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 \(P_1\) 和 \(P_2\) 分别为

\(P_1\) 就是选出每个向量的 \(z\) 分量, \(P_2\) 就是选出每个向量的 \(x\) 和 \(y\) 分量。

在这个例子中,\(z\) 轴和 \(xy\) 平面是正交子空间,就像地面和两面墙的交线一样。

除此之外,它们还是正交补的。整个空间的任意向量都可以表示为它们在两个子空间中分量的和。

2. 到一条线上的投影

假设一条过原点的直线方向为 \(a = (a_1, a_2,\cdots, a_m)\),我们要将点 \(b = (b_1, b_2,\cdots, b_m)\) 投影到这条直线上。

投影 \(p\) 和 \(a\) 在一条直线上,因此有 \(p = \hat xa\),误差 \(e = b-p = b-\hat xa\),然后由 \(e\) 垂直于 \(a\),我们可得。

\[e \cdot a = 0 \to (b-\hat xa) \cdot a = 0 \to a\cdot b - \hat x a\cdot a = 0\]

因此,可求得系数 \(\hat x\) 为

\[\hat x = \frac{a\cdot b}{a\cdot a} = \frac{a^Tb}{a^Ta}\]

投影为 \(p = \hat x a = \frac{a^Tb}{a^Ta} a\)。

如果 \(b=a\),那么 \(\hat x = 1\),投影还是它自己,\(Pa = a\)。 如果 \(b\perp a\),那么 \(\hat x = 0\),投影为 0。

将投影重写为 \(p = a \hat x =a \frac{a^Tb}{a^Ta} = \frac{aa^T}{a^Ta}b\)。因此,投影矩阵 \(P = \frac{aa^T}{a^Ta}\)。

如果向量 \(a\) 变为两倍,投影矩阵 \(P\) 不变,它还是投影到同一条直线。如果投影矩阵平方,那就是进行两次投影,和进行一次投影是一样的结果,因此有 \(P^2=P\)。

同时,\(I-P\) 也是一个投影矩阵,\((I-P)b = b-p = e\)。当 \(P\) 投影到一个子空间时,\(I-P\) 投影到和它垂直的另一个子空间。

3. 到子空间的投影

假设 \(n\) 个 \(\boldsymbol R^m\) 空间中的向量 \(a_1,\cdots,a_n\) 是线性不相关的,我们想找到一个线性组合 \(p=\hat x_1 a_1+\cdots+\hat x_n a_n\) 使得 \(p\) 距离一个给定向量 \(b\) 最近。

\(a_1,\cdots,a_n\) 可以看做是矩阵 \(A\) 的列,我们要找的线性组合是在矩阵 \(A\) 的列空间中。我们要找的是距离\(b\) 最近的一个组合 \(A\hat x\),也就是 \(b\) 在列空间的投影。

同理,误差 \(e=b-A\hat x\) 垂直于子空间,也就是垂直于子空间的所有向量。

也即

\[A^T(b-A\hat x) = 0 \to A^TA\hat x = A^Tb\]

\(A^TA\) 是一个 n×n 的矩阵,因为 \(A\) 的列是线性不相关的,所以其是可逆的。可得线性组合系数为

\[\hat x = (A^TA)^{-1}A^Tb \]

所以有,投影和投影矩阵分别为

\[p = A \hat x = A(A^TA)^{-1}A^Tb\]

\[P = A(A^TA)^{-1}A^T\]

由 \(A^T(b-A\hat x) = 0\) 可知,误差 \(e\) 位于 \(A\) 的左零空间 \(N(A^T)\) 中,向量 \(b\) 被分为了投影 \(p\) 和误差 \(e\) 两部分。

\(A^TA\) 是可逆的当且仅当 \(A\) 的列是线性不相关的。

当 \(Ax=0\) 时,我们有 \(A^TAx=0\)。而当 \(A^TAx=0\) 时,我们有

\[x^TA^TAx=0 \to (Ax)^TAx = 0 \to Ax = 0\]

因此 \(A^TA\) 和 \(A\) 有着一样的零空间,当 \(A\) 的列线性不相关时,\(A^TA\) 是一个方阵,对称并且可逆。

获取更多精彩,请关注「seniusen」!

原文地址:https://www.cnblogs.com/seniusen/p/9994177.html

时间: 2024-11-02 09:56:16

线性代数之——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.   

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

漫步线性代数十六——投影和最小二乘

目前为止,我们已经知道Ax=b要么有解要么无解,如果b 不在列空间C(A) 里,那么这个系统就是矛盾的,高斯消元法就会失败.当有几个方程和一个未知量时失败完全可以确定: 2x3x4x===b1b2b3 当b1,b2,b3的比率是2:3:4时,上面的方程组才可解,也就是说只有b 和列a=(2,3,4)在一条直线上时x才会存在. 尽管他们无解,可是他们在实际中经常出现,他们必须有解!一种可能是用系统的一部分来确定x,其余部分忽略:如果所有的m个方程来源一样,这种方法就不合理.我们放弃这种一些方程没误

【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

线性代数导论35——线性代数全总结(麻省理工公开课:线性代数)

课程介绍 "线性代数",同微积分一样,是高等数学中两大入门课程之一,不仅是一门非常好的数学课程,也是一门非常好的工具学科,在很多领域都有广泛的用途.本课程讲述了矩阵理论及线性代数的基本知识,侧重于那些与其他学科相关的内容,包括方程组.向量空间.行列式.特征值.相似矩阵及正定矩阵. [第1集] 方程组的几何解释    [第2集] 矩阵消元    [第3集] 乘法和逆矩阵    [第4集] A的LU分解    [第5集] 转置-置换-向量空间R    [第6集] 列空间和零空间    [第

[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

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