投影(Projection)
上图为二维平面的投影。其中p是b在a方向上的投影,则有:
(1)
(2)
(3)
(正交)
因此可得
进而可得
(P为矩阵:Ax=b的形式,bp均为向量,则A为矩阵)
其中
就是说一个向量b在a方向的投影可写作一个与a有关的矩阵左乘b的形式。
至此,我们得到了本讲的一个重要的矩阵P。P的特殊性质:
为什么进行投影操作
上一讲讲到的,当
无解的时候,如何求近似解的情况。
没有解,也就是说b不在A的列空间里,所以,如果为了尽量减少对原本方程的影响,我们可以将b映射到A的列空间里, 这样方程就有解了。
例如,以三维空间的平面为例求解无解的
因为Ax=b无解,所以,rank(A) <3,假设rank(A)=2。假设b=p+e,则要将b拆分成两个部分,一个是A的列空间内的部分p,一个是垂直于A的列空间(左零空间)的部分e。
因为A的列空间维数为2(rank(A)=2),假设其一组基底为
。可以理解为A的列空间为平面,a1=(1,0,0),a2=(0,1,0)。则有
考虑e垂直于A的列空间,且
则有
与上述二维平面的结论一致;且说明了e垂直于A的列空间
,e位于
中。
进一步推导:
并带入
则有
则有
显然
也有特殊的性质:
投影矩阵
定义
是向量投影在向量空间
的分向量,称
为投影矩阵,作用是将某个向量投影到一个向量空间中,例如:
表示将
投影到
的列空间中。
性质:
(1)若
在
中,则
(2)若
正交于
,则
最小二乘法(Least Square)
假设有三个数据点(1,1)(2,2)(3,2)我们要找到一条直线尽可能的描述这三个点,设最优直线为
则有
可以写成矩阵形式
显然该方程组无解,但可以利用最小二乘法公式:
进行求解,该方程组有解,且为最优解。在求解最优直线
后,可以根据
求出
在
空间内的分量,并根据
求出线性组合的误差值
。