神经网络设计学习笔记（9）——神经网络中的线性变换（2）

再上一次的博客中说过的，矩阵相乘是线性变换的一个实例。同样，可以证明两个有限维向量空间之间的任何线性变化都可以用一个矩阵来表示。
设{v1，v2，v3，v4 。。。。vn}，{u1，u2，u3，。。。um}分别是X,Y的基。即是对任意两个向量x∈X和y∈Y，有

A是一个定义域为X值域为Y的线性变换（A：X→Y）

ps：注意下式中的aij不是随意选取的
一顿疯狂整理，可以得出：

因为所有的Ui形成的是一个基集，所以它们必须是相互独立的。这也意味着式中每个和Ui相乘的系数必须是等于0，所以

此式正好是下面形式的矩阵乘

上述表明，对于两个有限维向量空间之间的任意线性变换都存在与其相适应的矩阵表示。当该矩阵和定义域向量X的展式相乘，可以得到一个线性变量y的展式。