Grassmann流形 — 用于子空间比较【理论】

SIHENG HUANG

已于 2022-07-07 17:19:11 修改

阅读量2.8k

点赞数 1

文章标签：线性代数拓扑学

于 2022-07-07 16:51:01 首次发布

本文链接：https://blog.csdn.net/Alphonse_Huang/article/details/125662391

版权

本文介绍了Grassmann流形的概念，它用于比较不同维度的子空间。内容包括子空间的定义，Grassmann流形的详细描述，以及在该流形中测量距离的方法，如投影距离、Binet-Cauchy距离、最大相关距离、最小相关距离和Procrustes距离。此外，文章还提到了主要角度在这些距离度量中的关键作用。

摘要由CSDN通过智能技术生成

Grassmann流形 — 用于子空间比较【理论】

1. 子空间

1.1 向量空间/线性空间

向量空间的定义

若一组向量组成的集合 $V$ 在数域 $P$ 上满足加法及乘法运算，则这组向量组成的集合 $V$ 被称为一个向量空间。

1.2 向量子空间/线性子空间

向量子空间定义

若集合 $W$ 是数域 $P$ 上向量空间 $V$ 的一个非空子集，且满足加法及乘法运算，则 $W$ 为 $V$ 的一个向量子空间。

2. Grassmann Manifolds

Mainfolds
Manifolds Described By Wikipedia

Definition

The Grassmannian manifold $\mathcal{G}(m, D)$ refers to the $D - d i m e n s i o n a l$ formed by all $m - d i m e n s i o n a l$ embedded into a $D - d i m e n s i o n a l$ real(or complex) Euclidean space.

An element of $\mathcal{G}(m, D)$ can be represented by an orthonormal matrix $Y$ of size $D$ by $m$ such that $Y ^{'}Y = I_m$ , where $I_m$ is the $m$ by $m$ identity matrix.

For example, $Y$ can be the $m$ basis vectors of a set of pictures in $R^D$ .

However, the matrix representation of a point in $\mathcal{G}(m, D)$ is not unique:

Two matrices $Y_1$ and $Y_2$ are considered the same if and only if $span(Y_1) = span(Y_2)$ , where $s p a n (Y)$ denotes the subspace spanned by the column vectors of $Y$ .
$span(Y_1) = span(Y_2)$ if and only if $Y_1R_1 = Y_2R_2$ for some $R_1, R_2 ∈ O(m)$ .

With this understanding, we will often use the notation $Y$ when we actually mean its equivalence class $s p a n (Y)$ , and use $Y_1 = Y_2$ when we mean $span(Y_1) = span(Y_2)$