NLP基础

线性变换

• 从几何上直观看,

变换前是直线的，变换后依然是直线.
直线比例保持不变.
变换前是原点，变换后依然是原点。
如：旋转、推移

• 代数上实现，

旋转实现：若有$\vec{A}=\left[\begin{array}{c}x\\ y\end{array}\right]$，旋转矩阵
$T_{rotate}=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$，通过矩阵乘法$T_{rotate}\vec{A}=\overrightarrow{A^{’}}$，得到旋转$\theta$后的向量$\overrightarrow{A^{’}}$，平面上图形的每个点都如此，就形成旋转后的图形。

仿射变换

指在几何中，一个向量空间进行一次线性变换并接上 一个平移，变换为另一个向量空间。

• 从几何上直观看，

变换前是直线的，变换后依然是直线。
直线比例保持不变。
无
如：平移

• 代数上实现

一般定义为:一个向量$\vec{x}$ 平移$\vec{b}$，与旋转放大缩小A的仿射为$\vec{y}$ = A$\vec{x}$+$\vec{b}$。
普通向量代数用矩阵乘法呈现线性映射，用向量加法表示平移。

仿射空间

仿射空间是点和向量的合集。仿射空间是没有起点只有方向与大小的向量所构成的线性空间。
在仿射空间中，点与点之间做差可以得到向量，点与向量做加法将得到另一个点，但是点与点之间不可以做加法。
从基本数学概念上来说，一个坐标系对应了一个仿射空间 (Affine Space)，当矢量从一个坐标系变换到另一个坐标系时要进行线性变换 (Linear Transformation)。对点来说， 要进行仿射变换 (Affine Transformation)。这就是我们利用同源坐标的理由。它能在对矢量进行线性变换的同时对点进行仿射变换。坐标变换的基本操作就是将变换矩阵乘以矢量或点。

通过线性变换完成仿射变换

$\vec{y}=A\vec{x}+\vec{b}$ 可以写作 $\left[\begin{array}{c}\vec{y}\\ 1\end{array}\right]=\left[\begin{array}{cc}A& \vec{b}\\ 0& 1\end{array}\right]\left[\begin{array}{c}\vec{x}\\ 1\end{array}\right]$
增加一个维度后，就可以在高维度通过线性变换来完成低维度的仿射变换。