🎯 NE ÖĞRENECEĞİZ?
Bu sayfada projection matrix (izdüşüm matrisi) kavramını, bir vektörün bir altuzay üzerine dik izdüşümünü, projeksiyon matrisinin özelliklerini ($P^2 = P$, $P^T = P$) ve en küçük kareler (least squares) problemleriyle ilişkisini öğreneceğiz.
📊 Projection Matrix Nedir?
Bir projection matrix (izdüşüm matrisi veya projeksiyon matrisi), bir vektörü belirli bir altuzay üzerine dik olarak (ortogonal olarak) izdüşüren lineer dönüşümün matris temsilidir.
Geometrik olarak: Bir $v$ vektörü verildiğinde, onu bir $W$ altuzayına en yakın noktaya (yani $W$ üzerindeki dik izdüşümüne) götüren dönüşümdür.
🔴 TANIM
$$ \text{Proj}_W(v) = P \cdot v $$
$P$: $W$ altuzayına izdüşüm matrisi
Burada $P$, $W$ altuzayını görüntü (image) olarak alan ve $W^\perp$'yi çekirdek (kernel) olarak alan lineer dönüşümün matrisidir.
🔢 Projection Matrix Formülü
$A$ matrisinin sütunları $W$ altuzayını germe (span) ediyorsa ve sütunları lineer bağımsız ise, $W$ üzerine izdüşüm matrisi:
$$ P = A(A^T A)^{-1} A^T $$
$A$: $W$'yi geren matris ($n \times k$), $k$ = boyut
Eğer $A$'nın sütunları ortonormal ise, $A^T A = I$ olur ve formül basitleşir:
$$ P = A A^T \quad \text{(sütunlar ortonormal ise)} $$
Özel olarak, eğer $W$ bir doğru (1-boyutlu altuzay) ise ve $a$ bu doğruyu geren bir vektör ise:
$$ P = \frac{a a^T}{a^T a} $$
Bir doğruya izdüşüm matrisi
✨ Projection Matrix'in Özellikleri
🟢 İDEMPOTENTLİK
$$ P^2 = P $$
Bir vektörü izdüşürdükten sonra tekrar izdüşürmek, vektörü değiştirmez. Çünkü izdüşüm zaten altuzay üzerindedir.
🟡 SİMETRİKLİK (ORTOGONAL PROJEKSİYON)
$$ P^T = P $$
Dik (ortogonal) izdüşüm matrisi simetriktir. Bu özellik, izdüşümün "dik" olmasından gelir.
🟣 ÖZDEĞERLER
$$ \text{Özdeğerler: } 0 \text{ ve } 1 $$
Projection matrix'in özdeğerleri sadece 0 ve 1'dir. 1 özdeğerinin çokluğu, altuzayın boyutuna eşittir ($\text{rank}(P) = \text{dim}(W)$).
🔴 İZ (TRACE)
$$ \text{trace}(P) = \text{rank}(P) = \text{dim}(W) $$
Projection matrix'in izi, altuzayın boyutuna eşittir.
📝 Örnek 1: Doğruya İzdüşüm
$a = \begin{bmatrix} 1 \\ 2 \end{bmatrix}$ vektörünün gerdiği doğruya izdüşüm matrisini bulalım.
1
Formülü uygulayalım
$P = \dfrac{a a^T}{a^T a}$
2
$a a^T$'yi hesaplayalım
$$ a a^T = \begin{bmatrix} 1 \\ 2 \end{bmatrix} \begin{bmatrix} 1 & 2 \end{bmatrix} = \begin{bmatrix} 1 & 2 \\ 2 & 4 \end{bmatrix} $$
3
$a^T a$'yı hesaplayalım
$$ a^T a = \begin{bmatrix} 1 & 2 \end{bmatrix} \begin{bmatrix} 1 \\ 2 \end{bmatrix} = 1^2 + 2^2 = 5 $$
4
Projection matrix'i yazalım
$$ P = \frac{1}{5} \begin{bmatrix} 1 & 2 \\ 2 & 4 \end{bmatrix} = \begin{bmatrix} 0.2 & 0.4 \\ 0.4 & 0.8 \end{bmatrix} $$
✅ KONTROL
$P^2 = P$ ve $P^T = P$ özelliklerini kontrol edelim:
$$ P^2 = \begin{bmatrix} 0.2 & 0.4 \\ 0.4 & 0.8 \end{bmatrix}^2 = \begin{bmatrix} 0.2 & 0.4 \\ 0.4 & 0.8 \end{bmatrix} = P $$
$P^T = P$ olduğu açıktır (matris simetrik). ✓
📝 Örnek 2: Düzleme İzdüşüm
$W$ altuzayı, $A = \begin{bmatrix} 1 & 0 \\ 0 & 1 \\ 1 & 1 \end{bmatrix}$ matrisinin sütunları tarafından gerilsin. $W$ üzerine izdüşüm matrisini bulalım.
