10.Linear Map transformation rules

线性映射 从一个基底到另一个基底 所遵循的转换规则。

假设:
10.Linear Map transformation rules_第1张图片10.Linear Map transformation rules_第2张图片

由一个矩阵给出的线性映射在这,并且是在基底e上表示,

该线性映射将e1变成0.5个e1,将e2变成2个e2;

假设有个向量V,其分量是【1,1】,

L将V转换成L(V),

L(V)的分量是什么?-------------------------------只需将V的列向量L表示的矩阵相乘

10.Linear Map transformation rules_第3张图片

\begin{bmatrix} 1/2 &0 \\ 0&2 \end{bmatrix}*\begin{bmatrix} 1\\ 1 \end{bmatrix} = \begin{bmatrix} 1/2\\ 2 \end{bmatrix}

所以L(V)的分量是 \begin{bmatrix} 1/2\\ 2 \end{bmatrix} , 

所有的这些都是在基底e上完成的,10.Linear Map transformation rules_第4张图片

L(V)= 0.5e1 + 2e2

10.Linear Map transformation rules_第5张图片

如果把这些在旧基上表示的分量 应用反向变换,可以得到其在新基中的分量,并注意,使用的是反向转换(Backward),因为向量分量是逆变的(contravariant)

在此,可能会问,新基中输出的向量的分量是多少?

10.Linear Map transformation rules_第6张图片

 新基中输出的向量的分量是多少?--------这个无法用L所表示的矩阵10.Linear Map transformation rules_第7张图片,因为它只适用于旧基(为什么是这样我也不理解),故需要找到一个新矩阵,这个新矩阵告诉我们如何使用新基\tilde e来构建输出。所以需要计算系数\tilde L

10.Linear Map transformation rules_第8张图片

计算如下:

10.Linear Map transformation rules_第9张图片

10.Linear Map transformation rules_第10张图片

10.Linear Map transformation rules_第11张图片

也就是说 要将矩阵坐标从旧基转换到新基,我们要将旧矩阵的左侧乘以后向转换(B),并在旧矩阵的右侧乘以前向转换,。

所以,矩阵或线性映射

10.Linear Map transformation rules_第12张图片

实践

10.Linear Map transformation rules_第13张图片

检查是否有效

10.Linear Map transformation rules_第14张图片

简化上面的推导计算:(技巧1

10.Linear Map transformation rules_第15张图片

观察一下, 发现这些求和的字母符号,有一定规律,其实是可以假装那个求和符号是透明的。

10.Linear Map transformation rules_第16张图片

单位矩阵:identity matrix 

技巧2:

10.Linear Map transformation rules_第17张图片

利用上面两个技巧,来推到矩阵分量的反向转换(Backward) 和 正向转换(Forward)

从旧组件L 移动到 新组件\tilde L, 只需要

10.Linear Map transformation rules_第18张图片

核心内在就是 B与F是互逆的!!

10.Linear Map transformation rules_第19张图片

10.Linear Map transformation rules_第20张图片

你可能感兴趣的:(张量,算法,机器学习,人工智能)