机器学习:机器学习相关矩阵知识(四)
矩阵与空间映射的关系
在默认基底(e1,e2,…en)构成的Rn空间中,一个矩阵 A 与列向量 x 乘法的本质是将X的基底进行更换。将原始基底(e1,e2,…en)映射到以矩阵A的各个列,将矩阵A的各列充当目标向量的新基底。再结合原始向量 x 的坐标得到新基底构成的目标向量。
过程如下:
此时有三种情况产生:
① m<n,即当矩阵A的行数小于列数时。根据之前矩阵乘法的定义,当乘以向量x时,原始向量x映射成了n个m维的向量,又上述我们对x的定义可知x是一个n维向量,当n维变为m维向量,即通过矩阵A压缩了n-m维的原始空间R2.
② m>n,当矩阵A的行数大于列数时,情况如下:
③ m=n,此时矩阵A是一个方阵时,