【線性變換/矩陣及乘法】- 圖解線性代數 03
線性變換是線性空間中的運動, 而矩陣就是用來描述這種變換的工具. 這樣說還是沒有直觀印象, 所以還是直接看圖解的動畫吧.
矩陣
矩陣不僅僅只是數值的表:
其實表示了在該矩陣的作用下, 線性空間是怎樣的變化, 觀察下圖注意水平和垂直方向的伸縮:
可以看到:
垂直方向並沒有發生任何變換;
水平方向伸展了 2 倍;
淺紅色方格在變換後面積變成了原來的 2 倍,這裡其實就是行列式的意義Det(A)=2
再看到更多矩陣變換之前, 先來看下矩陣的本質.
變換前矩陣的基底向量 i (1,0) 移動到了 (2,0) 的位置, 而 j 基底向量 (0,1) 還是 (0,1) 沒發生任何變換(移動) - 見下圖:
明白了基底的變化, 那麼整個線性變換也就清楚了 - 所有向量的變化都可以由改變後的基向量線性表出. 觀察下面向量(1, 1.5) 和 (-1, -3) 變換後的位置:
向量 (1, 1.5) 在變換後的位置, 其實就是變換後基向量的線性表示, 也可以看到矩陣的乘法是如何計算的:
類似對於(-1, -3) 也是一樣的計算方法:
下面再看其他的變換矩陣, 這裡矩陣 A 的對角線中有 0 :
可以看到:
水平方向變為 0 倍;
垂直方向被拉伸為 2 倍;
面積的變化率為 0 倍, 也就是 Det(A) = 0;
基底的變化如下:
再來看看下面矩陣 A 的變換:
可以看到:
整個空間向左傾斜轉動;
面積放大為原來的 Det(A) = 3.5 倍;
上面在 3 個不同的矩陣作用下(相乘), 整個空間發生不同的變換, 但是原點沒有改變, 且直線依然還是直線, 平行的依然保持平行, 這就是線性變換的本質. 變換矩陣 A 的每一列對應的就是變換後的基向量位置, 一旦我們知道了變換後的基向量, 就清楚了整個空間的變換情況.
類似, 在三維線性空間內, 矩陣也用於這樣的線性變換, 需要注意的是這裡行列式可以看成經過變換後體積變化的倍率(二維的是面積增大的倍率). 觀察下圖, 經過下面矩陣 A 的變換中, 空間會經過映象翻轉變換(扁平化), 所以行列式的值會是負數.
上面就是本次圖解到了一些線性代數知識點. 好了, 現在讓我們在下一篇的中再見!
因為本人水平有限, 疏忽錯誤在所難免, 希望各位老師和朋友多提寶貴意見, 幫助我改進這個系列, 感謝感謝啦!
感謝關注!
相關文章
- 04 矩陣乘法與線性變換複合矩陣
- 【矩陣的乘積/複合變換】- 圖解線性代數 05矩陣圖解
- 線性代數--矩陣矩陣
- 線性代數 - 矩陣形式下的最小二乘法矩陣
- [譯] JavaScript 線性代數:使用 ThreeJS 製作線性變換動畫JavaScriptJS動畫
- 【基底 / 線性組合 / 線性無關(相關)】- 圖解線性代數 02圖解
- 線性代數學習筆記五:相似矩陣及二次型筆記矩陣
- 線性代數
- 【行列式】- 圖解線性代數 04圖解
- 矩陣加速線性遞推矩陣
- 【特徵值 / 特徵向量】- 圖解線性代數 11特徵圖解
- 《線性代數的本質》筆記(01-03)筆記
- 線性代數中的線性方程組方法
- 線性代數學習
- 線性代數基礎
- MATLAB版線性代數-線性方程組1Matlab
- 線性變換和矩陣的橋樑篇2——像的座標標示矩陣
- OpenCV計算機視覺學習(3)——影像灰度線性變換與非線性變換(對數變換,伽馬變換)OpenCV計算機視覺
- NumPy之:多維陣列中的線性代數陣列
- 【scipy 基礎】--線性代數
- 跟我一起學《深度學習》 第二章 線性代數(2.3 單位矩陣和逆矩陣)深度學習矩陣
- matlab矩陣連線圖解Matlab矩陣圖解
- 數學基礎之線性代數
- 程式設計與線性代數程式設計
- 線性代數--二次型
- 【矩陣基礎與維度分析】【公式細節推導】矩陣非線性最小二乘法泰勒展開矩陣公式
- 如何入門線性代數?這裡有一份Python線性代數講義Python
- matlab練習程式(線性常微分方程組矩陣解)Matlab矩陣
- 線性代數常用基本知識整理
- 矩陣乘法矩陣
- echart 設定 柱狀圖 漸變色 線性虛線 lab字串換行字串
- Flutter 45: 圖解矩陣變換 Transform 類 (二)Flutter圖解矩陣ORM
- 《線性代數的本質》筆記10筆記
- 《線性代數的本質》筆記(09)筆記
- 使用世界變換的逆轉置矩陣對法線進行變換矩陣
- 理解矩陣乘法矩陣
- 高等代數:3 線性方程組的解集的結構
- 10個例子帶你瞭解機器學習中的線性代數機器學習