저번 포스팅에서 정사영이 무엇인지 간략하게 알아보았습니다.
이번에는 정사영에 대해 자세히 배워보도록 하겠습니다.
저번 시간에 배운 내용을 복습해보겠습니다.

벡터 y와 부분공간 W가 주어졌을 때, y를 서로 직교하는 두 개의 벡터 합으로 분해할 수 있다고 배웠습니다.

여기서 ˆy는 W 부분공간 안에 있으며 다음과 같이 구할 수 있습니다.

1. 이론 8 직교 분해 이론(The Orthogonal Decomposition Theorem)

벡터 y를 두 개의 벡터로 분해(decomposition)할 수 있으며 ˆy는 W 부분 공간안에 존재하고 z는 W⊥에 존재합니다.
만약 {u1,...,up}가 W의 직교 기저(orthogonal basis) 이면 ˆy는 u의 선형 결합(linear combination)으로 표현되고 각각의 가중치(weight)는 다음과 같이 표현할 수 있습니다.

그리고 z는 ˆy에 직교하며 y-ˆy로 나타낼 수 있습니다.

만약 y가 W에 존재할때, y를 W에 projection하면 y가 나옵니다.
예시 문제
W의 직교 기저인 u1,u2와 y가 주어졌을 때, y를 W에 있는 벡터와 W와 직교하는 벡터의 합으로 분해하는 문제입니다.


문제에서 묻는 것은 y를 아래 식으로 표현하는 것입니다.

ˆy는 다음과 같이 구할 수 있습니다.

그리고 z는 다음과 같이 구할 수 있습니다.

따라서 정답은 다음과 같이 됩니다.

2. 정사영의 기하학적 해석(A geometric interpretation of the Orthogonal Projection)
y를 2차원 평면 W에 projection 하는 것을 생각해 보겠습니다.
평면 W는 직교 기저 u1,u2가 span 합니다.
y를 평면 W에 projection 하는 방법은 각각의 직교 기저에 projection 한 것을 더해주면 됩니다.

^y1 은 u1에 projection 한 것이고
^y2 는 u2에 projection 한 것입니다.
3. 이론 9. 최고 근사 이론(The best approximation theorem)

특정 벡터 y와 부분 공간 W 간의 제일 짧은 거리를 구하는 이론입니다.
y를 W에 projection 한 ˆy가 y와 W에 제일 가까운 곳입니다.
증명
ˆy과 다른 W안에 있는 벡터 v를 생각해보겠습니다.
ˆy와 v 둘 다 W안에 있게 되고 ˆy - v도 W안에 있게 됩니다.
직교 분해 이론에 의해 y-ˆy는 W에 직교하게 됩니다.
마찬가지로 ˆy-v도 W에 있으므로 y-ˆy와 직교합니다.
따라서 다음과 같이 표현할 수 있습니다.

위 식에서 피타고라스의 정리에 의해 다음과 같이 표현됩니다.

따라서 다음 식이 성립하게 됩니다.


예제 문제
W는 span{u1,u2}이고 u1 = (5, -2, 1), u2 = (1, 2, -1), y = (-1, -5, 1-)으로 주어졌을 때 y와 W의 거리를 구하는 문제입니다.




따라서 W와 y의 거리는 다음과 같이 구할 수 있습니다.

4. 이론 10

{u1,...,up}가 W에 대한 정규 직교 기저(orthonomal basis)일 때, y를 W에 projection 한 것은 다음과 같이 표현할 수 있습니다.

u⋅u가 생략되었는데 이는 1이기 때문입니다.
만약 U를 [u1,...,up]로 표현한다면 y를 W에 projection 한 것은 다음과 같이 표현할 수 있습니다.

David C.Lay 의 Linear algebra and its application를 공부하면서 정리해보았습니다. 감사합니다.

'수학 > 선형대수학' 카테고리의 다른 글
[선형대수학] 5.5 최소자승법(Least-Squares Problems) (8) | 2020.12.28 |
---|---|
[선형대수학] 5.4 그람슈미트 과정과 QR 분해(Gram-Schmidt process and QR factorization) (1) | 2020.12.27 |
[선형대수학] 5.2 직교 집합(Orthogonal Sets)과 정사영(Orthogonal Projection) (1) | 2020.12.23 |
[선형대수학] 5.1 내적(Inner Product), 길이(Length) 그리고 직교성(Orthogonality) (0) | 2020.12.22 |
[선형대수학] 4.4 고유벡터와 선형변환(Eigenvectors and Linear Transformation) (0) | 2020.12.08 |