1
$A^T A$'yı hesaplayalım
$$ A^T A = \begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 \\ 0 & 1 \\ 1 & 1 \end{bmatrix} = \begin{bmatrix} 2 & 1 \\ 1 & 2 \end{bmatrix} $$
2
$(A^T A)^{-1}$'i bulalım
$$ (A^T A)^{-1} = \frac{1}{2 \cdot 2 - 1 \cdot 1} \begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix} = \frac{1}{3} \begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix} $$
3
$P = A(A^T A)^{-1}A^T$'yi hesaplayalım
$$ P = \begin{bmatrix} 1 & 0 \\ 0 & 1 \\ 1 & 1 \end{bmatrix} \cdot \frac{1}{3} \begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix} \cdot \begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \end{bmatrix} $$
Önce $A \cdot (A^T A)^{-1}$:
$$ A(A^T A)^{-1} = \frac{1}{3} \begin{bmatrix} 1 & 0 \\ 0 & 1 \\ 1 & 1 \end{bmatrix} \begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix} = \frac{1}{3} \begin{bmatrix} 2 & -1 \\ -1 & 2 \\ 1 & 1 \end{bmatrix} $$
Sonra $A(A^T A)^{-1} \cdot A^T$:
$$ P = \frac{1}{3} \begin{bmatrix} 2 & -1 \\ -1 & 2 \\ 1 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \end{bmatrix} = \frac{1}{3} \begin{bmatrix} 2 & -1 & 1 \\ -1 & 2 & 1 \\ 1 & 1 & 2 \end{bmatrix} $$
✅ ÇÖZÜM
$$ P = \frac{1}{3} \begin{bmatrix} 2 & -1 & 1 \\ -1 & 2 & 1 \\ 1 & 1 & 2 \end{bmatrix} $$
$P$ simetrik ($P^T = P$) ve idempotent ($P^2 = P$) olduğunu kontrol edebilirsiniz. $\text{rank}(P) = 2$ olduğu için izdüşüm yapılan altuzayın boyutu 2'dir.
📊 Projection Matrix ve En Küçük Kareler (Least Squares)
Projection matrix, en küçük kareler (least squares) problemlerinin çözümünde temel bir rol oynar.
$Ax = b$ sistemi tutarsız (inconsistent) olduğunda, yani $b$ vektörü $A$'nın sütun uzayında değilse, en iyi yaklaşık çözüm:
$$ \hat{x} = (A^T A)^{-1} A^T b $$
En küçük kareler çözümü
Bu durumda, $b$'nin $A$'nın sütun uzayına izdüşümü:
$$ \hat{b} = P \cdot b = A(A^T A)^{-1} A^T b $$
$\hat{b}$: $b$'nin izdüşümü
📌 ÖZET
Projection matrix, bir vektörü bir altuzay üzerine dik olarak izdüşürür. $P^2 = P$ (idempotent) ve $P^T = P$ (simetrik) özellikleriyle karakterize edilir. En küçük kareler problemlerinde, verileri en iyi yaklaştıran çözümü bulmak için kullanılır.
📋 Projection Matrix Türleri
| Tür | Formül | Açıklama |
|---|
| Doğruya İzdüşüm | $P = \dfrac{a a^T}{a^T a}$ | 1-boyutlu altuzay (doğru) |
| Genel Altuzay | $P = A(A^T A)^{-1} A^T$ | $A$'nın sütunları altuzayı gerer |
| Ortonormal Sütunlar | $P = A A^T$ | $A^T A = I$ olduğunda |
| Dik İzdüşüm | $P^2 = P, P^T = P$ | Ortogonal projeksiyon |
| Eğik İzdüşüm | $P^2 = P$ (ancak $P^T \neq P$) | Dik olmayan projeksiyon |
💡 UYGULAMA ALANLARI
- Regresyon Analizi: En küçük kareler yöntemiyle verilere doğru/doğru uydurma
- Bilgisayar Grafikleri: 3B nesnelerin 2B ekrana izdüşümü
- Sinyal İşleme: Gürültülü sinyallerden temiz sinyali kestirme
- Makine Öğrenmesi: PCA (Temel Bileşen Analizi) ile boyut indirgeme
- Kuantum Mekaniği: Durum vektörlerinin izdüşümü
← Lineer Cebir ana sayfasına dön