Gram-Schmidt Process의 기본원리

Gram-Schmidt Process

Orthonormal Basis

subspace W의 orthogonal basis를 normalizing한 set을 의미

QR factorization

  • matrix m x n A가 linearly independent columns이면, A=QR로 factorization이 가능
    - Q는 Col A의 orthonormal basis m x n matrix 형태
    - R은 n x n upper triangular invertible matrix

QR factorization process

  1. Gram-Schmidt 알고리즘을 통해 Col A의 orthonormal basis를 찾는다.
  2. 1에서 구한 basis를 통해 matrix Q 구성
  3. QTA = QT(QR) = IR = R
  4. rkk<0 일 때, uk(-uk)와 rkk부터 rkn의 부호를 바꾼다.

Least-Squares Solution

m x n matirx A와 b가 Rm가 있다. Ax = b의 least-squares solution이 Rn에 x̂이다.

Theorem.

Ax = b의 least-squares solution set은 ATAx = ATb normal equations의 nonempty solution set과 일치하다.

Least-Squares Error

그 외의 증명


Theorem.

ATA가 invertible과 A의 columns는 linearly independent는 동치이다.

Theorem.

m x n mmatrix A가 linearly independent일 때, A=QR로 factorization이 가능하다. Ax=b equation은 unique least-squares solution을 갖는다.

Least-squars fitting

Weighted Least-Squares

  • weight를 두어 가중치를 조정
profile
I'm an undergraduate student majoring in Computer System Engineering at Inha Technical College. I'm interested in Deep learning.

0개의 댓글

Powered by GraphCDN, the GraphQL CDN