Situations often arise in which the

Situations often arise in which the matrix of independent variables is not of full column rank. That is, there are one or more
linear dependencies among the independent variables. This paper covers in detail the situation in which the rank is one less
than full column rank and extends this coverage to include cases of even greater rank deficiency. The emphasis is on the
row geometry of the solutions based on the normal equations. The author shows geometrically how constrainedregression/generalized-inverses
work in this situation to provide a solution in the face of rank deficiency.

Results (Indonesian) 2:

Situasi sering timbul di mana matriks variabel independen bukan dari rank kolom penuh. Artinya, ada satu atau lebih
dependensi linier antara variabel independen. Makalah ini mencakup secara rinci situasi di mana peringkat adalah salah satu kurang
dari peringkat kolom penuh dan memperluas cakupan ini untuk memasukkan kasus kekurangan rank yang lebih besar. Penekanannya adalah pada
geometri deretan solusi berdasarkan persamaan normal. Penulis menunjukkan geometris bagaimana constrainedregression / umum-invers
bekerja dalam situasi ini untuk memberikan solusi dalam menghadapi kekurangan rank.