问题标签 [linear-equation]

我有两个代理商，分销商和供应商。这些海龟中的每一个都有许多变量，其中一些被定义为全局变量，以便能够分配给另一种类型的代理。问题是我正在尝试使用它的一些变量为分销商求解方程组，如下所示：（销售额和系数是分销商的一些变量，每次运行都会发生变化）DCoeffiecients = 矩阵 A，销售额 = 矩阵 C，和我正在寻找未知数 = 矩阵 B（我在过程中调用的所有变量都是全局定义的）

我使用“矩阵扩展”来解决它，但我遇到了这个错误“期望一个文字值”，因为我有变量而不是一些常数！

如何修复此错误并将变量分配给矩阵？谢谢

是否有任何算法可以求解以不同模空间表示的方程组？例如，考虑这个方程组：

该系统的解决方案之一是：

我怎么能算术找到这个解决方案（不使用蛮力算法）？

谢谢

我有一个线性方程组，我已经使用 Gauss-Jordan 消元法将其简化为行梯形矩阵。我的具有 n 个变量 Xn 的系统（其中 Xn 在 N0 中（=正整数））有多个解决方案，我想找到所有 Xn 的总和最小的解决方案。

我怎么能以编程方式做到这一点？

例如考虑这个线性方程组：

我想要获得的最小解决方案之一是：

另一个是

但我不想

这也是该系统的一个解决方案，但根据我的标准 x1 + x2 + x3 + x4 + x5 + x6 = 5 不是最小的（而前 2 个解决方案只有 3 个）

如果有多个最小解决方案（例如这里，解决方案 1 和 2 都是最小的），我不关心返回的最小解决方案，只要它是最小解决方案之一

所以我想确定我的 SVM 分类器alpha的beta和gamma值，我训练了我的 SVM 分类器并确定了 alpha 和支持向量。我的支持向量每行有 3 个变量，下面是我的支持向量中的十行：

同样下面是我的 alpha 中的十行：

所以我基本上做的是像这样确定系数：

依此类推，直到我的大小alpha。

所以我在 Matlab 中编写了以下代码

但这产生了一个非常奇怪的输出：

这是预期的输出吗？为什么我得到它作为分数？

从输出看，我是否正确地实现了我的方程？

考虑到 X1 的方差、X2 的方差以及 X1 和 X2 之间的协方差，有没有办法使用 R（非手动）计算 U = 2X1 - X2 和 V = X1 + 2X2 的相关性？

我有一个项目来估计给定分类和连续变量的商业房地产。我已经运行了一个逐步线性回归模型来在 RStudio 中挑选出一个好的公式。（Adj. Rsq = .90 也是，我知道我仍然需要进行 PCA 和某种类型的分类 ANOVA 测试，但我只想在更深入之前得到一个 beta 估计器。）

如何从我的 step(lm()) 函数中获取结果输出并使用系数创建基于字符的代数表达式/方程，例如：

• 对数（价格）= M1X1 + M2X2 + ... + MnXn。

其中 M 是我的系数，X 是我的变量。我知道我可以在 excel 中手动完成，但是有这么多的交互和基本变量，它似乎过分了。也许R中有一个函数，或者我可以在python中创建一个函数来询问计算所需变量的值是什么；但我没有想到任何。

非常感谢！如果有什么不够具体，我会尽力进一步解释。

如何解决同质系统Ax = 0， RA中的任何m * n矩阵（不一定是正方形）？

这个问题似乎等同于找到Rn -> Rm（不能做上标；抱歉）线性变换的内核（零空间）。

我想解决一个非常复杂的线性系统，我以下面的方程为例：

如果只有 (1) 和 (2)，则有两组解决方案。所以我添加（3）来消除歧义。

任何编程语言的解决方案都可以，在 Python 或 Matlab 中更好。非常非常感谢。

------*********---------

我的例子中的等式（2）不是线性的，这是我的错误。我已经解决了我原来的复杂问题，可以用 Ax=b 其中 R(A)=R(b) 来表示，解是唯一的，不需要添加不等式来消除歧义。一些意想不到的工件让我认为线性系统中存在歧义，实际上歧义并不存在。最后，我在我的线性系统中添加了更多约束，并使用 np.linalg.lstsq() 解决它，然后意外的伪影消失了。

谢谢大家，你们帮了我很多。描述原始问题并不容易，对此感到抱歉。

是否有在 Tensorflow 中用稀疏三角矩阵求解 Ax = b 的实现？（对应于 tf.matrix_triangular_solve()）

AFAIK，例如，如果我们有 A 作为具有稀疏矩阵表示的下三角矩阵，我们需要使用 tf.sparse_to_dense() 将其转换为密集矩阵。

但是，如果 A 的维度非常大，例如 16416x16416，并且条目非常稀疏，例如 0.018%（大约 45216 个非零），则将占用大量内存。

我认为如果我们可以在 Tensorflow 中利用稀疏矩阵求解器（例如具有带状结构的矩阵）将非常有帮助。

对不起，如果我的问题不相关。例如，如果对此有任何解决方案，我将不胜感激。

谢谢。

我的问题源于对大型电阻系统的节点分析。我基本上是在设置一个大的稀疏矩阵A，我的解向量b，并且我正在尝试求解线性方程A * x = b。为此，我使用了scipy.sparse.linalg.spsolve方法。

直到最近，一切正常，直到我将 SciPy 从 v0.13.3 升级到 v0.19.1（其中还包括 NumPy 升级到 v1.13.1）。我正在运行 Python 2.7.6。使用与更新前相同的代码时，我会遇到错误，尤其是对于生成matrices > 10000 x 10000. 警告是：

然后spsolve - 有时 - 无法找到解决方案。

当我执行节点分析时，由于接地电位的位置通常没有明确定义，因此预计会出现奇异矩阵。但是，在更新之前，在 99% 的情况下找到了解决方案，也许更多。现在，对于大型系统，我最多只有 10%。我没有更改算法，并且在一些测试中，我使用了与以前相同的代码。这是我设置计算的方式：

1. 我生成了一个随机的 3D 电阻网络（我意识到我可能会不小心创建无法解决的网络，但上面的百分比不应该有太大的变化）。这里使用的唯一 SciPy/NumPy 函数是 np.random
2. 我创建了一个稀疏的 lil 矩阵，填充了从电阻网络中提取的电导值。我还创建了一个不稀疏的解向量。
3. 我将电导矩阵转换为 csr 格式并使用spsolve方法。这是我的代码最近失败的地方。

难道是方法变了？

spsolve甚至可能不合适吗？我创建的矩阵通常是对称的，并且是块三对角形式。有没有比spsolve更有效的方法来求解线性方程？

非常感谢各种帮助！谢谢阅读。

这是我的矩阵在“间谍”表示中的样子