最小二乘法有微积分和线性代数形式的,这里介绍线性代数形式的。
可以解决的问题
可用于研究最优解问题。诸如数据的拟合曲线,又称回归分析。
介绍
1.举例
解方程: 3 x = 10 , 4 x = 5 3x=10,4x=5 3x=10,4x=5.
这是最简单的情形,却能很简单说明问题的关键,就是方程无解。实际问题通常是无解的,解无解方程的方法就是解出一个最优解,数学理论和生活哲理此处相通。
将方程写成矩阵形式
( 3 4 ) x = ( 10 5 ) \begin{pmatrix} 3\\ 4\\ \end{pmatrix}x= \begin{pmatrix} 10\\ 5\\ \end{pmatrix} (34)x=(105)
用字母代替数字
a x = b ax=b ax=b
这里a,b都是列向量,行向量也可以,为了研究矩阵方便,写成列向量形式。
向量ax只能等于与向量a平行的向量,现在b向量不于a平行,所以无解。那么最优解就是在ax中找出一个于向量b最接近的向量。二维向量b可分解为与a平行,与a垂直两部分。
这里的理论依据是向量a以及向量a的垂直向量是二维平面的一组基,平面内任何向量都可以这组基的线性组合表示。
于是可设
b = e + p b=e+p b=e+p
其中 a ⊥ e , a ∥ p a\perp e,a\parallel p a⊥e,a∥p.p就是b在a上的投影,所以
p = a T ⋅ b ∥ a ∥ ⋅ a ∥ a ∥ = a T ⋅ b ∥ a ∥ 2 a p=\frac{
{a}^{T}\cdot b}{\parallel a \parallel } \cdot \frac{a}{\parallel a \parallel}=\frac{
{a}^{T}\cdot b}{\parallel a \parallel^{2}}a p=∥a∥aT⋅b⋅∥a∥a=∥a∥2