高维度下的数据科学——线性空间（下）

矩阵实质上是一种坐标变换

对于单位矩阵坐标基，上的向量x（x1, x2,...xn）
对于基(a1, a2...an), 两个基的互相表示为 (a1, a2...an) = I * (a1, a2...an)
将向量x的坐标转移到（a1,a2...an）上，（a1,a2...an）y = I x ====> y=[（a1,a2...an） ]^(-1)*x
假如：A=[（a1,a2...an） ]^(-1)
那么Ax实质上，不就是坐标变换么，或者说，对于任意的可逆矩阵A，Ax的结果事实上就是令A逆作为坐标系的一个坐标变换而已。

矩阵乘法实质上就是一种线性变换（同时，相对地矩阵也是坐标变换）

1. 对于线性空间中的一组基而言，如果对基进行了线性变换，其结果仍然是可以由基线性表示出来的。基向量组乘以某个矩阵即为进行线性变换后的基向量组。
2. 线性空间中任意向量都可以表示成某个基向量组的线性组合，对该向量的线性变换即为对该基向量组的线性组合的线性变换。进而可以表示成对该基向量组中每个向量进行线性变换后乘以待线性变换的那个向量
3. 进一步的，便可以应用1中，将基向量的线性变换表述成基向量组乘以一个矩阵的形式。从而讲对向量x的线性变换转换成基向量乘以矩阵A再乘以向量x的形式。

4. 因此，在给定基下的坐标变换公式即为y=A*x

   线性变换在基上的表示

   证明：对于n维线性空间V上的线性变换ÿ