机器学习中的数学基础之线性代数3 - subspace,null space, column space, row space

1. subspace 子空间

vector set V可以被叫做subspace如果他满足以下的特性:

·  这个vector set 里面有zero vector

· 如果u 和 w 在这个vector set V里面,那么u+w也要在V里面

· 如果u在V里面,c是一个scalar,cu也要在V里面

也就是说,如果把V里面的vector做linear combination,那他仍然在vector set里面

举个例子:

另外,vector set span后一定是subspace

2. Null Space 零空间

null space是一个特定类型的subspace

如果有一个Matrix A,他的所有Ax = 0的solution构成的集合叫做A的null space,表示为Null A

在Null A里面,A乘任意一个vector都等于0

range是一个function 所有可能输出的集合

3. column space 列空间 = range

把matrix A的column都做span,然后就得到column space,缩写为col A

假设有一个matrix A是n * m,那么matrix A 的column space就是把所有n维的vector都跟matrix A相乘

A的column space就是A所代表的function的 range

4. row space 行空间

把matrix A所有的row 做linear combination(span)

他等于matrix A的transpose的column space

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。