เมื่อคุณมองสถานการณ์อย่างถูกวิธีข้อสรุปนั้นชัดเจนและหยั่งรู้ได้ทันที
โพสต์นี้มีการสาธิตสองครั้ง ครั้งแรกด้านล่างทันทีเป็นคำพูด มันเทียบเท่ากับการวาดภาพที่เรียบง่ายซึ่งปรากฏที่ส่วนท้ายสุด ในระหว่างนั้นคือคำอธิบายความหมายของคำและรูปวาด
เมทริกซ์ความแปรปรวนสำหรับPสังเกต -variate เป็นP × Pเมทริกซ์คำนวณโดยซ้ายคูณเมทริกซ์X n P (ข้อมูล recentered) โดย transpose ของX ' P n ผลิตภัณฑ์ของการฝึกอบรมนี้จะส่งผ่านท่อเวกเตอร์ของพื้นที่เวกเตอร์ที่มีขนาดเป็นPและn ดังนั้นเมทริกซ์ความแปรปรวนที่ใฐานะที่เป็นเชิงเส้นการเปลี่ยนแปลงจะส่งR nเข้าไปในสเปซที่มีมิติที่มากที่สุดนาที( P , n )n pp×pXnpX′pnpnRnmin(p,n)มันเป็นทันทีว่าอันดับของเมทริกซ์ความแปรปรวนนั้นยิ่งใหญ่กว่าไม่มีกว่า ) min(p,n) ดังนั้นถ้าดังนั้นอันดับคือnมากที่สุดซึ่ง - ซึ่งน้อยกว่าp -หมายถึงเมทริกซ์ความแปรปรวนร่วมเป็นเอกพจน์p>nnp
คำศัพท์ทั้งหมดนี้มีการอธิบายอย่างสมบูรณ์ในส่วนที่เหลือของโพสต์นี้
(ในฐานะที่เป็นอะมีบากรุณาชี้ให้เห็นในความคิดเห็นนี้ถูกลบและแสดงให้เห็นในคำตอบของคำถามที่เกี่ยวข้อง , ภาพของจริงโกหกใน codimension หนึ่งสเปซของR n (ประกอบด้วยเวกเตอร์ที่มีส่วนประกอบรวมศูนย์) เพราะ คอลัมน์ทั้งหมดถูกนำมาใช้ใหม่ที่ศูนย์ดังนั้นอันดับของเมทริกซ์ความแปรปรวนร่วมตัวอย่าง1XRnต้องไม่เกินn-1)1n−1X′Xn−1
พีชคณิตเชิงเส้นเป็นข้อมูลเกี่ยวกับการติดตามมิติของปริภูมิเวกเตอร์ คุณเพียงแค่ต้องชื่นชมแนวคิดพื้นฐานบางประการที่จะมีสัญชาตญาณอย่างลึกซึ้งสำหรับการยืนยันเกี่ยวกับอันดับและเอกพจน์:
การคูณเมทริกซ์หมายถึงการแปลงเชิงเส้นของเวกเตอร์ เมทริกซ์Mหมายถึงการแปลงเชิงเส้นจากnมิติพื้นที่V nไปยังม.พื้นที่มิติVเมตร โดยเฉพาะมันส่งใด ๆx ∈ V nเพื่อM x = Y ∈ Vเมตร นี่คือการแปลงเชิงเส้นตามทันทีจากคำจำกัดความของการแปลงเชิงเส้นและคุณสมบัติทางคณิตศาสตร์พื้นฐานของการคูณเมทริกซ์m×nMnVnmVmx∈VnMx=y∈Vm
การแปลงเชิงเส้นไม่สามารถเพิ่มขนาดได้ ซึ่งหมายความว่าภาพของปริภูมิเวกเตอร์ทั้งภายใต้การเปลี่ยนแปลงM (ซึ่งเป็นพื้นที่ย่อยเวกเตอร์ของV เมตร ) สามารถมีมิติมากขึ้นกว่าไม่มีn นี่เป็นทฤษฎีบท (ง่าย) ที่ตามมาจากคำจำกัดความของมิติVnMVmn
มิติของพื้นที่ย่อยเวกเตอร์ใด ๆ ต้องไม่เกินพื้นที่ว่างที่อยู่ นี่เป็นทฤษฎีบท แต่ก็ชัดเจนและง่ายต่อการพิสูจน์อีกครั้ง
อันดับของการแปลงเชิงเส้นเป็นมิติของภาพของตน ยศของเมทริกซ์คืออันดับของการแปลงเชิงเส้นที่แสดง นี่คือคำจำกัดความ
A singular matrix Mmn has rank strictly less than n (the dimension of its domain). In other words, its image has a smaller dimension. This is a definition.
To develop intuition, it helps to see the dimensions. I will therefore write the dimensions of all vectors and matrices immediately after them, as in Mmn and xn. Thus the generic formula
ym=Mmnxn
is intended to mean that the m×n matrix M, when applied to the n-vector x, produces an m-vector y.
Products of matrices can be thought of as a "pipeline" of linear transformations. Generically, suppose ya is an a-dimensional vector resulting from the successive applications of the linear transformations Mmn,Llm,…,Bbc, and Aab to the n-vector xn coming from the space Vn. This takes the vector xn successively through a set of vector spaces of dimensions m,l,…,c,b, and finally a.
Look for the bottleneck: because dimensions cannot increase (point 2) and subspaces cannot have dimensions larger than the spaces in which they lie (point 3), it follows that the dimension of the image of Vn cannot exceed the smallest dimension min(a,b,c,…,l,m,n) encountered in the pipeline.
This diagram of the pipeline, then, fully proves the result when it is applied to the product X′X: