我该如何解决这个线性方程组?

时间:2016-08-11 19:04:58

标签: r

我无法找到这个问题的完整答案。我试图解决类似的方程系统:

r_Aus <- 8.7 + r_Fra + r_Ser + r_USA
r_Fra <- 2.7 + r_Aus + r_Chi + r_Ser
r_USA <- 37 + r_Chi + r_Ven + r_Aus
r_Chi <- -29.7 + r_USA + r_Fra + r_Ven
r_Ser <- 2.7 + r_Ven + r_Aus + r_Fra
r_Ven <- -21.3 + r_Ser + r_USA + r_Chi

我如何解决每个国家/地区的变量?

1 个答案:

答案 0 :(得分:5)

<强>制备

我们首先以矩阵形式A * x = b表达您的线性系统。如果您不清楚如何执行此操作,请阅读General forms。对于您的示例,您可以将其表达为:

## x = r_Aus, r_Chi, r_Fra, r_Ser, r_USA, r_Ven
  r_Aus         - r_Fra - r_Ser - r_USA         =  8.7
- r_Aus - r_Chi + r_Fra - r_Ser                 =  2.7
- r_Aus - r_Chi                 + r_USA - r_Ven =  37
        + r_Chi - r_Fra         - r_USA - r_Ven = -29.7
- r_Aus         - r_Fra + r_Ser         - r_Ven =  2.7
        - r_Chi         - r_Ser - r_USA + r_Ven = -21.3

然后定义系数矩阵A和RHS向量b

A <- matrix(c( 1,  0, -1, -1, -1,  0,
              -1, -1,  1, -1,  0,  0,
              -1, -1,  0,  0,  1, -1,
               0,  1, -1,  0, -1, -1,
              -1,  0, -1,  1,  0, -1,
               0, -1,  0, -1, -1,  1),
            nrow = 6, ncol = 6, byrow = TRUE)

b <- as.matrix(c(8.7, 2.7, 37, -29.7, 2.7, -21.3))

尝试solve()

我们几乎总是首先考虑solve。但是solve()基于LU分解,并且需要满秩系数矩阵A;当A被发现排名不足时,LU分解符合0对角元素并且失败。让我们试试你的Ab

solve(A, b)
#Error in solve.default(A, b) : 
#  Lapack routine dgesv: system is exactly singular: U[6,6] = 0

U[0,0] = 0告诉您,您的A只有5级。

稳定的方法:QR分解

已知QR分解是一种非常稳定的方法。我们可以使用.lm.fit()来执行此操作:

x <- .lm.fit(A, b)
x$coef
# [1]   4.783333  -5.600000 -21.450000 -18.650000  40.866667   0.000000
x$rank
# [1] 5

您的系统的等级为5,因此执行最小二乘拟合。第6个值r_Ven被约束为0,并且没有任何方程式完全满足。 x$resi会为您提供残差,即b - A %*% x$beta

高斯消除

为了完成图片,我不得不提到高斯消除。 理论上这是最好的方法,因为您可以确定是否:

  1. 有一个独特的解决方案;
  2. 没有解决方案;
  3. 有无限多的解决方案
  4. 以及解决线性系统。

    周围有一个小R包optR,但正如我发现的那样,它并没有做得很完美。

    #install.packages("optR")
    library(optR)
    

    ?optR给出一个完整的线性系统作为一个例子,当然可以正常工作(简单地使用solve(A, b)也可以工作!)。但对于排名为5的系统,它给出了:

    optR(A, b, method="gauss")
    
    call: 
    optR.default(x = A, y = b, method = "gauss")
    
     Coefficients: 
               [,1]
    [1,]   9.466667
    [2,] -24.333333
    [3,] -16.766667
    [4,]  -4.600000
    [5,]  22.133333
    [6,]   0.000000
    Warning messages:
    1: In opt.matrix.reorder(A, tol) : Singular Matrix
    2: In opt.matrix.reorder(A, tol) : Singular Matrix
    

    请注意线性系统缺乏排名的警告消息。要了解optR在这种情况下的作用,请将b

    进行比较
    A %*% x$beta
    #      [,1]
    #[1,]   8.7
    #[2,]   2.7
    #[3,]  37.0
    #[4,] -29.7
    #[5,]   2.7
    #[6,]   6.8
    

    除了第6个以外,满足前5个方程。因此,optR放弃了你的最后一个等式来解决等级缺陷问题,而不是做最小二乘拟合。