行列としての線形写像

線形写像、ベクトル、行列の幾何学と代数

行列は数のグリッド以上のものです。それは空間を変換する関数:ベクトルxを入力すると新しいベクトルAxを返す。平面全体で1つの首尾一貫した動き(回転、伸縮、反射、せん断、射影)としてすべての点に同時に適用される。

線形である理由は2つのベクトル操作を尊重するから:A(x + y) = Ax + AyとA(cx) = c·Ax。直線は直線のままで、原点は動かず、等間隔のグリッドは等間隔の(傾いたかもしれない)グリッドに写る。

行列を目で読む方法:その列は基底ベクトルがどこに着地するか。第1列は[1, 0]の像;第2列は[0, 1]の像。2つの軸がどこに行くか分かれば変換全体が固定される、他のすべてのベクトルはそれらの結合だから。

機械学習における位置づけニューラルネットワークの重み行列Wはまさにこれ:非線形性が作用する前に活性化空間を変形する線形写像。各層は入力を回転、伸縮、射影し、次の層の仕事が容易な新しい座標系に入れる。「層を学習する」ことは軸をどこに送るかを学習すること、つまりWの列を学習すること。
▶ 行列としての線形写像
← 線形独立と基底行列の積 →