如何将一个向量投影到一个平面上_线性代数19——投影矩阵和最小二乘

一维空间的投影矩阵

　　先来看一维空间内向量的投影：

　　向量p是b在a上的投影，也称为b在a上的分量，可以用b乘以a方向的单位向量来计算，现在，我们打算尝试用更“贴近”线性代数的方式表达。

　　因为p趴在a上，所以p实际上是a的一个子空间，可以将它看作a放缩x倍，因此向量p可以用p = xa来表示，只要找出x就可以了。因为a⊥e，所以二者的点积为0：

　　我们希望化简这个式子从而得出x：

　　x是一个实数，进一步得到x：

都是点积运算，最后将得到一个标量数字。这里需要抑制住消去

的冲动，向量是不能简单消去的，a和b都是2×1矩阵，矩阵的运算不满足

乘法交换律，

无法先和

计算。

　　现在可以写出向量p的表达式，这里的x是个标量：

　　这就是b在a上的投影了，它表明，当b放缩时，p也放缩相同的倍数；a放缩时，p保持不变。
　　由于向量点积

是一个数字，p可以进一步写成：

　　在一维空间中，分子是一个2×2矩阵，这说明向量b的在a上的投影p是一个矩阵作用在b上得到的，这个矩阵就叫做投影矩阵（Projection Matrix），用大写的P表达：

　　推广到n维空间，a是n维向量，投影矩阵就是n×n的方阵。观察投影矩阵会法发现，它是由一个列向量乘以一个行向量得到的：

<