Katsuhiro Morishita
 
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワークシリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワークKatsuhiro Morishita
 
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別Katsuhiro Morishita
 
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要Katsuhiro Morishita
 
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策Katsuhiro Morishita
 

Mais de Katsuhiro Morishita (20)

数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方
 
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020
 
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)
 
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3
 
Google Colaboratoryの使い方
Google Colaboratoryの使い方Google Colaboratoryの使い方
Google Colaboratoryの使い方
 
Excelでのグラフの作成方法re
Excelでのグラフの作成方法reExcelでのグラフの作成方法re
Excelでのグラフの作成方法re
 
Pythonのmain関数
Pythonのmain関数Pythonのmain関数
Pythonのmain関数
 
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018
 
機械学習と主成分分析
機械学習と主成分分析機械学習と主成分分析
機械学習と主成分分析
 
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
 
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04
 
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施
 
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
 
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルーシリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
 
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰
 
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
 
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワークシリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワーク
 
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別
 
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要
 
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策
 

VBAで数値計算 10 逆行列と疑似逆行列