MIT18.06 线性代数笔记 16 投影矩阵和最小二乘

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
b b b 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
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) bN(AT), A T b = 0 A^Tb=0 ATb=0
设误差向量 e e e 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 bp=e,b=p+e, 由投影的几何含义可知, e ⊥ C ( A )

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值