空间
空间是一个集合
欧几里得空间:有序实数元组的集合(x, y …)
二维:R2 (R:实数集,2:每个元组包含两个元素)
(点集、起点为原点的向量集合)
-> 向量空间:空间中的元素都是向量
- 理论:
对于向量:必须定义两种运算 (加法 、 数量乘法)
这两种运算必须满足十条性质:
-
封闭性: u + v, k · u (加法和乘法) 都封闭(closure)
-
加法:交换律,结合律
-
零律:存在零元O属于向量空间,使得: u + O = u
-
对每个u存在-u使得u + (-u) = O
-
乘法:结合律(数量),分配律(向量,数量)
-
1 * u = u
欧几里得空间:Rn 是向量空间
广义向量空间
所有 m * n 的矩阵,构成的向量空间
所有多项式,构成一个向量空间
某类函数构成的向量空间
子空间
V是向量空间,S是V的子集,且S还是向量空间,则S是V的子空间
定理:
V是向量空间,S是V的子集,且S对加法和数量乘法封闭,则S是V的子空间
封闭性:基石
向量空间的性质:
- 对于每一个u存在-u,使得u + (-u) = O
- 如果u属于V,k是一个实数,则ku属于V
证明:0 * u = O(不在欧几里得空间,原来的性质证明时不可用)
证明: -u = -1 * u
若S对乘法封闭:0 * u = O, 存在 O 在 S 中, -1 * u = -u 在 S中
结论:
向量空间V的子空间
1)存在O
2) ∀ u ⃗ , ∃ − u ⃗ \forall \vec{u}, \exists -\vec{u} ∀u,∃−u
欧几里得空间的子空间
过原点的直线是R2的子空间,但不过原点的直线不是(对加法,数量乘法不封闭)
应用:机器学习,降维(减少冗余)
维度
空间的基:一组向量
1) 生成空间
2)线性无关
维度 (dimension):空间的基中向量的个数
dim(R2) = 2
子空间和维度
子空间维度 小于 向量中元素的个数(在原空间中的坐标表示)
生成空间的维度:找基(子集,不断删去可以被线性表示的向量)
行空间 和 矩阵的行秩
Gauss-Jordan消元法:将矩阵化为行最简,结果的每一行是原来矩阵各行的一个线性组合
假设有n个零行,则这n行对应的行向量都可表示成其他向量的线性组合,这个向量都可以删去
- 求一组向量: v 1 ⃗ , v 2 ⃗ , . . . v p ⃗ \vec{v_1}, \vec{v_2}, ... \vec{v_p} v1,v2,...vp, 其生成空间的维度是多少?
将这一组向量,按行排列成一个矩阵,执行Gauss-Jordan消元法(化为RREF),非零行的个数即为其生成空间的维度
矩阵行向量生成的空间:行空间(Row Space)
列向量生成的空间,列空间(Column Space)
矩阵的行秩(Row Rank):矩阵行最简形式的非零行数量,即行空间的维度
- 如何求出行空间的一组基?
行最简形式中的非零行的行向量就是行空间的一组基
列空间
A n ∗ n = ( α 1 ⃗ , α 2 ⃗ . . . α n ⃗ ) A_{n*n} = ( \vec{\alpha_1}, \vec{\alpha_2} ... \vec{\alpha_n} ) An∗n=(α1,α2...αn