下面A*(A\D)
的结果怎么可能不等于D
?
它应该产生 D
- 这是 Octave 文档的摘录:
Systems of linear equations are ubiquitous in numerical analysis. To solve the set of linear equations Ax = b, use the left division operator, ‘\’: x = A \ b
下面是给想尝试的人的代码:
A = [1,1,1;0,0,0;2,1,2;2,1,2;3,5,6]
D = [1;2;3;4;5]
% A is of rank 3:
rank(A)
% therefore the system Ax=D has a unique solution
x = A\D
% but Octave has not given the good solution:
A*x
有人说 Matlab 产生的结果完全一样。
编辑 10/10/2012:阅读答案后,让我指出我犯了一个严重错误的地方:声明 “A 是等级 3 因此系统 Ax=D有一个独特的解决方案” 是绝对错误的!顺便说一句,上面显示的文档非常令人不安。
最佳答案
A
有 5 行,D
也是。它们都有 3 列。因此,您有一个包含 5 个方程和 3 个变量的超定系统。在大多数情况下,这意味着您无法精确地求解方程,因为您有太多的约束。
一旦你这样做了
x = A\D;
你得到了最小二乘解。
0.8333
-1.5000
1.6667
这个解决方案是什么?它是一个最小化误差平方和的解。让我们计算误差:
r = A*x-D;
totalError = sum( r.^2);
这意味着您将无法找到任何 x
使得 sum(sqr(A*x-D))
具有更小的误差。
小提示:在你的情况下,你还有一行零 - 这导致方程的实际数量变为 4
让我们再看一下A*(A\D)
:
>> A* (A\D)
ans =
1.0000
0
3.5000
3.5000
5.0000
这看起来很熟悉!非常接近 [1;2;3;4;5]。第一行和最后一行是相同的。第二个是零,因为你放了一行零。在第 3 行和第 4 行中,A 中的行完全相同,但 B 中的值不同,对应于
2*x+ 1*y + 2*z = 3;
2*x+ 1*y + 2*z = 4;
你得到了他们的平均值!这是有道理的,因为平均值是将距离之和最小化到 3 和 4 的值。
这是一个更简单的例子,假设你想求解以下方程组:
x = 1;
x = 2;
很明显,x
不能同时为1
和2
。最小化误差平方和的解是1.5
A = [1;1];
b = [1;2];
A\b
ans =
1.5000
关于matlab - 线性方程的错误解,或者为什么 A*(A\B) 不等于 B?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12772281/