对于线性代数的家庭作业，我使用 MATLAB 的\运算符求解了以下方程（这是推荐的方法）：
A = [0.2 0.25; 0.4 0.5; 0.4 0.25]； y = [0.9 1.7 1.2]'; x = A \ y
这会产生以下答案：
x = 1.7000 2.0800
对于分配的下一部分，我应该使用最小二乘近似来求解相同的方程（然后将其与先前的值进行比较以查看近似值的准确性）。
如何在 MATLAB 中找到这样做的方法？
先前的工作：我找到了函数lsqlin，它似乎能够解决上述类型的方程，但我不明白要提供哪些参数，也不知道以什么顺序提供。
mldivide , (" \ ") 实际上也是这样做的。根据文档：
如果 A 是具有 m ~= n 的 m×n 矩阵，并且 B 是具有 m 个分量的列向量，或者具有多个此类列的矩阵，则 X = A\B 是最小二乘意义上的解- 或超定方程组 AX = B。换句话说，X 最小化 norm(A*X - B)，即向量 AX - B 的长度。A 的秩 k 由具有列旋转的 QR 分解确定（参见详细算法）。计算的解 X 每列最多有 k 个非零元素。如果 k < n，这通常与 x = pinv(A)*B 的解不同，后者返回最小二乘解。
所以真的，你在第一个作业中所做的是使用 LSE 求解方程。
您的作业是否涉及显式编码最小二乘近似值，或者仅使用 MATLAB 中可用的另一个函数？如果您可以使用其他功能，一个选项是LSQR：
x = lsqr(A,y);