A. CVX工具包解决最小二乘问题的原理和算法是什么
“递归最小二次方算法”——RLS算法，其又称最小二乘法。
在我们研究两个变量(x, y)之间的相互关系时，通常可以得到一系列成对的数据
(x1, y1、x2, y2 xm , ym)；
将这些数据描绘在x -y直角坐标系中
若发现这些点在一条直线附近，
可以令这条直线方程如(式1-1)。
Y计= a0 + a1 X (式1-1)
其中：a0、a1 是任意实数
为建立这直线方程就要确定a0和a1，应用《最小二乘法原理》，
将实测值Yi与利用(式1-1)计算值(Y计=a0+a1X)的离差
(Yi-Y计)的平方和〔∑(Yi - Y计)2〕最小为“优化判据”。
令: φ = ∑(Yi - Y计)2 (式1-2)
把(式1-1)代入(式1-2)中得: φ = ∑(Yi - a0 - a1 Xi)2 (式1-3)
当∑(Yi-Y计)平方最小时，可用函数
φ 对a0、a1求偏导数，令这两个偏导数等于零。
亦即：
m a0 + (∑Xi ) a1 = ∑Yi
(∑Xi ) a0 + (∑Xi2 ) a1 = ∑(Xi, Yi)
得到的两个关于a0、a1为未知数的两个方程组，解这两个方程组得出：
a0 = (∑Yi) / m - a1(∑Xi) / m
a1 = [∑Xi Yi - (∑Xi ∑Yi)/ m] / [∑Xi2 - (∑Xi)2 / m)]
这时把a0、a1代入(式1-1)中, 此时的(式1-1)
就是我们回归的元线性方程即：数学模型。
B. cvx工具包对二范数优化问题，非常感谢！
minimize(square_pos(norm(y-A*x,2)))
随便乘方不能保证凸性，可以用内置函数square_pos()代替^2
C. MATLAB安装凸优化工具包cvx时出错matlab是2016a,错误见图
安装文件有损坏。重新安装，不要选这个工具箱了，反正也很少用，除非你要做发动机标定或者发动机建模。
D. Matlab的 cvx工具包的新手问题
cvx_begin 后面加一个quiet即可~
也就是：
cvx_begin quiet
...
...
cvx_end
E. matlab的工具包cvx求解min一范数是只能解矩阵一范数吗
函数 norm 格式 n = norm(X) %X为向量，求欧几里德范数，即 。 n = norm(X,inf) %求 -范数，即 。 n = norm(X,1) %求1-范数，即 。 n = norm(X,-inf) %求向量X的元素的绝对值的最小值，即 。 n = norm(X, p) %求p-范数，即 ，所以norm(X,2) = norm(X)。 命令 矩阵的范数 函数 norm 格式 n = norm(A) %A为矩阵，求欧几里德范数 ，等于A的最大奇异值。 n = norm(A,1) %求A的列范数 ，等于A的列向量的1-范数的最大值。 n = norm(A,2) %求A的欧几里德范数 ，和norm(A)相同。 n = norm(A,inf) %求行范数 ，等于A的行向量的1-范数的最大值 即：max(sum(abs(A')))。 n = norm(A, 'fro' ) %求矩阵A的Frobenius范数 ，矩阵元p阶范数估计需要自己编程求，计算公式如下 举个例子吧 a=magic(3) sum(sum(abs(a)^4))^(1/4) a = 8 1 6 3 5 7 4 9 2 ans = 19.7411 希望能帮上
F. MATLAB求解二次规划问题SeDuMi与quadprog结果不同
不同的工具箱，结果是不同的，其中有很多取舍。你就用semi吧，比matlab自带的好一些
G. cvx工具箱问题
cvx是求解凸优化问题的~你要最小化的目标函数是-(x^2+2*x+2)么，确定前面有版负号么？因为有负号的话这权个函数不是凸函数，所以cvx不能解，而且你这个函数的最小值一看就是负无穷，也没有解的意义~
只是想测试下的话，你去掉负号，cvx就可以解的~
如果你想系统了解下怎么用cvx的话，可以看下它的帮助cvx_user guide~
H. cvx 优化工具箱怎么求矩阵的迹 其中目标函数中要用到矩阵迹的函数
矩阵的迹在cvx里就是trace()函数啊~比如求矩阵X的迹就是trace(X).