本系列为我硕士课程《机器学习数学原理》的课堂笔记总结,在本学期学习的过程中,网络中各前辈的博客以及文章对我的学习产生了许多积极的帮助,所以我也希望在结课之际,一来自己编辑博文总结笔记,二来为后续学习相关知识的同学提供一些参考,也算是一件有诸多意义的事情。
上一篇文章已经介绍了线性空间的定义,本文将在其基础上介绍赋范线性空间以及内积空间的定义,上图为三个空间的相互包含关系。
赋范空间
范数:
范数指的是一种映射关系,是将空间中的元素映射为一个实数域的一种映射关系
并且该映射满足如下性质:
1. ,并且
(非负性)
2. (三角不等式)
3. 对于任意a (齐次性)
范数的性质让一个空间具备了长度与距离的概念
我们将定义了范数的线性空间(即定义了长度与距离的线性空间)称之为赋范线性空间。
内积空间
内积:
为了简化我们只以实数域上的定义来讲
在空间S上的内积是一种映射:
并且遵循如下性质:
1. <x,y>=<y,x> 对称性
2. 对于任意的标量a,b,<ax+by,z>=a<x,z>+b<y,z> 线性
3. 当且仅当x为0时等号成立
内积空间则是被定义了内积运算的空间,而因为内积运算同样满足范数的定义,因此内积空间一定是赋范空间。
内积的性质让空间具备了角度的概念,当内积为0时,两个空间中的元素正交
希尔伯特空间
在说明希尔伯特空间之前我们一定要谈一谈完备性的概念
完备空间
这是我在这门课的学习过程中所遇到的第一个卡壳的地方,因为直接通过定义理解空间的完备性对我来说是一件困难的事情,因此整理时,我们不妨从源头入手,谈谈我们为什么要引入空间的完备性。
我们发现了一件事情,至少在我学习的时候,我把上述所提及的空间全部与欧拉空间作类比,赋范赋予了空间欧拉空间中距离的概念,内积则赋予了欧拉空间中垂直的概念,这种直观的转化是非常有用的。但是现在出现了一个问题,当空间的维数无限时,是否还同样可以等价的类比。
因此我们需要对空间加上一个性质:完备。
粗略但是直观的说,完备是指空间中没有任何遗漏的点。而想要理解没有遗漏的点这个概念,我们需要用到距离,一个空间需要定义距离,完备才变得有意义。从实数空间入手,我们说实数空间R是完备的,在实数空间中,距离的定义是两元素差的绝对值,可以想想看,任何一个点在与它距离趋近为0的地方都存在一个点并且这个点是在实数空间中的,因此我们说实数空间是完备的。以上是我们直觉上的判断,但是相信读到这里如何理解完备已经比较清晰了(至少我是这样理解的)。接下来我们需要用数学的语言来描述如何证明一个空间是完备的。
柯西序列
柯西序列是我们定义空间完备性的重要工具,柯西序列的定义如下:
对于一个序列,存在正整数N使得:
,则我们说该序列为一个柯西序列。
完备空间的定义
当空间中所有的柯西序列均收敛时,该空间是完备的。
可以这样理解,所有的柯西序列都收敛了,意味着整个空间都是无孔的,这也就意味着空间是没有遗漏任何其他元素的,因此空间是完备的。
希尔伯特空间的定义
终于终于到了希尔伯特空间,有了上述铺垫,定义其实只有一句话:
完备的内积空间被称为希尔伯特空间