向量、矩阵乘法的几何意义(二) 矩阵乘法(Matrix Multiplication)
一、 旋转( rotation )
1、 矩阵与向量相乘
由向量内积(两个向量相乘)出发,考虑矩阵与向量相乘的情况。以二维平面空间为例,设X=(x1, x2, …, xn), xi=(xi1,xi2)T, i=1, 2, …,n为样本矩阵,w=(w1,w2)T为向量(二维平面中的一个有向线段)。矩阵与向量相乘可表示为:
(1)
2、矩阵与矩阵相乘
令 为两个向量组成的矩阵,将上述XS与W相乘,可表示为:
(2)
如果将w1、w2看成二维空间中的有向线段,z1、z2则是X向w1、w2表示的有向线段投影的结果。W可看作旋转矩阵。图1、 2、3分别表示数据点集Xs经旋转矩阵W旋转后得到的点集Z。这里的旋转矩阵是正交矩阵,其两个列向量是正交的(内积为0)。这样的旋转称为正交旋转(orthogonal rotation, rigid rotation),正交旋转将数据点集旋转到新的坐标系,且并不改变数据点集的形状和大小(rotate the configuration to a new orientation while preserving its essential size and shape)。
图1数据XS 图2旋转矩阵W 图3旋转后的数据Z
图2中的旋转矩阵将坐标系逆时针(counterclockwise)旋转了45度。通常,我们可以通过如公式(3)的旋转矩阵完成角度为θ的顺时针(clockwise)正交旋转。
(3)
当然,也不一定所有的旋转都要是正交的。
二、 伸缩(Stretching and Shrinking)
第一部分介绍的数据矩阵与旋转矩阵相乘得到矩阵保持了原有数据点集的形状和大小分布,由图3可知,旋转后的数据z1和z2分量的方差相差很大。令矩阵D为对角线元素Si=Var(zi)的对角矩阵。如公式(4)所示,将Z与D-1相乘,Z的两个分量z1和z2分别被伸缩至方差为1的分量,结果如图4所示。
(4)
图4 标准化后的数据点集
三、 实验
对《Analyzing Multivariate Data》第二章中的WOMEN数据X(如图1所示)进行若干向量运算,结果如图5所示。
图5.1为原始数据X;图5.2为将数据X的中心移至0的零均值数据Xd;图5.3为将Xd每一维的数据伸缩为1的方差标准化数据Xs;图5.4为将Xs向向量w=(0.707; 0.707)投影后的一维向量z;图5.5为将Xs与旋转矩阵 相乘后得到的旋转后的数据Zs;图5.6为将Zs方差标准化后的数据Zss。
Xs的协方差矩阵 ,可见方差标准化只是使数据每一维的方差为1并没有消除数据各维之间的相关性(如图5.3所示,数据呈现椭圆形分布)。将Xs经过适当的正交旋转得到Zs,计算Zs的协方差矩阵 ,我们可以发现数据各为之间的相关性消失了。而将Zs方差标准化的结果Zss,其协方差矩阵为理想的单位矩阵(如图5.6所示,数据呈现圆形分布)。
图5 WOMEN数据矩阵操作实验
四、 总结
The Geometric interpretation of Vector and Matrix Operations:
(1) Scalar multiplication has the effect of uniformly stretching or shrinking the data configuration.
(2) Vector multiplication has the effect of projecting the data point onto a single line defined by the vector.
(3) Matrix multiplication has the effect of rotating the configuration onto a new set of axes. In some special cases (where the columns of the matrix are orthogonal), the rotation preserves the overall shape of the configuration.
向量、矩阵乘法的几何意义(二) 矩阵乘法(Matrix Multiplication)相关推荐
- 数学基础(矢量, 向量,矩阵,相等,加法,乘法)
(人脸,图像)真实的事物--->数学对象(矢量)--->矢量间的关系(数学算法或者性质,矩阵,加减法)--->另外一些矢量(特征比较明确)--->真实事物(图像,人脸) 矢量: ...
- 矩阵的乘法口诀(二)
今天接着谈矩阵的乘法口诀剩下的部分. 口诀 3. 行向量左乘以A,等于A行作组合:<br> e i e_i ei转置把A乘, i i i行取出便为积: 这句口诀与矩阵 A A A乘以列向 ...
