求投影到同一子空间但核不同的n×n投影矩阵实例

开发者阿泽

2026-5-19

哈哈，这个问题我刚学线性代数的时候也困惑过！核心误区是把「投影矩阵」和「正交投影矩阵」画等号了——正交投影的核确实是唯一的（就是子空间$L$的正交补），但斜投影完全可以有不同的核，只要它们和$L$构成整个空间的直和就行！

先理清楚核心概念

投影矩阵的定义很简单：满足$P^2 = P$的矩阵，它的像空间$\text{Im}(P)$就是要投影到的子空间$L$。而核$\ker(P)$是所有被“压”到0的向量集合，必须满足$\mathbb{R}^n = L \oplus \ker(P)$（直和分解，也就是$L$和$\ker(P)$没有非零交集，加起来覆盖整个空间）。

正交投影是特殊的斜投影，它的核刚好是$L$的正交补$L^\perp$，但对于一般的斜投影，只要找到任意一个和$L$直和的子空间$M$，就能构造出以$L$为像、$M$为核的投影矩阵。

拿2维空间举个具体例子（直观好懂）

我们选$L$为$\mathbb{R}^2$里的x轴，也就是$\text{span}{(1,0)}$：

第一个投影：正交投影$P$
这是大家最熟悉的，矩阵长这样：
```
P = [[1, 0],
     [0, 0]]
```
它的像就是x轴$L$，核是y轴$\text{span}{(0,1)}$（x轴的正交补）。
第二个投影：斜投影$Q$（核不同，但像还是$L$）
我们换一个子空间$M = \text{span}{(1,1)}$，这个$M$和x轴$L$没有非零交集，而且加起来能覆盖整个$\mathbb{R}^2$（满足直和条件）。
怎么构造$Q$呢？思路是：对任意向量$(x,y)$，把它拆成x轴上的向量 + $M$里的向量，然后$Q$只保留x轴上的部分。
设$(x,y) = (a,0) + (b,b)$，解这个方程组：
$x = a + b$，$y = b$ → $b = y$，$a = x - y$。
所以$Q(x,y) = (x-y, 0)$，对应的矩阵就是：
```
Q = [[1, -1],
     [0,  0]]
```
验证一下：
1. $Q^2 = Q$：计算得$Q \times Q = [[1,-1],[0,0]]$，确实等于$Q$，符合投影矩阵的要求；
2. $\text{Im}(Q)$：列空间是$\text{span}{(1,0)}$，就是我们要的$L$；
3. $\ker(Q)$：解$Q\mathbf{x}=0$，得到$x_1 = x_2$，也就是$\text{span}{(1,1)}$，和$P$的核（y轴）完全不一样！

推广到n维空间的通用方法

不管n多大，只要按下面的步骤来，就能造出无数个投影到$L$但核不同的矩阵：

取$L$的一组基${\mathbf{l}_1, \dots, \mathbf{l}_k}$（k是$L$的维度）；
找任意一个n-k维子空间$M$，确保$L$和$M$的交集只有零向量（也就是两组基拼起来是$\mathbb{R}^n$的一组基）；
构造一个矩阵，让它在${\mathbf{l}_1, ..., \mathbf{l}_k, \mathbf{m}1, ..., \mathbf{m}{n-k}}$这组基下的形式是$\begin{pmatrix} I_k & 0 \ 0 & 0 \end{pmatrix}$（$I_k$是k阶单位阵，0是零矩阵）；
通过基变换把这个矩阵转换成标准基下的形式，就得到了目标投影矩阵。

只要换不同的$M$，就能得到不同核的投影矩阵，它们的像都是$L$。

内容的提问来源于stack exchange，提问作者D F