![](https://csdnimg.cn/release/download_crawler_static/86980555/bg7.jpg)
相互正交子空间 定义:若分别从两子空间 U
1
、U
2
各任取一矢量均相互正交,则称该
两子空间是相互正交的。
两子空间之和 由子空间 U
1
的知量和子空间 U
2
的矢量的所有线性组合所组成的子空
间,称为该两子空间之和,记为
U
1
U
2
。在本章中为简便起见为 U
1
U
2
。图 4.2(b)的平面
即为由 x 张成的子空间与由 y 张成的子空间之和。
<定理 4.1> 投影定理。给定希尔伯特空间 H 中的子空间 U 和矢量 x,在 U 中必有唯一
矢量 P
U
x,使得对 U 中的任何矢量 y 均有
x P
U
x, y 0
(4.2.8)
P
U
x 称为 x 在 U 中的投影矢量。换句话说,由 x-P
U
x 张成的一维子空间与子空间 U 正交。
<定理 4.2> 对矢量 x 来说,U 中矩 x 最近的矢量为 x 在 U 中的投影 P
U
x。即对 U 中不
等于 P
U
x 的任何矢量 y 均有
x P
U
x x y
(4.2.9)
<定理 4.3> 若 U
1
、U
2
为希尔伯特空间 H 中的两相互正交的子空间,则对 H 中的任一
矢量 x 有
P
U
1
U
2
x P
U
1
x P
U
2
x
(4.2.10)
根据投影定理(定理 4.1),不难证明定理 4.2 和定理 4.3。
本章所讨论的最小二乘自适应算法涉及的矢量空间为 n 维欧几里得空间。它是一种希尔
伯特空间,所以具有希尔伯特空间的一切性质。
还需要说明的是,在最小二乘自适应算法中,常要求相应的欧几里得空间之内积按下式
定义。
x, y x
T
y
(4.2.11)
(4.2.12)其中
Diag
n1
, ,
,1
且
0
1。
的引入是为了对新数据给予较重的权。我们在§4.1 已经对此作了说明。通
常取
为 0.90~1.00。因为
的选择不是临界的,所以我们在以下的讨论中取
=1。这样,
内积的定义为
x, y x y
,即式(4.2.2)。在需要时,读者将不难把我们的讨论推广到
1
的情况。
4.2.2 投影矩阵
我们先来看在 n 维欧几里得空间中矢量 x 在矢量 u 上的投影 P
U
x 的表达式。因为 P
U
x
在子空间{u}中(图 4.3),所以可写成
T
P
u
x
u
(4.2.13)
其中
是待定系数。根据投影定理(4.2.8)有
7