【线性代数的本质 - 系列合集】05 三维空间中的线性变换（万字详文）

最新推荐文章于 2024-09-27 23:47:11 发布
最新推荐文章于 2024-09-27 23:47:11 发布
阅读量226 收藏
点赞数
分类专栏： 线性代数的本质 文章标签： 线性代数 算法 矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HAICHANG1105/article/details/131327980
版权
该视频补充介绍了线性代数中的三维线性变换概念，通过矩阵描述变换，强调了从二维到三维的概念推广，并举例解释了如何通过矩阵乘法表示三维空间中的旋转变换，同时提到了矩阵乘法在计算机图形学和机器人学中的重要应用。
摘要由CSDN通过智能技术生成

兄弟们，没看过视频的先滚去看视频！！！笔记是用来复习的

课程是blibli和youtube上的：
线性代数的本质 - 系列合集
Three-dimensional linear transformations | Chapter 5, Essence of linear algebra

嘿 大家好！
在这里插入图片描述
今天我带来了一个相对较短的视频作为章节之间的补充说明
在这里插入图片描述

前两期视频中，我谈论了关于线性变换与矩阵的话题
但是我只说明了一类将二维向量变换为其他二维向量的特殊变换
总体而言，整个系列里我们主要在二维空间中进行讨论
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

主要是因为这样更容易在屏幕上展现，也更容易理解
但是更重要的一点在于，一旦你掌握了二维空间里的核心概念
这些概念就能完美推广至高维空间
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

然而，我们还是应该不时探出头看看平面外的世界
在这里插入图片描述

了解这些概念在二维空间外意味着什么
在这里插入图片描述

比如说，考虑这样一个线性变换
它以三维向量为输入，并以三维向量为输出
在这里插入图片描述
在这里插入图片描述

我们可以想象它在移动三维空间中的所有点（这里用网格代表）
在这里插入图片描述
在这里插入图片描述

保持网格线平行且等距分布，并保持原点不动
在这里插入图片描述

和二维情形一样，我们看到的三维空间的每一个点
实际上只是用来代表以它本身为终点的一个向量
在这里插入图片描述

而我们所做的变换只是将输入向量移动至对应的输出向量
在这里插入图片描述
在这里插入图片描述

还是和二维情形相同
三维线性变换由基向量的去向完全决定
在这里插入图片描述

不过现在我们有三个通常使用的标准基向量
x方向的单位向量“i帽”
y方向的单位向量“j帽”
外加一个新来的，z方向的单位向量“k帽”
在这里插入图片描述

在这里插入图片描述

实际上我认为，只考虑跟踪这些基向量的话会更容易观察这些线性变换
因为使用三维网格会显得很凌乱
在这里插入图片描述

在背景中留下原始坐标轴的副本
我们就能观察到三个基向量变换后的位置
在这里插入图片描述

将变换后三个基向量的坐标记录在一个3×3的矩阵中
仅仅使用九个数字，这个矩阵就完全描述了一个线性变换

两个刻度间距表示1

在这里插入图片描述
在这里插入图片描述

举个简单的例子，考虑沿着y轴旋转90度的变换
在这里插入图片描述
在这里插入图片描述

这个变换将i帽移动到z轴上的(0, 0, -1)
它不移动j帽，所以j帽仍旧在(0, 1, 0)
而k帽被移动至x轴上的(1, 0, 0)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这三组坐标就成为了描述这一旋转变换的矩阵的三列
在这里插入图片描述
在这里插入图片描述

要想知道(x, y, z)所代表的向量在变换后的去向
在这里插入图片描述

推理过程与二维下几乎相同
它的每个坐标都可以看作对相应基向量的缩放
在这里插入图片描述
从而使缩放结果的和为你选择的向量
在这里插入图片描述

和二维类似，重要的部分在于
这一“缩放再相加”的过程在变换前后均适用
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

所以要找到向量变换后的位置
你将它的坐标与矩阵的对应列相乘
再将结果相加即可
在这里插入图片描述

两个矩阵相乘也是类似的
当你看到两个3×3矩阵相乘时
在这里插入图片描述

你应该想象首先应用右侧矩阵代表的变换
然后应用左侧矩阵代表的变换
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

实际上，三维矩阵相乘在部分领域有着非常重要的应用
比如计算机图形学与机器人学
在这里插入图片描述

虽然三维空间中的旋转很难直接表述
在这里插入图片描述
在这里插入图片描述
但是如果将它分解为简单分立的旋转的复合，这一过程就很容易理解了
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三维下通过数值计算矩阵乘法再次与二维情形类似
这里有一个好方法来检测你对上期视频的理解程度
那就是根据“两个线性变换依次作用”这一想法
自己尝试推理上面这个矩阵乘法应该是什么样的
下期视频中，我会开始讲解行列式
（下期视频：行列式）
在这里插入图片描述

