【Math for ML】线性代数之——向量空间

I. Groups

在介绍向量空间之前有必要介绍一下什么Group,其定义如下:

【Math for ML】线性代数之——向量空间

注意定义中的\(\bigotimes\)不是乘法,而是一种运算符号的统一标识,可以是乘法也可以是加法等。

此外,如果\(\forall{x,y}∈\mathcal{G}:x⊗y=y⊗x\),那么此时\(G=(\mathcal{G,⊗})\)是Abelian Group(阿尔贝群)

举个栗子:

  • \((Z,+)\)是group
  • \((N_0,+)\)不是group,因为他没有inverse elements,即不满足定义中的第4个条件。

II. Vector Spaces

向量空间定义:

【Math for ML】线性代数之——向量空间

Group和Vector Space的区别在于前者只是在针对\(\mathcal{G}\)和在\(\mathcal{G}\)上的inner operation进行研究和讨论,而后者在其基础上还考虑了outer operation,由定义可以直观地看出差别和关系。

II. Vector Subspaces

向量子空间定义:

【Math for ML】线性代数之——向量空间

那么我们如何证明一个向量空间是另一个向量空间的子空间呢?我们需要做如下证明:

【Math for ML】线性代数之——向量空间

有一个比较特殊的向量子空间是Trivial Subspace(平凡子空间),其性质为任意空间的平凡子空间是它本身和\(\{0\}\)



MARSGGBO♥原创





2018-12-16



上一篇:使用ML.NET模型生成器来完成图片性别识别


下一篇:李宏毅机器学习17—Explainable ML(第四周)