一维空间的投影矩阵
先来看一维空间内向量的投影:
![ae4e9780bec9e30ba8a7face21ef3524.png](https://i-blog.csdnimg.cn/blog_migrate/dd4ea77dc4fbb01154b1df3fd46428f7.png)
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:
![bcb659f2ea22ab790a1ebaaccff25dba.png](https://i-blog.csdnimg.cn/blog_migrate/2b1c10932f0bcfa027e709d5cf0118f8.png)
我们希望化简这个式子从而得出x:
![9a509d038af1439715455621520b8c26.png](https://i-blog.csdnimg.cn/blog_migrate/cf1f32213e1b889cc391b11bcef9b22d.jpeg)
x是一个实数,进一步得到x:
![850d7cc98c501d34438fe6902c0e6e5f.png](https://i-blog.csdnimg.cn/blog_migrate/d597f290e67d55059cef2df1ec356701.jpeg)
现在可以写出向量p的表达式,这里的x是个标量:
![75824f744c58321f0808525e22219e2a.png](https://i-blog.csdnimg.cn/blog_migrate/02832ac8ab926cbf962f2489e571a115.jpeg)
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
![010578bccf8878b6236c7c28c79d42b7.png](https://i-blog.csdnimg.cn/blog_migrate/ceca7d4dfda8c8ba72ceb05fa3155f2e.png)
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:
![dfd4a34224bf43feeb91d61485b2a417.png](https://i-blog.csdnimg.cn/blog_migrate/a97371547a548b5e9014570f6acd31ad.png)
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:
<