数值计算——线性最小二乘问题
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
m×n的线性方程组Ax=b是否有解?就是b能否表示成A的列向量的线性组合,当m=n时,肯定有解;当m>n,若b∈span(A)那么有解,否则无解。而对于线性最小二乘问题Ax=b的解唯一的充要条件就是A列满秩,即rank(A)=n。用最小二乘法求解该方程就是使得残差向量r=b-Ax的二范数的平方取最小。
这里使用正规方程组、QR分解两种方法求解线性最小二乘问题。
1、正规方程组
如果A列满秩,那么n×n正定对称正规方程组
与m×n最小二乘问题Ax=b同解,求解该方程组则可通过楚列斯基分解法求得。理论上,有正规方程组可以得到线性最小二乘问题的精确解,但是由于正规方程组会出现条件数平方效应(叉积矩阵的条件数是原矩阵条件数的平方),所以往往得不到所期待的效果。
代码实现也比较简单,只要求出A的转置、A的转置×A、A的转置×b就可以使用上一篇的楚列斯基分解求出方程的解了。
package com.kexin.lab4;
public class NomalEquation {
/**
* Cholesky分解
*
* @param a
* @return
*/
public static double[][] Cholesky(double[][] a) {
int n