Hfjsbdhc
关注
专栏目录
超详细的Rxjava文档（包括Rxjava1,Rxjava2,中文官方文档，实战实例，博客详文等）
03-31
这个压缩包包含了关于RxJava的全面资源，包括RxJava 1和RxJava 2两个主要版本的文档，中文官方文档，实战实例以及一系列深入解析的博客文章，对于学习和掌握RxJava来说是非常宝贵的资料。 RxJava的核心概念是...
3D数学 ---- 矩阵和线性变换
zhangkala的专栏
09-14 1281
<br />一般来说，方阵能描述任意线性变换。线性变换保留了直线和平行线，但原点没有移动。线性变换保留直线的同时，其他的几何性质如长度、角度、面积和体 积可能被变换改变了。从非技术意义上说，线性变换可能“拉伸”坐标系，但不会“弯曲”或“卷折”坐标系。<br />矩阵是怎样变换向量的<br />向量在几何上能被解释成一系列与轴平行的位移，一般来说，任意向量v都能写成“扩展”形式：<br /><br />另一种略有差别的形式为：<br /><br />注意右边的单位向量就是x，y，z轴，这里只是将概念数学化，向
3D数学基础2：矩阵和3D线性变换
Zmikoo学习之路
05-10 693
矩阵和3D线性变换 线性变换包括旋转、缩放、投影、镜像、切变等，不包括平移。包含平移的变换称作仿射变换。3D中的仿射变换不能用 3×33×33×3 矩阵表达，只能用用 4×44×44×4 矩阵表达仿射变换。 考虑2D 中将一物体顺时针旋转20°：旋转物体，意味着旋转物体上所有的点，这些点将被移动到一个新的位置，我们使用同一坐标系来描述变换前和变换后点的位置。如图： 另一种方式：变换坐标系。旋转坐标系时，物体上的点实际没有移动，只是在另一个坐标系中描述它的位置而已。如图： 这两种变换实际上是等价的，将物体
线性代数及三维旋转矩阵（与3D和WebGL相关）
iteye_3742的博客
01-02 1122
1.基本概念： WebGL中使用三维/正交/右手坐标系   三维：三个坐标轴（x轴/y轴/z轴） 正交：两两垂直 右手：x轴拇指正方向/y轴食指正方向/z轴无名指正方向   3D坐标系中原点的位置：(Vx, Vy, Vz)=(0, 0, 0)   标量：有大小无方向（如：温度/质量/能量） 矢量：有大小有方向（如：力/加速度/速度）   矢量相加/矢量相减   矢量乘...
线性代数：矩阵变换图形（三维绕任意轴向量旋转）
羊羊的博客
03-26 1万+
紧接上一篇：https://blog.csdn.net/yinhun2012/article/details/79649089 之前我们学习了三维坐标系下绕坐标轴旋转，理论上我们能通过绕着XYZ轴旋转组合得到任意方向的旋转，但是这种组合方式并不能很方便的满足我们的一些特殊需求，比如让把我想象成一个跳伞兵，我拿出一把m4加四倍镜，斜朝着天空开一枪，枪械原理中为了保证子弹...
线性代数的直观理解 -- Intuition in Linear Algebra
翾昱
03-08 6251
受《理解线性代数》启发，结合自身学习的经验，直观的总结我对线性代数的理解。强调直观是因为在这里不纠缠于数学的严谨性，所以如果追求数学严谨性和证明的还是去看教材比较好。统计的目标是对数表内各种数据进行挖掘从而找出隐含其中的关系，线性代数为统计提供了对数表的表达方式和对数表进行处理的工具。在初等数学中我们学过函数，用来表示的数据之间一种确定的关系，给定x一定能算出唯一的y。但现实中我们遇到的数据可就没有
Facebook电子商务报告详文：转化率2%到4%.docx
02-17
【Facebook电子商务报告详文：转化率2%到4%.docx】 这篇报告深入探讨了Facebook在电子商务领域的影响力，特别是它如何改变品牌商家的流量分布和转化率。Facebook电子商务的崛起，尤其是在非电子商务类公司中，显示...
POI详文&EasyExcel（EasyExcel直接可看官方文档）.pdf
12-13
在Excel操作方面，POI 提供了三个主要的组件：HSSF用于处理老版本的Excel（.xls，2003及之前），XSSF用于处理新版本的Excel（.xlsx，2007及之后），而SXSSF则是一个低内存占用的流式API，适用于处理大量数据。...
