子空间投影

如何解一个无解的方程 $Ax=b$ 的解

基础的的解决方案是:

$A^TA \hat{x} = A^T b$

rank ($A^TA$) = rank($A$), Null($A^TA$)= Null($A$)

换句话说,如果A是列满秩的,即零空间里只有0向量,那么$A^TA$可逆的。



此时,子空间投影可以被运用求解近似解。

在一维情况下,投影变量 $p$, 投影矩阵 $P$,被投影变量 $b$, 投影方向 $a$, 那么有:

$p=Pb=\frac{aa^T}{a^Ta}b$

在多维情况下,投影变量用 $A$ 替代, 那么投影变换则为:

$p=Pb=A(A^TA)^{-1}A^Tb$

注意的是,这里中间的括号是不能拆开的,因为 $A$ 不一定是可逆方阵,如果 $A$ 为可逆方阵,那么投影矩阵为单位矩阵 $I$,即方程组本身有解,无需投影 $b$ 也在 $A$ 的列空间里。

原文地址:https://www.cnblogs.com/sybear/p/10825103.html

时间: 2024-11-09 04:02:20

子空间投影的相关文章

转载——子空间投影的角度理解最小二乘

本文是Gilbert Strang的线性代数导论课程笔记.课程地址:http://v.163.com/special/opencourse/daishu.html 第十五课时:子空间投影 教授说要让这讲名垂青史,想必此讲是重中之重吧.讲投影.怎样投影,为什么要投影到其他子空间. 从一个简单例子看: 向量b到向量a的最短距离,b在a上的投影是p,a垂直于e,e就像误差e=b-p,p是a的某个倍数x,p=xa,它在a的一维子空间里,可得到一个方程,求解x,方程为:aT(b - xa) = 0.   

线性代数之——子空间投影

1. 投影 向量 $ b = (2, 3, 4)$ 在 \(z\) 轴上和在 \(xy\) 平面上的投影是什么,哪个矩阵能产生到一条线上和到一个平面的投影? 当 \(b\) 被投影到 \(z\) 轴上时,它的投影 \(p\) 就是 \(b\) 沿着那条线的部分.当 \(b\) 被投影到一个平面时,它的投影就是 \(b\) 在平面中的部分. 到 \(z\) 轴上的投影 \(p_1 = (0, 0, 4)\),到 \(xy\) 平面上的投影 \(p_2 = (2, 3, 0)\),两个投影矩阵 \(

【线性代数】如何寻找一个投影矩阵

引言 想一下,在什么情况下可能需要将一个向量往一个子空间投影.在MIT的线代课程中,Gilbert教授给出了一种场景:即我们想要求解\(Ax=b\),但是\(b\)不在\(A\)的列空间中,此时我们希望在\(A\)的列空间中找一个离\(\overrightarrow{b}\)最近的向量\(\overrightarrow{f}\),求解\(A\hat{x}=f\),借由\(\hat{x}\)给出\(x\)的近似解. 矩阵乘法可以表示向量的线性变换,所以本篇笔记的主要内容是记录找到一个投影矩阵\(P

[转]林达华推荐的几本数学书

http://blog.csdn.net/lqhbupt/article/details/32106217 Dahua Lin早在几年前就已经冒尖出来了,现在在MIT攻读博士学位,前途不可限量.他总是有无穷的精力,学习,同时几篇几篇的写paper,几万行几万行的写code,几万字几万字的写blog.他扎实的数学功底和相关知识的功底,以及深睿的洞察和理解问题的能力,注定他将在machine learning和computer vision等相关领域取得大量的成果,甚至是突破性的成果.期待他在这些领

《Master Opencv...读书笔记》非刚性人脸跟踪 IV (终)

一.我们目前为止拥有什么 为了有一个连续完整的认识,在介绍最后一节前,先梳理下至今我们训练了哪些数据特征,并且训练它们的目的是什么. 1.      ft_data:利用手工标注工具,获取最原始的样本训练数据,包括以下内容: 图像名称集合imnames:表明在哪幅图像上标注特征点: 二维坐标集合points:手工标准点,后续更高级别特征均围绕这些特征点展开: 对称坐标索引集合symmetry:标注样本图像的镜像图像上的特征点,扩大样本库: 连接索引集合connections:描述手工标注的人脸特

和机器学习和计算机视觉相关的数学(转载)

1. 线性代数 (Linear Algebra): 我想国内的大学生都会学过这门课程,但是,未必每一位老师都能贯彻它的精要.这门学科对于Learning是必备的基础,对它的透彻掌握是必不可少的.我在科大一年级的时候就学习了这门课,后来到了香港后,又重新把线性代数读了一遍,所读的是Introduction to Linear Algebra (3rd Ed.)  by Gilbert Strang.这本书是MIT的线性代数课使用的教材,也是被很多其它大学选用的经典教材.它的难度适中,讲解清晰,重要

[转]和机器学习和计算机视觉相关的数学

http://blog.sina.com.cn/s/blog_6833a4df0100nazk.html 1. 线性代数 (Linear Algebra): 我想国内的大学生都会学过这门课程,但是,未必每一位老师都能贯彻它的精要.这门学科对于Learning是必备的基础,对它的透彻掌握是必不可少的.我在科大一年级的时候就学习了这门课,后来到了香港后,又重新把线性代数读了一遍,所读的是 Introduction to Linear Algebra (3rd Ed.) by Gilbert Stra

林达华推荐的几本数学书

林达华推荐的几本数学书 转自:http://dahua.spaces.live.com/default.aspx 1. 线性代数 (Linear Algebra): 我想国内的大学生都会学过这门课程,但是,未必每一位老师都能贯彻它的精要.这门学科对于Learning是必备的基础,对它的透彻掌握是必不可少的.我在科大一年级的时候就学习了这门课,后来到了香港后,又重新把线性代数读了一遍,所读的是 Introduction to Linear Algebra (3rd Ed.)  by Gilbert

转图像偏微分方程不适定问题

图 像处理作为一种预处理的手段,几乎成为所有图像处理方法的前奏.在许多情况下,图像滤波作为图像识别的一种预处理手段,它需要满足两个限制条件:对比度不 变和仿射不便.而仿射不变性可以被分解为平移不变.旋转不变.欧式不变.伸缩不变等.满足对比度不变和仿射不变的偏微分方程只有一个,即 AMSS(Affine Morphological Scale Space)方程.L.Alvarez,F.Guichard,P.L.Lions和J.M.Morel等在文献:Axioms and fundamental e