我们知道,投影矩阵是 P = A ( A T A ) − 1 A T P=A(A^TA)^{-1}A^T P=A(ATA)−1AT
若 b b b在 C ( A ) C(A) C(A)中, P b = b Pb=b Pb=b, 因为 b b b可以写成 A A A各列的线性组合, 不妨令 b = A x b=Ax b=Ax, 则 P b = A [ ( A T A ) − 1 A T A ] x = A x = b Pb=A[(A^TA)^{-1}A^TA]x=Ax=b Pb=A[(ATA)−1ATA]x=Ax=b
若 b b b垂直于 C ( A ) C(A) C(A)中, P b = 0 Pb=0 Pb=0, 因为 b ∈ N ( A T ) b \in N(A^T) b∈N(AT), A T b = 0 A^Tb=0 ATb=0
设误差向量 e e e是 b b b与投影到 C ( A ) C(A) C(A)后得到的向量 p p p的误差, b − p = e , b = p + e b-p=e, b=p+e b−p=e,b=p+e, 由投影的几何含义可知, e ⊥ C ( A )
MIT18.06 线性代数笔记 16 投影矩阵和最小二乘
最新推荐文章于 2024-07-23 15:12:22 发布