MIT linear algebra 18.06 第十四课笔记
第十四课重点:
- orthogonal vector & subspace
- nullspace & rowspace
- N(ATA)=N(A) N ( A T A ) = N ( A )
在前面的课程中我们知道:一个矩阵 A A 的行空间垂直于它的零空间。列空间垂直于的零空间。
回想一下,如果两个向量 x x 和垂直,那么 xTy=0 x T y = 0 。如果从几何的角度来理解 ||x||2+||y||2=||x+y||2 | | x | | 2 + | | y | | 2 = | | x + y | | 2 。将这个式子写开就是 xTx+yTy=(x+y)T(x+y)=xTy+yTy+xTy+yTx x T x + y T y = ( x + y ) T ( x + y ) = x T y + y T y + x T y + y T x ,进而可以得出 xTy=0 x T y = 0 。
由于向量是一维的,我们可以类比将其推广至多维空间有:子空间 S S 垂直于另一个子空间意味着在 S S 中的每个向量垂直于每个在中的向量。
从式(1)可以看出,一个矩阵的零空间中的向量是垂直于行向量的。 rowT1x=0 r o w 1 T x = 0 且 rowT2x=0 r o w 2 T x = 0 。这两个正交子空间的维度和为 n n .
nullspace and rowspace are orthogonal complements in
零空间中所有的向量都是垂直于行空间的。
如何求解一个无解方程组的解?这个问题看起来莫名其妙,但是在实际问题中我们时常会遇到。
Ax=b A x = b when there is no solution and m>n,”Solve”
当方程数特别多时,右侧难免会混入“坏数据”,也就会导致方程组无解。但是我们面对这样的情形需要求一个最优解。
ATA A T A 是对对称的,证明: (ATA)T=ATA ( A T A ) T = A T A 。
N(ATA)=N(A) N ( A T A ) = N ( A ) ,矩阵 ATA A T A 的秩等于矩阵 A A 的秩。
如果矩阵中的列是线性独立的(independent),那么矩阵 ATA A T A 是可逆的(invertible)。