矩阵的最小二乘法和投影矩阵
投影矩阵
对于任何矩阵,都可以通过Gram-Schmidt方法进行正交化,从而分解成一个正交矩阵 和一个上三角矩阵的的乘积,也就是我们所说的QR分解,其中Q为正交矩阵,R为上三角矩阵。由此,我们可以得到投影矩阵的一种计算方法,即 。
对于一阶的,由于显然其是否经过正交化与得到的结果仅为相差常数倍的关系,得到的结果并没有本质上的不同,因此对于向量来说,其余向量在上的投影矩阵显然是。 而对于二阶及以上的矩阵平面或者空间来说,显然就没有这么简单了。因此需要经过正交化后再进行处理。
最小二乘
在实际条件中,我们往往无法得到一个最完美的解用来满足,因此我们需要找到一个x使得得到的解尽可能接近所需的解,即满足, 此时,可以左右同时乘以使得其能够满足投影矩阵条件,此式可以通过偏导数加以证明,但是我不会(。
应用
由最小二乘和投影矩阵的结合,我们可以得到一个最小二乘中的的解法,即,此式也可以写成
在经过这样的过程后求得的不仅可以是最小二乘法的解,也可以是 。
补充,SVD分解和最小二乘的关系
我们知道,任何矩阵都可以分解成 $V^{T} A^+ $ 可以表示为的形式,其中V和U前面已经说明,而 是 的一个广义逆,计算方法是将 上的对角线元素取倒数后进行转置。由此可以算出矩阵的广义逆。
接着往下讲,
# 相关文章
1.面向计算机的科学的离散数学 (期中) 对应计算机系离散数学(1)
2.关于微积分A2的一些公式及条件整理
3.线性代数期末预习
4.一个程序基础课程大作业的很酷的搬箱子游戏
5.简单的自我介绍
1.面向计算机的科学的离散数学 (期中) 对应计算机系离散数学(1)
2.关于微积分A2的一些公式及条件整理
3.线性代数期末预习
4.一个程序基础课程大作业的很酷的搬箱子游戏
5.简单的自我介绍