之前提到过,在处理很多实际应用中的线性系统
求解问题的时候,由于采集大量样本导致矩阵
的行数大于列数,意味着方差的个数远远大于未知数个数,在这种情况下,由于数据偏差,方程之间就容易出现矛盾,因此真实情况建立的线性系统
大概率是无解的。
但是当我们并不需要一个十分精确的解,而只需一个接近解也足够用于研究的情况下。在线性系统
中,单单对于
来说,其实
表示的就是矩阵
的列空间,从向量乘法看
表示成
中的未知数与矩阵
的列向量相乘再相加的形式
,而这个表示形式的就是矩阵
的列向量的生成空间。既然
是矩阵
的列空间,继而线性系统
的求解问题可以理解成在
这个列空间中找到向量
,如果向量
在矩阵
的列空间中的话,那么就肯定会有一个或多个
与它相对应。所以在获取一个实际线性问题的近似解的时候,通常是在矩阵
的列空间中找到一个离
最近的
,转而求解线性系统
的解来近似
。
在矩阵
的列空间中寻找一个离
最近的向量
,这个
其实就是
在
的列空间的投影;
根据高中的几何知识可知在
的列空间的投影
是
的列空间中与向量
夹角最小的向量,也即方向上最接近的向量。
三维空间中一个向量b投影到三维空间的子空间上得到b'
求出矩阵的列空间的一组正交基(Gram-Schmidt过程),然后求出
分别到这组正交基各个分量的投影(一维投影问题),然后把这些投影分量加和在一起就是
在
的列空间的投影

三维空间中一个向量b投影到三维空间的子空间上得到b'











网友评论