超级会员免费看
文章详细介绍了Gram-Schmidt正交化过程，以及如何通过这个过程将非正交的列向量转换为正交或单位正交向量，从而简化最小二乘问题的求解。通过线性无关向量的正交化，可以将矩阵转换为标准正交基，进而形成标准正交矩阵，这大大减少了计算复杂度，特别是避免了求逆运算，提高了计算效率和精度。
Gram-Schmidt正交化
在前面的几个最小二乘的文章中，实际上已经看到Gram-Schmidt正交化的影子。在我个人看来，Gram-Schmidt正交化更像是专门为了简化最小二乘计算而量身定制的一种算法。下面，我会从最小二乘的经典应用 --- "拟合直线"开始，慢慢引出Gram-Schmidt的核心思想 ——> 那就是，究竟如何“改写”矩阵A中的列向量，才能在最大程度上简化最小二乘的求解过程呢？
Independent vectors(线性无关向量所组成的矩阵)
很多关于最小二乘法的文章中都绕不开直线拟合问题，在讲Gram-Schmidt之前，让我们先从下面的例子开始：
已知的三个数据点(当t1=1,b1=1),(当t2=3,b2=2)和(当t3=5,b3=4)，现在用这三个点去拟合一条直线b=C+Dt。首先根据这三个已知的数据点，可得到如下线性方程组：
订阅专栏 解锁全文
扫一扫
2425
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
