深度学习与计算机视觉学习笔记01-线性变换和非线性变换

1.线性变换
（1）两个基本性质
a.加性:两个向量的和经过变换后等于两个向量变换后的和
b.齐性：一个向量缩放一个倍数变换等于先变换再缩放一个倍数
（2）点积和投影
a.点积：：通俗意义上的内积，表示两个向量对应元素的乘积，是欧几里得的标准内积。由此可知向量的长度公式为

对于点积的理解可以从变换和缩放角度加以分析，可以表示一个倍数对另一个量的拉伸或者缩放。由此可以引申到点积的几何意义，一个向量u在另一个向量v方向上的分量长度，和v的长度相乘得到的值叫做点积。其中向量u在向量v上分量的长度，称为u在v上的投影（标投影）
u*v=|u||v|cosθ
**注意：两个向量夹角的cos值可以表示两个向量的相似性

2. 机器学习中常用的是矩阵乘法（矩阵和向量相乘）的几何意义
（1）矩阵A和向量b相乘可以看作矩阵A的每一行的行向量a_i和向量b的点积后的新向量,同时可以理解为向量b在a_i向量的投影，再乘以a_i自身的长度。
（2）坐标映射角度
位置映射角度理解矩阵乘法：可以认为第i维度的单位向量，变换后就是对应变换矩阵的第i 列的列向量。