在学习线性代数的时候,我们都会先从线性方程组入手。求解一个线性方程组是否存在解,如果存在解,那么有多少解,比方说求解下面这个方程组
先别急着掏出纸和笔进行运算。在线性代数中, 这类线性方程组更常见的表述方式为
其中,A是系数矩阵,x和b都是向量。在R语言中,这个方程组可以通过solve
函数求解
A <- matrix(c(1,-1,-2,-2), ncol = 2)
b <- c(-1,3)
solve(A,b)
# -2.0 -0.5
如果方程组有解或者无数解,那么我们称方程组是相容的,反之则是不相容。
对于不相容的方程,我们无法求解出一个x使得等式成立,也就是下图的Ax和b不在一个平面上。因此只能找到一个x,让Ax尽可能b和接近,即求解一个x使得最小。也就是
最小, 也就是
最小, 这也就是术语最小二乘法( least squares method, 也称之为最小平方法 )的来源。
几何意义