机器学习数学基础--（三）线性代数之四个基本子空间

前提：
常用数学符号表
$R^n$ ———————n维实空间
$R^m$$^n$—————–m×n的实矩阵
T————————转置
det(A)—————–行列式
C(A)——————–列空间
N(A)——————–零空间
$A^-$$^1$———————逆
diag(A)—————-将向量转化为对角矩阵
Tr———————–迹(trace)即主对角线的和
rank——————–秩

矩阵的四个基本子空间：列空间， 零空间， 行空间， A的转置零空间（左零空间）。

对于矩阵$A_m$$_*$$_n$来说:
1.列空间C(A)
位于R$^n$,维数是秩rank(A),
2.零空间N(A)
位于R$^n$,维数是n-rank(A),
3.行空间R(A)
位于$R^m$,维数是rank(A$^T$),
4.左零空间N($A^T$)
位于$R^m$,维数是m-rank($A^T$)

一、列空间和零空间构成一个R$^n$空间，列空间的维数是主列的个数也就是秩的个数，零空间的维数是自由列的个数也就是n-rank的个数。
零空间就是使齐次线性方程组Ax=0的解空间。

二、行空间和左零空间构成一个R$^m$空间，行空间的维数是rank(A$^T$),零空间的维数是自由行的个数也就是m-rank($A^m$).
左零空间就是齐次线性方程组A$^T$x=0的解空间。

利用子空间重新思考线性方程组的解：
Ax=b
1.无解，则b不在C(A)子空间中。
2.有解，则b在C(A)子空间中
有唯一解，则rank(A)=n,N(A)的维数是n-n=0;
有无穷多解，则rank(A)