2012-11-14 27 views
9

ऑपरेशन ए \ बी, जहां ए (1, एम) और बी (1, एम) का नतीजा क्या है?मैटलैब, ऑपरेटर ए बी

पुस्तिका में लिखा है:

A\B returns a least-squares solution to the system of equations A*x= B. 

तो इसका मतलब है कि एक्स = निवेश संबंधी निर्णय निर्माताओं (ए '* ए) * एक' * बी? हालांकि, मैट्रिक्स ए '* एक विलक्षण है ...

हमें लगता है:

A=[1 2 3] 
B=[6 7 6] 
A\B 

0   0   0 
0   0   0 
2.0000 2.3333 2.0000 

तो एमएलएस का उपयोग किया है:

C = inv (A'*A) singular matrix 
C = pinv(A'*A) 

0.0051 0.0102 0.0153 
0.0102 0.0204 0.0306 
0.0153 0.0306 0.0459 

D= C*A'*B 

0.4286 0.5000 0.4286 
0.8571 1.0000 0.8571 
1.2857 1.5000 1.2857 

तो परिणाम एक \ बी और निवेश संबंधी निर्णय निर्माताओं (ए' * एक) * एक '* बी अलग हैं ...

+0

'पिनवी' के दस्तावेज में 'पिनवी' और \ के बीच के अंतर पर कुछ चर्चा शामिल है। – silvado

उत्तर

5

मेरे मैटलैब (R2010b) का कहना है कि क्या एक \ बी करता है काफी एक बहुत कुछ के बारे में:

mldivide (ए, बी) और बराबर एक \ बी मैट्रिक्स छोड़ दिया विभाजन प्रदर्शन (वापस स्लैश)। ए और बी मैट्रिस होना चाहिए जिसमें पंक्तियों की एक ही संख्या हो, जब तक ए स्केलर न हो, उस स्थिति में ए \ बी तत्व-वार विभाजन करता है - यानी, ए \ बी = ए \ बी।

यदि ए स्क्वायर मैट्रिक्स है, तो ए \ बी लगभग आक्रमण (ए) * बी जैसा ही है, सिवाय इसके कि इसे एक अलग तरीके से गणना की जाती है। यदि ए एन-बाय-एन मैट्रिक्स है और बी एन तत्वों वाला कॉलम वेक्टर है, या ऐसे कई कॉलम वाले मैट्रिक्स है, तो एक्स = ए \ बी समीकरण एएक्स = बी का समाधान है। चेतावनी संदेश प्रदर्शित होता है ए बुरी तरह से स्केल या लगभग एकवचन है।

यदि ए एम = = एन और बी के साथ एम-बाय-एन मैट्रिक्स है, तो एम घटक के साथ एक कॉलम वेक्टर है, या ऐसे कई स्तंभों के साथ एक मैट्रिक्स है, तो एक्स = ए \ बी कम से कम वर्गों में समाधान है समीकरणों के नीचे या अति निर्धारित प्रणाली के लिए एएक्स = बी। दूसरे शब्दों में, एक्स मानक (ए * एक्स - बी) को कम करता है, वेक्टर एएक्स - बी की लंबाई। ए के रैंक के साथ क्यूआर अपघटन से निर्धारित किया जाता है कॉलम पिवोटिंग। गणना किए गए समाधान एक्स में प्रति कॉलम के अधिकांश गैर nonzero तत्व हैं। यदि के < एन, यह आमतौर पर x = pinv (ए) * बी के समान समाधान नहीं है, जो कम से कम वर्ग समाधान देता है।

mrdivide (बी, ए) और समकक्ष बी/ए प्रदर्शन मैट्रिक्स दायां विभाजन (आगे स्लैश)। बी और ए में कॉलम की एक ही संख्या होनी चाहिए।

यदि ए वर्ग स्क्वायर मैट्रिक्स है, तो बी/ए लगभग बी * आक्रमण (ए) जैसा ही है। यदि ए एन-बाय-एन मैट्रिक्स है और बी एन तत्वों के साथ एक पंक्ति वेक्टर है, या ऐसी कई पंक्तियों के साथ एक मैट्रिक्स है, तो एक्स = बी/ए समीकरण XA = B का आंशिक पिवोटिंग के साथ गॉसियन उन्मूलन द्वारा गणना की गई है । अगर ए बुरी तरह से स्केल किया गया है या लगभग एकवचन है तो एक चेतावनी संदेश प्रदर्शित होता है।

यदि बी एम = = एन और ए के साथ एम-बाय-एन मैट्रिक्स है, तो एम घटक के साथ एक कॉलम वेक्टर है, या ऐसे कई स्तंभों के साथ एक मैट्रिक्स है, तो एक्स = बी/ए कम से कम वर्गों में समाधान है एक और मंच में जवाब देने के लिए समीकरणों XA = बी

+0

@ FakeDIY। धन्यवाद, लेकिन मैंने अपना प्रश्न पोस्ट करने से पहले ही पढ़ा था। हालांकि, मामला तीन यह मेरे लिए स्पष्ट नहीं है ... – justik

3

x = inv (A'*A)*A'*Bके लिए चला जाता है से अधिक सिस्टम (यानी जो एक n x m मैट्रिक्स के रूप में A सुविधा निर्धारित n>m के साथ; इन परिस्थितियों में A'A उलटा है)।

आपके मामले में आपके पास निर्धारित सिस्टम के तहत है।


इस प्रकार, क्या हो सकता है?

मेरी राय है, हालांकि आप, जाँच कर सकते हैं कम से कम अपने मामले में:

जब आप ऐसा करेंगे A\B matlab उलटा भावना w.r.t. में एक अनुकूलन समस्या का हल हमेशा की तरह कम से कम वर्गों, कि

X = argmin_{X \in S} ||X||, 

जहां S समाधान के सेट है। दूसरे शब्दों में, यह आपको न्यूनतम एल^2 मानदंड वाले सिस्टम का समाधान देता है। (इस बात पर विचार करें कि आप कम से कम अपने मामले में समस्या से निपट सकते हैं)।

संबंधित मुद्दे