向量的对偶性是由它定义的线性变换,一个多维空间到一维空间的线性变换的对偶是多维空间中的某个特定向量点积多用于投影及检验两个向量的指向是否相同向量点乘就是将其中一个方向向量转化为线性变换
通过特征值分解可以得到特征值与特征向量,特征值表示的是这个特征到底有多重要,而特征向量表示这个特征是什么,可以将每一个特征向量理解为一个子空间,我们可以利用这些线性的子空间干很多的事情。
知识图谱嵌入(KGE)是一种利用监督学习来学习嵌入以及节点和边的向量表示的模型。它们将“知识”投射到一个连续的低维空间,这些低维空间向量一般只有几百个维度(用来表示知识存储的内存效率)。向量空间中,每个点代表一个概念,每个点在空间中的位置具有语义意义,类似于词嵌入。
以此类推,重复“正交投影、获得新的正交向量、张成更高维度的子空间”的过程n次,直到最终获得一组由n个正交向量组成的正交向量组,能够张成m维空间的n维子空间。
好了,现在我们总算将3*3矩阵A的列的空间情况讨论完了,在延伸至m*n情况之前,先给我们的新朋友取个名字:我们给A的列组成的空间命名为A的列空间,将A列空间的维度定义为A的列的极大线性无关组中向量个数,即A的列空间的基向量个数。一个空间的基向量组不唯一,但基向量个数唯一。总结起来,就是