我有一个 10 行 5 列的矩阵,我称之为 A 我想让 AX=0 并确定包含 5 个未知参数的 X。
我所做的是
null(A)
但似乎它正在考虑我作为线性代数所做的事情。
我想介绍另一个包含错误矩阵的矩阵。这会给我一个先验:AX + E = 0 因为结果确实不准确,但我仍然想找到未知向量(X)的最接近参数并得到一个误差矩阵。
你能帮我解决这个问题吗?
我有一个 10 行 5 列的矩阵,我称之为 A 我想让 AX=0 并确定包含 5 个未知参数的 X。
我所做的是
null(A)
但似乎它正在考虑我作为线性代数所做的事情。
我想介绍另一个包含错误矩阵的矩阵。这会给我一个先验:AX + E = 0 因为结果确实不准确,但我仍然想找到未知向量(X)的最接近参数并得到一个误差矩阵。
你能帮我解决这个问题吗?
您可以对 A^T 进行特征值分解。
[Q, D] = eigen(A^T)
并取最小特征值对应的特征向量。即从 Q 矩阵的右侧取 y 个向量。y 是 X 的列号。
然后 E = -AX
====编辑=====
好的。实际上你想最小化 E。但由于 E 是一个矩阵,我假设你想最小化 E 中所有元素的平方和。
那是:
||E||_F^2 = ||-AX||_F^2 = trace(X^T(A^TA)X)
您可以对 A^TA 进行特征分解
[Q, D] = eigen(A^TA)
QA^TA = DQ => D = QA^TAQ^T
为了使它更小,X 应该是对应于 D 的对角线中最小特征值的 Qs 的列。
如果有一个特征值等于0,则AX可以为0,E=0