- 6-2 编写Matrix类,使用二维数组实现矩阵,实现两个矩阵的乘法。 (30分) java pta
编写程序题, 根据要求编写一个Java类,补充到代码中. 定义Matrix(矩阵)类,使用二维数组实现矩阵,实现两个矩阵的乘法.要求如下: 4个变量:row(行数),column(列数), matri ...
- 机器学习之数学基础(二)~数组、向量、矩阵、向量空间、二维矩阵
1. 概述 在学习机器学习(machine learning)或模式识别(pattern recognition)过程中,我经常会困惑于向量.数组和矩阵这三种数据结构,而在学习张学工教授<模式识 ...
- 三元组法矩阵加法java_C语言实现矩阵加法、减法、乘法和数乘运算
一.知识储备 • 矩阵与矩阵之间可以进行加法.减法和乘法运算(矩阵的"除法",被特别地定义出了逆矩阵,通过一个矩阵与另一个的逆矩阵的乘法来实现),矩阵和数之间可以进行数乘运算: • ...
- python矩阵乘法分治算法_矩阵乘法的Strassen算法详解 --(算法导论分治法求矩阵)...
1 题目描述 2 思路分析 3 解法 4 小结 1 题目描述 请编程实现矩阵乘法,并考虑当矩阵规模较大时的优化方法. 2 思路分析 根据wikipedia上的介绍:两个矩阵的乘法仅当第一个矩阵B的列数 ...
- 【线性代数】从矩阵分块的角度理解矩阵乘法
一.矩阵分块法介绍 概念: 例: 二.使用矩阵分块法计算矩阵的积 1. 分块矩阵计算的数学步骤 使用Numpy计算例1 import numpy as np A=np.mat([[1,0,0,0],[ ...
- tensorflow tf.matmul() (多维)矩阵相乘(多维矩阵乘法)
@tf_export("matmul") def matmul(a,b,transpose_a=False,transpose_b=False,adjoint_a=False,ad ...
- 将矩阵转为一行_理解矩阵乘法
理解矩阵乘法 考研需要考一门课<线性代数>,这门课其实是教矩阵. 刚学的时候,还蛮简单的,矩阵加法就是相同位置的数字加一下. 矩阵乘法也类似,矩阵乘以一个常数,就是所有位置都乘以这个数. ...
最新文章
- dict格式转字符串两种方法的区别
- DATAGUARD STANDBY 服务器归档日志管理
- HALCON示例程序stamp_catalogue.hdev分割图片与文字
- 第一章 为什么我们对机器学习感兴趣?(六)
- PyOpenCV 实战:借助视觉识别技术实现围棋终局的胜负判定
- 打破数据孤岛难题,翼方健数解码隐私安全计算技术
- asp.net中, 如何在后台获取访问这个页面的用户的名字?
- Python字符串count()
- 多线程上下文切换优化与注意
- vray安装显示服务器没有安装,vray3.2安装教程
- MTK 驱动开发---Memory 移植
- 小白共享网盘系统源码V5.0
- 如何才能把文字的排版做好
- 服务器文件夹加密码怎么设置,服务器文件夹设置密码
- 二元一次方程有唯一解的条件_若一个二元一次方程的一个解为
- 各主板黑苹果dsdt补丁_苹果系统发展简史
- eps图片太大压缩小
- springboot 中的 文件、短信、邮件、token 工具类
- 神经网络 深度神经网络,最新的深度神经网络
- mysql查看数据库事务隔离级别_MySQL查看和修改事务隔离级别的实例讲解
热门文章
- 网站提升排名优化的优点!
- /dev/mapper/vg_test-lv_root 占用到达100%的解决方法
- 信息学竞赛学习资料整理
- 编码解析之java将base64解析图片保存到本地。
- 做设计想要轻松接单 你要懂这些
- Python语法规范
- 前端专业名词解释——Layout布局
- 高等数学(预备知识之函数的单调性、最值与奇偶性)
- 成都中考数学可以用计算机,2019年成都中考数学试卷分析报告出炉,保底分值应该在129分...
- 公民身份号码是一种由18位数字组成的特征组合码,其排列顺序从左至右依次为:6位数字地址码、8位数字出生日期码,3位数字顺序码和1位数字校验码(校验码若为10则用字符X来表示)。编写程序从键盘输入一个