핵심 목표
행렬 방정식 의 근사해를 구합니다.
마지막으로 한 번 더 이 책의 구성을 되짚어 봅시다.
이제 세 번째 부분에 이르렀습니다.
행렬 방정식 의 근사해를 구합니다.
방정식의 근사해를 구하려면 일반적으로 주어진 벡터에 가장 가까운 부분공간 위의 벡터를 계산해야 합니다. 이는 직교성 문제가 됩니다. 즉, 어떤 벡터가 부분공간에 수직인지 알아야 합니다.
먼저 절 6.1와 절 6.2에서 직교성을 정의하고 부분공간의 직교여공간을 구하는 방법을 배웁니다. 이 장의 핵심은 절 6.3이며, 여기서는 벡터의 부분공간 위로의 정사영을 다룹니다. 이는 주어진 벡터에 가장 가까운 부분공간 위의 벡터를 계산하는 방법입니다. 절 6.4에서 보겠지만, 직교 집합이 있으면 이러한 계산이 더 쉬워집니다. 절 6.5에서는 연립방정식의 근사해를 구하는 최소제곱법을 소개하고, 이를 데이터 모델링에 응용합니다.
데이터 모델링에서는 흔히 “내 데이터는 어떤 직선 위에 놓여 있어야 하는가?”라는 질문을 던집니다. 이 문제는 최소제곱법을 간단히 적용하여 풀 수 있습니다.
가우스는 가장 잘 맞는 타원을 찾기 위해 최소제곱법을 고안했습니다. 그는 1801년 소행성 세레스가 태양 뒤로 지나갈 때 그 (타원) 궤도를 정확히 예측했습니다.