Loading [MathJax]/jax/output/HTML-CSS/jax.js

线性代数 Cheat Sheet 6-3:正交投影

  R2 中点在通过原点的直线上的正交投影和 Rn 的情形非常类似。对给定向量 yRn 中子空间 W,存在属于 W 的向量 ˆy 满足:(1)W 中有唯一向量 ˆy,使得 yˆyW 正交,(2)ˆyW 中唯一最接近 y 的向量。

  定理 8(正交分解定理)若 RRn 的一个子空间,那么 Rn 中每一个向量 y 可以唯一表示为

y=ˆy+z

其中 ˆy 属于 Wz 属于 W。实际上,如果 {u1,,up}W 的任意正交基,那么

ˆy=yu1u1u1u1++yupupupup

z=yˆy

  (1) 式中的 ˆy 称为 yW 上的正交投影,常记作 ProjWy。当 W 是一维子空间时,ˆy 的公式和前文一致。

  分解式 (1) 的唯一性表明,正交投影 ˆy 仅依赖于 W,而不依赖 (2) 中使用的特殊基。

1. 正交投影的性质

  如果 {u1,,up}W 的正交基,且若 y 正好属于 W,那么 ProjWy 的公式和前文定理 5y 的表达式完全一致。此时,ProjWy=y

yW=Span{u1,,up},ProjWy=y

  定理 9(最佳逼近定理)假设 WRn 的一个子空间,yRn 中的任意向量,ˆyyW 上的正交投影,那么 ˆyW 中最接近 y 的点,也就是

yˆy<yv

对所有属于 W 又异于 ˆyv 成立。

  定理 9 中的向量 ˆy 称为 W 中元素对 y 的最佳逼近。用 yv 表示的从 yv 的距离可以认为是用 v 代替 y 的“误差”。定理 8 说明误差在 v=ˆy 处取得最小值。

  定理 10 如果 {u1,,up}Rn 中子空间 W 的单位正交基,那么

ProjWy=(yu1)u1+(yu2)u2++(yup)up

如果 U=[u1u2up],则

ProjWy=UUTy,yRn

  若 U 是列单位正交的 n×p 矩阵,WU 的列空间,那么

UTUx=Ipx=x,RpxUUTy=ProjWy,Rny

如果 Un×n (方)阵,且列单位正交,那么 U 是正交矩阵,列空间 W 是全部 Rn 空间。此时有 U1=UTUUT=UU1=I,故 UUTy=Iy=y,对所有 yRn 成立。