最小范数解

定义

对于线性方程组Ax=b,A是系数矩阵,x是未知向量,b是常数向量。

如果A的秩小于列数,方程组可能没有精确解。在这种情况下,我们希望找到一个向量x,使得2范数$||Ax - b||_2$最小。

最小范数解可以通过最小二乘法求解,最小二乘法的目标是最小化残差向量的范数。最小二乘法的数学表达式是:argmin_{x}\left \| Ax-b \right \|^2_2,可以通过求解正规方程组 A^TAx = A^Tb$来得到

python实现

检验系数矩阵的秩

A = np.array([  [3,1,1,1,1,-1],
                [1,3,1,1,-1,1],
                [1,-1,3,1,1,1],
                [-1,1,1,3,1,1],
                [1,1,-1,1,3,1],
                [1,1,1,-1,1,3]],dtype=int)
b = np.array([1,1,1,1,1,1])
np.linalg.matrix_rank(A)

该矩阵的秩rank= 5,

np.linalg.lstsq(A, b, rcond=None)

返回结果:

  1. 第一个元素 array([0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667]) 是最小范数解,它是使得 Ax=b的一个近似解,以使得 \left \| Ax-b \right \|^2_2 最小。

  2. 第二个元素 array([], dtype=float64) 是一个空的数组,这表示残差向量的平方和。

  3. 第三个元素 5 是矩阵的秩,这是用于估计最小二乘问题的自由度。

  4. 第四个元素 array([6.00000000e+00, 3.46410162e+00, 3.46410162e+00, 3.46410162e+00, 3.46410162e+00, 2.00695761e-16]) 是奇异值分解的奇异值数组,它可以用来判断矩阵的秩和可逆性。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值