定义：$n$ 维线性空间中维度为 $n - 1$ 的子空间，它可以把线性空间分割为不相交的两部分。
这里的 $n$ 必须大于 $3$，其子空间才能称之为超平面。
更直观得来理解超平面：超平面其实就是平面中的直线、空间中的平面之推广。在三维坐标系里，$XoY$ 平面把三维坐标系”分割”成
两个空间，这个分割平面引申到一维，二维，四维空间…来，他就是一个超平面。一维里是一个点分割空间，二维里是条线，三维刚好是
个平面，四维的用几何已经无法表示了，但是我们赋予这个分割的东西为超平面，就比较形象了。
超平面方程推导：
1）平面直线方程
对于平面上的任意一条直线，它的一般方程为：
$$ax + by + c = 0$$
从向量角度来看，一般方程可以写成如下形式
$$egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x \
y
end{bmatrix} + c = 0$$
可以发现：直线其实就是一个常向量和另一个变化的向量的内积为定值 $c$。
其中 $x,y$ 代表直线上任意一点的坐标，所以 $(x,y)^{T}$ 表示从原点出发到直线上任意一点的射线构成的向量。
那向量 $(a,b)^{T}$ 是啥呢？看个图：
我们知道向量内积表示：一个向量乘以另一个向量在该向量上的正交投影。如果不懂可先去阅读博客。
那能否找到一个向量，这个向量必须满足：向量 $(x,y)^{T}$ 在它上面的投影都一样。这样才能保证内积为定值。
这样的向量只有一个，那便是直线 $l$ 的法向量 $l^{'}$。所以常向量 $(a,b)^{T}$ 就是直线的法向量。
不同的法向量 $(a,b)^{T}$ 或者不同的定值 $c$ 就意味着不同的直线方程。
注意：上面的直线方程都是化成最简的形式，即两边系数不可再约，不然两边同时乘上一个数，虽然法向量和定值变了，
但表示的直线却没变，所以只在最简形式法向量和定值才与直线一一对应。
2）空间平面方程
对于空间上的任意一个平面，它的一般方程为：
$$ax + by + cz + d = 0$$
从向量角度来看，一般方程可以写成如下形式
$$egin{bmatrix}
a & b & c
end{bmatrix}
egin{bmatrix}
x \
y \
z
end{bmatrix} + d = 0$$
和平面直线类似，上面这个方程可以理解为：一个常向量和另一个变化的向量的内积为定值 $d$。
其中常向量为这个平面的法向量，变化的向量为原点到平面上任意一点的射线构成的向量。
3）引申到超平面
一个超平面的法向量：意味着它要垂直于该超平面内的任一个向量。
对于 $4$ 维空间来说，它的超平面就是一个 $3$ 维空间，很难想象会存在一个向量，它垂直于三维空间中的任一个向量。
我们没办法想象到三维以上的空间长啥样，但数学是纯粹逻辑上的东西，高维空间在逻辑上是存在的。
设 $n$ 维空间中的一个超平面的法向量为 $w = (w_{1},w_{2},...,w_{n})^{T}$，原点到该超平面上任意一点的向量为 $x^{T} = (x_{1},x_{2},..,x_{n})$。
由直线方程、平面方程进行推广，可知超平面方程为
$$w^{T}x + b = 0$$
点到超平面的距离推导：
1）点到平面直线的距离公式
任一点 $(x_{0},y_{0})$ 到直线 $ax+by+c = 0$ 的距离公式为
$$d = frac{|ax_{0} + by_{0} + c|}{sqrt{a^{2} + b^{2}}}$$
如下示意图：
在直线上任取一点 $(x,y)$，考虑向量
$$(x-x_{0},y-y_{0})^{T}$$
图中的 $d$ 就是我们所要求的点到直线的距离，向量点积代表：一个向量乘以另一个向量在该向量上的正交投影。
而 $d$ 显然就是向量 $(x-x_{0},y-y_{0})^{T}$ 在法线向量上的投影的绝对值。所以
$$egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x-x_{0} \
y-y_{0}
end{bmatrix} = pm sqrt{a^{2}+b^{2}} cdot d$$
继续转化
$$egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x \
y
end{bmatrix} -
egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x_{0} \
y_{0}
end{bmatrix} =
-c -
egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x_{0} \
y_{0}
end{bmatrix} =
pm sqrt{a^{2}+b^{2}} cdot d$$
所以距离 $d$ 为
$$d = frac{| egin{bmatrix}
a & b
end{bmatrix}
egin{bmatrix}
x_{0} \
y_{0}
end{bmatrix} + c;|}{sqrt{a^{2}+b^{2}}}$$
2）点到空间平面的距离公式
我们按照上面的思路也可以列出方程：
$$egin{bmatrix}
a & b & c
end{bmatrix}
egin{bmatrix}
x-x_{0} \
y-y_{0} \
z-z_{0}
end{bmatrix} = pm sqrt{a^{2}+b^{2}+c^{2}} cdot d$$
所以距离 $d$ 为
$$d = frac{| egin{bmatrix}
a & b & c
end{bmatrix}
egin{bmatrix}
x_{0} \
y_{0} \
z_{0}
end{bmatrix} + d;|}{sqrt{a^{2}+b^{2}+c^{2}}}$$
3）引申到超平面
已知超平面方程为 $w^{T}x + b = 0$。
类比于点到直线和平面的距离公式，有
$$d = frac{| w cdot x_{i} + d;|}{||w||_{2}}$$
向量 $w$ 的 $L_{2}$ 范数就是向量的模，$hat{x}$ 表示具体的某一个点，$d$ 就是该点到超平面的距离。
注：$x_{i}$ 表示某个具体向量，而不是表示坐标分量，它的坐标分量用另一种记法，即
$$x_{i} = (x^{(1)},x^{(2)},...,x^{(n)})^{T}$$
判断超平面的正反
一个超平面可以将它所在的空间分为两半, 它的法向量指向的那一半对应的一面是它的正面, 另一面则是它的反面。
那如何判断一个点位于超平面内，还是超平面的正面，或者反面呢？
点 $x$ 在超平面上有
$$w^{T}x + b = 0$$
若点 $x$ 在超平面的正面，考虑到 $wx$ 其实就是向量 $w$ 的模(为正)乘上 $x$ 在它上面的投影(可正可负)，考虑函数
$$y = ax,a > 0$$
上式是一个递增函数，所以当 $x$ 往正方向移动时，$y$ 是变大的，所以若点 $x$ 在超平面的正面，有
$$w^{T}x + b > 0$$
若点 $x$ 在超平面的反面，有
$$w^{T}x + b < 0$$
若将距离公式中分子的绝对值去掉, 让它可以为正为负. 那么, 它的值正得越大, 代表点在平面的正向且与平面的距离越远。
反之, 它的值负得越大, 代表点在平面的反向且与平面的距离越远。