8.4 最小二乘问题
前置知识
最小二乘问题
利用已知的 A输入的刺激 b观测到的响应 求x未知系统
8.4.1证明中因为Xls使b-AX最小,所以b-A(x+y)要大,所以两者相减大于等于0;
Moore-Pseudo 广义逆
最小二乘解的扰动分析
类似于系统的零状态和零输入响应
8.4.1 满秩最小二乘问题
正规化方法
将求解问题(8.4.1)转化为求解正规化方程组
QR 分解方法(???)
这里Q是HouseholderQR分解后,Q为mxm的矩阵
SVD 分解方法
分子分母作为v的系数
8.4.2 亏秩最小二乘问题
8.4.3 数值秩的定义和确定方法
从上面的讨论,可以看出亏秩最小二乘问题(8.4.1)求解与矩阵的秩密切相关。然而“秩”这一在数学上精确定义的概念,在数据有误差时或者在计算机上进行浮点运算时,就变得模糊不清了。这样就自然地引进了所谓的数值秩的概念。
8.4.4 齐次最小二乘问题
利用矩阵A 的SVD 分解,也可以求解(8.4.15)。
齐次就是个Reilaygh商
8.4.5 约束齐次最小二乘问题
中间一步x’掉了下标r
已知输入及观测值为0,求系统