本文深入探讨线性代数中的子空间投影概念，讲解如何利用投影矩阵找到向量到子空间的最佳逼近，即最优解。同时，结合最小二乘法，阐述在实际问题中解决非精确匹配的策略。
本文是Gilbert Strang的线性代数导论课程笔记。课程地址：
http://v.163.com/special/opencourse/daishu.html
第十五课时：子空间投影
教授说要让这讲名垂青史，想必此讲是重中之重吧。讲投影。怎样投影，为什么要投影到其他子空间。
从一个简单例子看：
向量b到向量a的最短距离，b在a上的投影是p，a垂直于e，
e就像误差e=b-p，p是a的某个倍数x，
p=xa，它在a的一维子空间里，可得到一个方程，求解x，方程为：
a
T（b - xa) = 0。
假设b变成原来的两倍，那么投影p也变成原来的两倍，如果a变为原来的2倍，p则不变。
投影矩阵Projections：投影是由(投影)矩阵完成的，投影就是某个矩
最低0.47元/天 解锁文章
9205
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
