## 背景知识
在学习线性代数的时候，我们都会先从线性方程组入手。求解一个线性方程组是否存在解，如果存在解，那么有多少解，比方说求解下面这个方程组
$$
x_1 - 2x_2 = -1
$$
$$
-x1 - 2x_2 = 3
$$
先别急着掏出纸和笔进行运算。在线性代数中, 这类线性方程组更常见的表述方式为
$$
Ax = b
$$
其中，A是系数矩阵，x和b都是向量。在R语言中，这个方程组可以通过`solve`函数求解
```r
A <- matrix(c(1,-1,-2,-2), ncol = 2)
b <- c(-1,3)
solve(A,b)
# -2.0 -0.5
```
如果方程组有解或者无数解，那么我们称方程组是**相容的**，反之则是**不相容**。
对于不相容的方程，我们无法求解出一个x使得等式成立，也就是下图的Ax和b不在一个平面上。因此只能找到一个x，让Ax尽可能b和接近，即求解一个x使得$||Ax-b||$最小。也就是$||Ax-b||^2$最小, 也就是$(Ax-b)\cdot(Ax-b)$最小， 这也就是术语**最小二乘法**( **least squares method**, 也称之为最小平方法 )的来源。
那么如何求解出x呢？跳过教科书的证明部分，这里直接提供定理，用于判定在什么条件下，方程$Ax=b$的最小二乘解是唯一的。
如果已知A的列是线性无关，那么对于方程$Ax=b$，取$A=QR$， 那么唯一的最小二乘解为$\hat x = R^{-1}Q^Tb$,
> $A=QR$称之为QR分解，也就是将 $m \times n$ 矩阵A分解为两个矩阵相乘的形式。其中Q是 $m \times n$ 矩阵，其列形成$Col\ A$的一个标准正交基，R是一个 $n \times n$ 上三角可逆矩阵且在对角线元素为正数。
## 最小二乘直线
那么最小二乘有什么用呢？为了方便讨论实际的应用问题，我们用科学和工程数据中更常见的统计分析记号$X\beta=y$ 来替代$Ax=b$. 其中$X$为**设计矩阵**，$\beta$为**参数向量**，$y$为**观测向量**。
我们都知道身高和体重存在一定关系，但不是完美对应(数据集来自于R语言的women)
我们可以找到一条曲线去完美拟合已有的数据，但通常而言越复杂的模型就越容易出现过拟合的情况，不具有普适性，最好是找到一个简单模型，能对当前的数据做一个拟合，并且能预测未来。
两个变量最简单的关系就是线性方程$y=\beta_0 +\beta_1 x$。我们希望能够确定 $\beta_0$ 和 $\beta_1$使得预测值和观测值尽可能的接近，也就是让直线和数据尽可能的接近，最常用的度量方法就是**余差平方之和**最小。
**最小二乘直线**$y=\beta_0 +\beta_1 x$是余差平方之和最小的，这条直线也被称之为y对x的回归直线。直线的系数 $ \beta_0$ 和 $\beta_1$称为线性回归系数。
如果数据点都落在直线上，那么参数 $ \beta_0$ 和 $\beta_1$满足如下方程，那么
但是当数据点不在直线上时，这就意味着 $X\beta=y$ 没有解，那么问题其实是$Ax=b$的最小二乘问题，这两者仅仅记法不同。并且由于X的列线性无关，那么唯一的最小二乘解为$\hat \beta = R^{-1}Q^Ty$, 取$X=QR$，
接下来，我们就可以通过R语言的矩阵函数计算$\beta$
```r
# 加载数据
data("women")
# 设置X和Y
X <- cbind(rep(1,length(women$height)), women$height)
y <- women$weight
# QR分解
qr <- qr(X)
Q <- qr.Q(qr)
R <- qr.R(qr)
R.inv <- solve(R) # 求逆矩阵
# 计算
beta <- R.inv %*% t(Q) %*% y
```
根据求解结果，系数分别是-87.52和3.45, 我们来绘图展示下
```r
plot(women$height, women$weight,
xlab = "height", ylab="weigth")
x <- 58:72
y <- 3.45 * x - 87.52
lines(x=x,y=y)
```
关于线性回归，R语言提供了`lm`函数，之前只是无脑调用，现在我把它的黑匣子打开了，它和我们之前做的事情类似，都有一步QR分解，只不过调用了不同的底层函数
```r
# lm
z <- .Call(C_Cdqrls, ...
# qr
if(LAPACK)
return(structure(.Internal(La_qr(x)), useLAPACK = TRUE, class = "qr"))
...
res <- .Fortran(.F_dqrdc2,...
```
`lm`的输出信息有很多，比如说残差，系数的显著性水平，这些可以用`summary.lm`查看。
> 之前看「R语言实战」的回归章节时，总是不理解，看完就记住了几个函数而已。现在在线性代数理论基础上对这个部分有所理解了。
## 参考资料
如果对线性代数的最小二乘理论感兴趣，推荐阅读「线性代数及其应用」，戴维，原书第五版，第六章。
关于线性回归的R语言实现，推荐阅读「R语言实战」，第二版，第8章。
此外，维基百科的 [最小二乘法](https://zh.wikipedia.org/wiki/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95)页面也提供了比较好的解释。
线性代数学习笔记-利用最小二乘法做线性回归
