Outras considerações sobre equações matriz-vetor

Álgebra Linear para Data Science em R

Eric Eager

Data Scientist at Pro Football Focus

Mais equações do que incógnitas

Redução por linhas (À mão; difícil em problemas grandes)
Mínimos quadrados (Se há mais linhas que colunas — usado em regressão linear)
Decomposição em valores singulares (Se há mais colunas que linhas — usada em Análise de Componentes Principais)
Inversa generalizada ou pseudo-inversa

library(MASS)
print(A)

     [,1] [,2]
[1,]    2    3
[2,]   -1    4
[3,]    1    7

ginv(A)

          [,1]        [,2]       [,3]
[1,] 0.3333333 -0.30303030 0.03030303
[2,] 0.0000000  0.09090909 0.09090909

ginv(A)%*%A

     [,1]          [,2]
[1,]    1 -1.110223e-16
[2,]    0  1.000000e+00

A%*%ginv(A)

           [,1]       [,2]      [,3]
[1,]  0.6666667 -0.3333333 0.3333333
[2,] -0.3333333  0.6666667 0.3333333
[3,]  0.3333333  0.3333333 0.6666667

print(A)

     [,1] [,2]
[1,]    2    3
[2,]   -1    4
[3,]    1    7

print(b)

1 7 8

x <- ginv(A)%*%b
A%*%x

     [,1]
[1,]    1
[2,]    7
[3,]    8

Álgebra Linear para Data Science em R