详文带你使用PaddlePaddle实战房屋信息预测（入门级）
12-22
尽管官方在实例代码中做了些讲解，但是仍然有很多没有照顾到的地方。下面，我将通过这个例子，带大家掌握这个模型。 文章目录前言项目结构加载数据定义模型结构训练过程可视化训练模型保存模型模型导入 项目结构 ...
最新的ASP.NET三层生成器2.0版本
01-07
在原来.NET三层生成器(免费)(简单三层、抽象工厂模式)(SqlServer、MySql)的基础上增加了很多功能： （原来的大家可以在这里看到：详文链接：http://www.jdwzw.cn/diannao/103416.html ），现在工作太忙，没有时间再...
3D图形学的线性代数的通俗解释。
daojin505的专栏
11-24 365
1.线性空间。就是说满足 f(Ax + B y) = Af(X) + B f(y) 其中A,B是常数。X，Y为向量。           最简单的空间是f(x)=x这条线的空间。Ax+By =Ax +By刚好成立。   空间这个概念，很重要，有可能是三维的拉伸的空间，也可能是普通空间。横着两米被认为是一个单位，也有可能横着三米被认为是一个单位。 2.基（必须正交，可以不是标准正交）：一个基定...
线性代数：矩阵变换图形（三维平移缩放旋转）
羊羊的博客
03-21 8348
紧接上一篇：http://blog.csdn.net/yinhun2012/article/details/79544205 这篇博文我只是准备对上一篇博文的内容进行扩展，因为上一篇我写完二维xy仿射坐标系的变换，这一篇我就扩充到三维xyz仿射坐标系的变换推导。 前面我们已经理解学习完矩阵在图形学中的作用，所以这一篇我只做纯推导和图形应用演示。 ...
直接线性变换（DLT）求解单应性矩阵
热门推荐
czl389的专栏
05-10 2万+
在图像拼接中，得到了两张图像的特征匹配，两个点集分别记作XX和X′X'。用单应性变换来拟合二者的关系，可表达为 c⎛⎝⎜uv1⎞⎠⎟=H⎛⎝⎜xy1⎞⎠⎟(1)c\begin{pmatrix}u\\v\\1\end{pmatrix}=H\begin{pmatrix}x\\y\\1\end{pmatrix}(1) 其中(uv1)T\begin{pmatrix}u&v&1\end{pmatrix}^
单位向量的定义和举例说明
u013172930的博客
09-27 570
单位向量是长度为 1 的向量，我们从具体的定义、二维空间的单位向量、三维空间的单位向量、任意向量标准化为单位向量进行了说明
矩阵的特征值和特征向量
u013172930的博客
09-27 857
特征值和特征向量的定义、几何意义、求法（计算步骤）、举例说明、性质、应用
《线性代数》学渣笔记
每一次跌倒，都是为了下一次站得更稳。
09-20 1434
笔记
计算一个矩阵的逆矩阵的方法
u013172930的博客
09-23 1517
对于2×2和3×3的小矩阵，可以使用公式或手工方法计算逆矩阵。对于更高阶矩阵，建议使用高斯-若尔当消元法、LU分解法等方法。对于复杂矩阵或高阶矩阵，使用计算工具更为高效。确保矩阵的行列式不为零，因为只有在行列式非零时，矩阵才是可逆的。
物理学基础精解【24】
理论物理与应用物理之家
09-25 585
对换是排列理论中的一个基本概念，也是行列式计算中常用的操作。对换的定义：在排列中，将任意两个元素对调，其余元素不动，这种操作称为对换。如果对换的两个元素是相邻的，则称为相邻对换。对换与排列奇偶性的关系：一个排列中的任意两个元素对换会改变排列的奇偶性。即，奇排列经过一次对换变成偶排列，偶排列经过一次对换变成奇排列。这一性质在行列式的计算中尤为重要，因为行列式的值与其行（列）排列的奇偶性密切相关。逆序。
5.3 克拉默法则、逆矩阵和体积
最新发布
passxgx的博客
09-27 441
行列式的应用
"POI详文：发现最全面的地点兴趣信息
POI，即Point of Interest，是指吸引人们前往参观的地点，可能是景点、餐饮、购物或者其他经济活动场所。POI数据是地图应用中非常重要的...可以说，POI详文是用户出行的重要参考依据，也是地图应用中不可或缺的一部分。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值