1.四个空间:
零空间,列空间,行空间,左零空间。
有一个A矩阵m*n
(1)零空间是指满足Ax=0的线性组合所组成的空间,维数是n-r
(2)列空间,是指列向量的线性组合所产生的空间,维数是r
(3)行空间同理,是行向量所组成的空间,维数也是r
(4)左零空间,该概念较特殊,是指转置A*x=0中解的向量所组成的空间,空间维数是m-r
有两种方法可以求得,第一种直接求方程的解,可以得到基且求得维数。
第二种通过高斯-诺当消元法,通过[A I]=[R E]来求得E,而在这里相当于存在一个EA=R的可能性,但这个跟左零空间有啥关系呢,为什么可以从这个里面找到解呢,这是因为转置(转置A*x)=0的话,就等于转置x*A=0,所以就相当于找到能左乘A得零的解,并求其空间,所以这里就是E的最下方m-r个向量为解。这方面较难一次性看清,可结合https://blog.csdn.net/sunbobosun56801/article/details/82845835来进行理解。
2.勾股定理的另一种表达方式
XTX+YTY=(X+Y)T(X+Y)=(XT+YT)(X+Y)=XTX+XTY+YTX+YTY
3.第十四讲开始讲解投影和最小二乘法等内容,较为重要
R(ATA)=R(A)
投影:
假设求向量b在向量a上的投影为向量pa
所以存在该等式aT(b-pa)=0
所以p=aTb/(aTa)
投影得到的向量为aaTb/(aTa)
设Pb=pa,P为投影矩阵,可得投影矩阵为aaT/aTa,该矩阵只需与所要的向量相乘即可。
在高维空间里,也是类似的过程:
AT(b-Ax)=0
x=(ATA)^-1ATb
p=Ax(A是列向量,x是线性组合)
p=A(ATA)^-1ATb
同理可得投影矩阵为A(ATA)^-1AT(在二维平面中,A为一维向量,所以才可以放在分母)
4.最小二乘
问题:求得过数据点(1,1)(2,2)(3,2)的直线,(1,1/1,2/1,2)(x/y)=(1/2/3)
即求得x与y,但该方程无解,所以需要让(1/2/3)在A上面有投影,才能是A中列向量的线性组合,所以可直接通过求x=(ATA)^-1ATb,从而求得x与y。
5.若A的列向量线性无关,则ATA为可逆矩阵(其实可以这么记,R(ATA)=R(A)
6.施密特正交化
就是求得B=b-ATb/(ATA)A