CP15中讲了投影矩阵的初步,最后得到一个公式
P
m
=
A
(
A
T
A
)
−
1
A
T
P_m=A(A^TA)^{-1}A^T
Pm=A(ATA)−1AT,用投影矩阵左乘向量
b
b
b,本质上是把向量
b
b
b往
P
m
P_m
Pm的列空间投影。存在两种情况:
1.
b
b
b本来就在
A
A
A的列空间内,满足
A
x
=
b
Ax=b
Ax=b,那么得到的就是
b
b
b的本身;
2.
b
b
b垂直于
A
A
A的列空间,前面讲过,矩阵的列空间和其自身的左零空间垂直,那么
b
b
b就是位于
A
A
A的左零空间内,即
A
T
b
=
0
A^Tb=0
ATb=0,投影得到的就是0了。
情况1:
P
m
b
=
A
(
A
T
A
)
−
1
A
T
b
=
A
(
A
T
A
)
−
1
A
T
A
x
=
A
(
(
A
T
A
)
−
1
A
T
A
)
x
=
A
x
=
b
\begin{align*} P_mb &= A(A^TA)^{-1}A^Tb \\ &= A(A^TA)^{-1}A^TAx \\ &= A((A^TA)^{-1}A^TA)x\\ &=Ax=b \end{align*}
Pmb=A(ATA)−1ATb=A(ATA)−1ATAx=A((ATA)−1ATA)x=Ax=b
情况2:
P
m
b
=
A
(
A
T
A
)
−
1
A
T
b
=
A
(
A
T
A
)
−
1
(
A
T
b
)
=
A
(
A
T
A
)
−
1
0
=
0
\begin{align*} P_mb &=A (A^TA)^{-1}A^Tb \\ &= A(A^TA)^{-1}(A^Tb) \\ &=A(A^TA)^{-1}0\\ &=0 \end{align*}
Pmb=A(ATA)−1ATb=A(ATA)−1(ATb)=A(ATA)−10=0
b
b
b投影到了
A
A
A的列空间中一部分,还剩一部分为
e
=
(
I
−
P
m
)
b
e=(I-P_m)b
e=(I−Pm)b映射在
A
A
A的左零空间,
e
e
e代表将
b
b
b投影成
p
p
p的误差,如果
b
b
b完全与
p
p
p贴合,那么
e
=
0
e=0
e=0
如果矩阵的列向量是相互垂直的单位向量,则他们一定是线性无关的。这种向量称为标准正交
例如:
[
1
0
0
]
[
0
1
0
]
[
0
0
1
]
\begin{bmatrix}1\\0\\0\end{bmatrix}\begin{bmatrix}0\\1\\0\end{bmatrix}\begin{bmatrix}0\\0\\1\end{bmatrix}
⎣
⎡100⎦
⎤⎣
⎡010⎦
⎤⎣
⎡001⎦
⎤
CP.16投影矩阵补充
最新推荐文章于 2024-08-15 21:53:17 发布