R Cran ldei：svd 中的错误（V2，nu = 0，nv = unsolvable）：维度为零答案

【问题标题】：R Cran ldei: error in svd(V2, nu = 0, nv = unsolvable) : a dimension is zeroR Cran ldei：svd 中的错误（V2，nu = 0，nv = unsolvable）：维度为零
【发布时间】：2016-06-09 14:32:23
【问题描述】：

我对 R-Cran 很陌生。我想解决一个有约束的线性逆模型。我正在使用 limSolve 包中的 ldei 函数。这是我的线性系统和约束：

A x X = C

G x X >=H，其中 G=I 且 H=0。（基本上：X>=0）

地点：

2x2 矩阵中的 A；

X (nrow=2, ncol=n) 是未知向量-（矩阵）；

C (nrow=2, ncol=n) 是已知常数向量-(矩阵)。

矩阵 G 是单位矩阵，H 是具有零值的向量（矩阵）。

需要满足约束X>=0，因为X代表室外空气中二氧化氮和臭氧的浓度，不能为负数。

这是我的 r 代码，我假设 n=10：

library(limSolve)

A <- matrix(data = NA, nrow=2,ncol=2)
A[1,c(1:2)] <- c(-3.956946e-05,-1.558643e-05)
A[2,c(1:2)] <- c(-8.785099e-05, 1.540414e-04)

ctmp1 <- c(-3.000286e-04,-0.0003545647,-0.0002958569,-0.000356863,-0.0003602479,-0.0004177914,-0.0004280350,-0.0003890670,-0.0004984785,-0.0005695379) 
ctmp2 <- c(-6.462205e-05,-0.0007740174,-0.0006427914,-0.001056369,-0.0009569179,-0.0008562010,-0.0005402486,-0.0005043381,-0.0006366220,-0.0009332219)
inC <- rbind(ctmp1,ctmp2)
C <- matrix(data=inC, nrow=2, ncol=10)              

G <- matrix(ncol=2,nrow=2,data= c(1,0,0,1))
inH <- rbind(rep(0., length.out=10),rep(0., length.out=10))
H <- matrix(data=inH, nrow=2, ncol=10)

# I am aware I need to use the apply-family instead of do loops-- this is my work in progress--.. 
for (i in 1:10){ 
                print(i)
                E <- A
                FF <- c(C[1,i],C[2,i])
                GG <- G
                HH <- H[,i]
                res <-ldei(E,FF,GG,HH)
                print(res$X)
                }

### Here the output:
[1] 1
[1] 6.326385 3.188475
[1] 2
[1] 8.93305028 0.06985077
[1] 3
[1] 7.44753875 0.07454004
[1] 4
   Error in svd(V2, nu = 0, nv = unsolvable) : a dimension is zero

我将非常感谢任何解决问题的提示：

“svd(V2, nu = 0, nv = unsolvable) 中的错误：维度为零”

非常感谢您的帮助！

【问题讨论】：

标签： r svd

【解决方案1】：

首先，欢迎来到 R！

如果您想查看某个函数的代码，您只需键入函数的名称，不要使用括号，然后 R 会显示代码。所以，对于 svd，我们可以看到它给出了当没有足够维度时看到的错误......这意味着 as.matrix(x) 没有给出具有维度的对象，这意味着它的输入 x 必须是不像预期的那样。

您也可以编辑这些函数...用于调试目的。我通常只是粘贴到文本编辑器中，编辑并粘贴回 R。

svd = function (x, nu = min(n, p), nv = min(n, p), LINPACK = FALSE) 
{
    x <- as.matrix(x)
    if (any(!is.finite(x))) 
        stop("infinite or missing values in 'x'")
    dx <- dim(x)
    n <- dx[1L]
    p <- dx[2L]
    if (!n || !p) { 
        print("x")
        print(x)
        print("dx")
        print(dx)
        print("dx1L")
        print (dx[1L])
        print("dx2L")
        print(dx[2L])
        stop("a dimension is zero");}
    La.res <- La.svd(x, nu, nv)
    res <- list(d = La.res$d)
    if (nu) 
        res$u <- La.res$u
    if (nv) {
        if (is.complex(x)) 
            res$v <- Conj(t(La.res$vt))
        else res$v <- t(La.res$vt)
    }
    res
}

我已经打印出感兴趣的值...

[1] "x"

[1,]
[2,]
[1] "dx"
[1] 2 0
[1] "dx1L"
[1] 2
[1] "dx2L"
[1] 0

怀疑，输入没有数据……

我在 ldei 中使用了相同的技巧来获取 E 和 V2 的值（这是给 svd 的 x）我不会把那个代码放在这里，因为它很多。

它的结果是rnd在

V2 <- V2 %*% rnd

宽度为 0 因为

unsolvable <- Nx - solvable
...
rnd <- matrix(data = runif(Nx * unsolvable), nrow = Nx, 
        ncol = unsolvable)

Nx 和 solvable 都等于 2！

它甚至到达那部分代码的原因是不是所有的 CC 都大于 -tol... 在这种情况下：

[1] "CC"
      [,1]
[1,]  9.570040
[2,] -1.399828
[1] "-tol"
[1] -1.490116e-08

最终，CC的差异是因为F的值。

所以我的猜测是 FF = c(C[1,4],C[2,4]) 的情况会产生函数无法处理的错误。

对不起，我不能做得更好！

【讨论】：

【解决方案2】：

按照 Jimi 提供的提示，我非常感谢，我直接联系了维护者。以下是她“跳过”错误的建议。他们为我的案子工作。

“错误表示系统无法用ldei解决，函数没有捕捉到错误。你可以做的是：

for (i in 1:10){
            print(i)
            E <- A
            FF <- c(C[1,i],C[2,i])
            GG <- G
            HH <- H[,i]
            res <-try(ldei(E,FF,GG,HH))
            if (! class(res)%in% "try-error")
              print(res$X)
            }

因此，当 class(res)%in% "try-error" 时，则无法解决（可能在要求的精度下）"

【讨论】：