I matematik , mere præcist i lineær algebra , er en pseudoløsning af et system ( S ) af lineære ligninger et system, hvor løsningen af normale ligninger : opnås ved at multiplicere det første system med den transponerede matrix . Det ukendte er vektoren , dataene er matrixen og vektoren .
Mens systemet ( S ) muligvis ikke har en løsning, generelt fordi det er overbestemt, dvs. med mere uafhængige ligninger end ukendte ( n > p ), tillader systemet med tilknyttede normale ligninger altid mindst en løsning; dette svarer oftest til anvendelsen af en mindste kvadraters metode .
I praksis griber overbestemte systemer naturligt ind i eksperimentelle processer.
For at tage et eksempel, hvis man ønsker at bestemme konstanterne og en enzymatisk reaktion i henhold til Michaelis-Menten-modellen , vil man udføre n målinger af reaktionshastigheden v som en funktion af koncentrationen c , idet man ved, at de er forbundet med ligningen hvor .
Målingerne genererer et system med n ligninger med 2 ukendte a og b , men det opnåede system har generelt ingen løsning på grund af målingernes unøjagtighed, der gør det uforeneligt .
Vi ved dog, at dette system skal have en løsning, og intet giver tilladelse til at favorisere visse ligninger frem for andre til at løse det.
Ideen er derefter at bestemme a og b for at minimere forskellen med den forventede løsning, dvs. at gøre udtrykket
minimal. (Det ville være nul, hvis der ikke var måleunøjagtigheder).
Det er selve princippet om en opløsning i form af mindste kvadrater, som det udtrykkeligt fremgår, og som påkalder begrebet ortogonal projektion .
For at den lineære ligning Ax = b har løsninger, er det nødvendigt, at vektoren b hører til billedet af A (som vi her identificerer med det lineære kort over , som det repræsenterer). Hvis dette ikke er tilfældet, forsøger vi at minimere afstanden mellem b og Ax ved at finde den ortogonale projektion af b på , hvor vektoren Ax er uændret i denne projektion.
En vektor x af et pseudo-opløsning af ( S ), hvis og kun hvis vektoren Ax er den retvinklede projektion af vektoren b på billedet A .
Ved karakterisering af det ortogonale projekt kan man bekræfte, at:
En vektor x af er en pseudo-opløsning af ( S ) hvis og kun hvis vektoren Ax minimerer afstanden til vektoren b :
og vi finder en forestilling om mindste kvadrater, givet definitionen af standarden.
Matrixen er symmetrisk positiv og endda positiv bestemt, når den er inverterbar; guld
”De nemmeste problemer med at løse lineære systemer at håndtere numerisk er dem, hvis matricer er symmetriske, positive. "
Men i praksis, at systemet ( S ) er ofte dårligt konditioneret , og systemet med normale ligninger er endnu mere, da dens konditionering (for euklidiske norm) er kvadratet af konditioneringen af den oprindelige ordning. Følgelig bestemmes pseudo-opløsningerne ved f.eks. En QR-nedbrydning .
I tilfælde af et underbestemt system og en matrix med maksimal rang kan faktorisering QR bruges, men hvis matricen ikke er inverterbar, bruger man en nedbrydning i entalværdier