网站大量收购闲置独家精品文档,联系QQ:2885784924

大学数学(高数微积分)第九章欧几里得空间第七节课件(课堂讲义).pptVIP

大学数学(高数微积分)第九章欧几里得空间第七节课件(课堂讲义).ppt

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
主要内容 第七节 向量到子空间的距离 定义 向量到子空间各向量间的最短距离 最小二乘法 最小二乘法 一、定义 在解析几何中,两个点 ? 和 ? 间的距离等于向 量 ? - ? 的长度. 在欧氏空间中我们同样可引入 定义 13 长度 | ? - ? | 称为向量 ? 和 ? 的距离 记为 d(? , ? ) . 不难证明距离的三条基本性质: 1) d(? , ? ) = d(? , ?) ; 2) d(? , ? ) ? 0,并且仅当? = ? 时等号才成立; 3) d(? , ? ) ? d(? , ? ) + d(? , ? ) (三角不等式) . 二、向量到子空间各向量间的最短距离 在中学所学几何中知道一个点到一个平面(或 一条直线)上所有点的距离以垂线最短. 下面可以证 明一个固定向量和一个子空间中各向量的距离也是 以“垂线最短” . 先设一个子空间 W,它是由向量 ?1, ?2, …, ?k 所生成,即 W = L(?1, ?2, …, ?k) . 说一个向量 ? 垂 直于子空间 W,就是指向量 ? 垂直于 W 中任何一 个向量. 容易验证 ? 垂直于 W 的充分必要条件是 ? 垂直于每个?i ( i = 1, 2, … , k) . 现在来证明向量到子空间各向量间的距离以垂 线最短. 设 ? 是给定的一向量,? 是 W 中的向量,且满 足 ? - ? 垂直于 W. 要证明 ? 到 W 中各向量的距离 以垂线最短,就是要证明,对 W 中任一向量 ?, 有 | ? - ? | ? | ? - ? | . 我们可以画出下面的示意图: ? - ? ? - ? ? - ? W 图 9-2 证明 ? - ? = ( ? - ? ) + ( ? - ? ) . 因 W 是子空 间, ? ? W, ? ? W,则 ? - ? ? W. 故 ? - ? 垂直于 ? - ? . 由勾股定理,有 | ? - ? |2 + | ? - ? |2 = | ? - ? |2 , 故 | ? - ? | ? | ? - ? | . 证毕 三、最小二乘法 1. 引例 上述几何事实可以用来解决一些实际问题. 其 中的一个应用就是解决最小二乘法问题. 先看下面 的例子. 引例 已知某种材料在生产过程中的废品率 y 与某种化学成分 x 有关. 下列表中记载了某工厂生 产中 y 与相应的 x 的几次数值: y (?) 1.00 0.9 0.9 0.81 0.60 0.56 0.35 x (?) 3.6 3.7 3.8 3.9 4.0 4.1 4.2 我们想找出 y 对 x 的一个近似公式. 解 把表中数值画出图来看,发现它的变化 趋势近于一条直线. 因此我们决定选取 x 的一次式 ax + b 来表达 . 当然最好能选到适当的 a , b 使得 下面的等式 3.6a + b - 1.00 = 0 , 3.7a + b - 0.9 = 0 , 3.8a + b - 0.9 = 0 , 3.9a + b - 0.81 = 0 , 4.0a + b - 0.60 = 0 , 4.1a + b - 0.56 = 0 , 4.2a + b - 0.35 = 0 都成立. 实际上是不可能的. 任何 a , b 代入上面 各式都会发生些误差. 于是想找 a , b 使得上面各 式的误差的平方和最小,即找 a , b 使 (3.6a + b - 1.00 )2 + (3.7a + b - 0.9 )2 + (3.8a + b - 0.9 )2 + (3.9a + b - 0.81 )2 + (4.0a + b - 0.60 )2 + (4.1a + b - 0.56 )2 + (4.2a + b - 0.35 )2 最小. 这里讨论的是误差的平方即二乘方,故称为 最小二乘法. 现在转向一般的最小二乘法问题. 2. 定义 定义14 线性方程组 可能无解. 即任何一组数 x1 , x2 , … , xs 都可能使 不等于零. 我们设法找 x10 , x20 , … , xs0 使(1)最小, 这样的 x10 , x20 , … , xs0 称为方程组的最小二乘解. 这种问题就叫做最小二乘法问题. 3. 最小二乘法的代数表示 下面我们利用欧氏空间的概念来表达最小二乘 法,并给出最小二乘解所满足的条件. 令 (2) 用距离的概念, 就是 | Y - B |2 . 最小二乘法就是找x10 , x20 , … , xs0 使 Y 与 B 的距 离最短. 但从 知道向量 Y 就是 把 A 的各列向量分别记成 ?1 , ?2 ,

文档评论(0)

ma982890 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档