本周主要内容有:
- 正交投影
- 基底求取
- 正交互补
- QR分解
- 正规方程
首先由一问题导入:给定一个点 p 和一个平面,寻找平面上与 p 距离最近的点。
这一问题可以转换为:已知向量 p 和 向量集 v_1 ,... ,v_n ,寻找 Span {v_1 , ... ,v_n} 中的一个向量使其最接近p 。
更进一步,我们可以得到这样的描述:
最后一个问题,称为最小二乘法(Least Squares)。
这一问题在机器学习中可以通过梯度下降算法求解。
这个问题还等价于:给定一个可能没有解的矩阵方程 Mx = b ,寻找它的最优解,即寻找一个解使得 b - Mx 的模尽可能的小。
下面我们将利用正交知识来获得求解这一问题的算法。