0、前言
复向量的内积：它是两个复向量相似度的复数度量，模反映模式匹配程度，辐角反映整体相位差。
下一步自然要问：怎么把这种相似度变成“一个向量中真正与另一个向量同步的那部分？"
这就是投影。
1、投影的定义
在Cn\mathbb{C}^nCn中，给定一个非零向量v\mathbf{v}v，对任意u\mathbf{u}u，我们找到了**沿v\mathbf{v}v方向的向量p\mathbf{p}p，使得u−p\mathbf{u-p}u−p与v\mathbf{v}v正交（内积为0）
这个p\mathbf{p}p就叫做u\mathbf{u}u在v\mathbf{v}v上的正交投影。
利用标准厄米内积⟨a,b⟩=∑a‾kbk\langle \mathbf{a}, \mathbf{b} \rangle = \sum\overline{a}_kb_k⟨a,b⟩=∑akbk，正交条件为：
⟨v,u−p⟩=0 \langle \mathbf{v}, \mathbf{u-p} \rangle = 0⟨v,u−p⟩=0
令p=cv\mathbf{p} = c\mathbf{v}p=cv，其中c∈Cc\in\mathbb{C}c∈C，代入：
⟨v,u⟩−c⟨v,v⟩=0 ⟹ c=⟨v,u⟩∥v∥2 \langle \mathbf{v}, \mathbf{u} \rangle-c\langle \mathbf{v},\mathbf{v}\rangle = 0 \implies c=\frac{\langle \mathbf{v}, \mathbf{u} \rangle}{\|\mathbf{v}\|^2}⟨v,u⟩−c⟨v,v⟩=0⟹c=∥v∥2⟨v,u⟩
因此得到复向量投影的完整定义：
projvu=⟨v,u⟩∥v∥2v\boxed{ \mathbf{proj}_{\mathbf{v}}\mathbf{u} = \frac{\langle \mathbf{v}, \mathbf{u} \rangle}{\|\mathbf{v}\|^2}\mathbf{v} }projvu=∥v∥2⟨v,u⟩v
几点说明：
- 投影结果是一个向量，依然平行于v\mathbf{v}v，只是被复数系数ccc缩放（包括幅度和相位）。
- 系数ccc的分子是⟨v,u⟩\langle \mathbf{v}, \mathbf{u} \rangle⟨v,u⟩，这与我们内积定义中第一个向量取共轭一致。
- 当v\mathbf{v}v是单位向量∥v∥=1\|\mathbf{v}\|=1∥v∥=1时，公式退化为极简形式：
projvu=⟨v,u⟩v\boxed{ \mathbf{proj}_{\mathbf{v}}\mathbf{u} = \langle \mathbf{v}, \mathbf{u} \rangle\mathbf{v} }projvu=⟨v,u⟩v
- 模∣c∣|c|∣c∣：决定了投影向量的长度∥p∥=∣c∣⋅∥v∥\|\mathbf{p}\|=|c|\cdot\|\mathbf{v}\|∥p∥=∣c∣⋅∥v∥。它度量的是u\mathbf{u}u在v\mathbf{v}v方向上的“有效振幅”——只有那些与v\mathbf{v}v同模式的分量才能被保留。
- 辐角argcarg cargc：将v\mathbf{v}v旋转这个角度后，投影p\mathbf{p}p与u\mathbf{u}u的剩余分量在复内积意义下达到“最同相”。实际上，argcargcargc恰好是v\mathbf{v}v和u\mathbf{u}u之间的“加权平均相位差”（现在是从v\mathbf{v}v到u\mathbf{u}u的方向）。
- u\mathbf{u}u在v\mathbf{v}v方向上的投影，是v\mathbf{v}v方向上离u\mathbf{u}u最近的那个向量。
2、正交分解——把任何一个向量撕成两半
2.1、定义
投影的直接产物是正交分解：
u=p+w, p=projvu, w=u−p \mathbf{u}=\mathbf{p}+\mathbf{w}, \ \ \ \mathbf{p}=\mathbf{proj}_{\mathbf{v}}\mathbf{u}, \ \ \ \ \mathbf{w} = \mathbf{u} - \mathbf{p}u=p+w,p=projvu,w=u−p
其中：
- p\mathbf{p}p平行于v\mathbf{v}v（相干分量）
- w\mathbf{w}w与v\mathbf{v}v正交，即⟨v,w⟩=0\langle \mathbf{v}, \mathbf{w} \rangle = 0⟨v,w⟩=0（不相干分量）
而且范数满足勾股定理（在厄米内职下）：
∥u∥2=∥p∥2+∥w∥2 \|\mathbf{u}\|^2 = \|\mathbf{p}\|^2+\|\mathbf{w}\|^2∥u∥2=∥p∥2+∥w∥2
2.2、计算实例
给定向量是:
v=(1i), u=(2+i1+2i) \mathbf{v}=\begin{pmatrix} 1 \\ i \end{pmatrix}, \ \ \ \mathbf{u} = \begin{pmatrix} 2+i \\ 1+2i \end{pmatrix}v=(1i),u=(2+i1+2i)
投影公式：
p=⟨v,u⟩⟨v,v⟩v=(22i) \mathbf{p} = \frac{\langle \mathbf{v},\mathbf{u} \rangle}{\langle \mathbf{v},\mathbf{v} \rangle}\mathbf{v}=\begin{pmatrix} 2 \\ 2i \end{pmatrix}p=⟨v,v⟩⟨v,u⟩v=(22i)
w=u−p=(i1) \mathbf{w}=\mathbf{u}-\mathbf{p}=\begin{pmatrix} i \\ 1 \end{pmatrix}w=u−p=(i1)
几何意义：
- p=(22i)\mathbf{p} =\begin{pmatrix} 2 \\ 2i \end{pmatrix}p=(22i)平行于v=(1i)\mathbf{v} =\begin{pmatrix} 1 \\ i \end{pmatrix}v=(1i)，是u\mathbf{u}u中与v\mathbf{v}v“同模式”的相干分量。
- w=(i1)\mathbf{w} =\begin{pmatrix} i \\ 1 \end{pmatrix}w=(i1)是与v\mathbf{v}v正交，是u\mathbf{u}u中与v\mathbf{v}v“完全不相干”的残留部分。
- 整个分解类似于直角三角形：u\mathbf{u}u是斜边，p\mathbf{p}p和w\mathbf{w}w是两直角边，厄米内积下的勾股定理保证了长度的平方分解。
3、直观理解——“相干分量提取器”
你可以把投影想象成一台复杂的滤波器：
- 你有参考信号v\mathbf{v}v（比如某个期望的极化状态，或者波导中的某个模式）。
- 你拿进来的实际信号是u\mathbf{u}u
- 投影运算问两个问题：
- u\mathbf{u}u里面有多少振幅是跟着v\mathbf{v}v的节奏走的？，由∣c∣|c|∣c∣回答。
- 这个节奏整体比v\mathbf{v}v领先或落后了多少相位？，由argcargcargc回答。
- 然后把v\mathbf{v}v按这两个答案缩放旋转，就得到了“相干复制品”p\mathbf{p}p。
- 剩下的w\mathbf{w}w则是与v\mathbf{v}v彻底“不合拍”的部分，无论振幅多大，投影后都归零。
当⟨v,u⟩=0\langle \mathbf{v}, \mathbf{u}\rangle=0⟨v,u⟩=0时，投影系数为零，投影本身就是零向量。这就意味着在v\mathbf{v}v的方向上，u\mathbf{u}u没有任何有效成分，它们完全正交，就像垂直极化天线收不至水平极化波一样。
