矩阵之芯 SVD - 从奇异值分解看四个基本子空间
共 1729字,需浏览 4分钟
·
2020-12-02 11:00
1值域空间
矩阵
因为
同样,
.列空间
矩阵向量乘积
我们这么来看,当允许向量
的分量自由变化的话,有
可以看出,
因此,
.行空间
同样,
.几个概念的关系
矩阵
的值域(range)空间、像(image)空间和列(column)空间是指同一个东西。 的列空间等于 的行空间,而 的行空间等于 的列空间。
对于矩阵
由 的列张成的空间(列空间)。 由 的行张成的空间(行空间)。 。 。
2零空间
下面看一下零空间和左零空间的定义,
对于 矩阵 ,集合
称为矩阵
集合
称为
注意,零空间(nullspace)也有别的叫法,那就是核(kernel)。
那么,给你一个矩阵,怎么求它对应的这些子空间呢?可以用高斯消元,但是如果先对这个矩阵作奇异值分解,我们也可以很轻松获得副产品,那就是这些子空间。
3SVD 与子空间
和
把矩阵
以及
则可以得到矩阵
.验证
下面我们对矩阵的
1、假设
因为
因此可得,矩阵
2、观察下式何时为
令
可知,矩阵
.分开看 和
上图的左半部分,从矩阵
上图的右半部分,从矩阵
.图表结合速记
最后,回到开头那张图,总结一下矩阵
为方便记忆,我们把四个子空间及基本性质放在一个表格中。
矩阵
.一图速记
下面这张图将上面两张图合二为一,使得 SVD 与四个子空间的关系展示得更加精炼、清晰。
4有啥应用?
这几个子空间咋一看貌似有点乱,但仔细一看还是井井有条的样子嘛。稍微理一理,还是好理解的。
有些朋友或许会问,除了理论价值,这有什么具体应用吗?有的,其实还挺多的,有些应该算是大家很熟悉的应用。
比如矩阵