【随笔】对变换矩阵的有趣理解

【随笔】对变换矩阵的有趣理解

【随笔写的，帮助思考当看到一个变换矩阵时，可以大体把握模型会怎样变化】
用词不严谨，仅供参考，以及附上学习视频的地址，超级好建议看看：线性代数的本质

由线性无关列向量组成的矩阵，可以理解为一种变换，而三个列向量，就是另一个空间（变换的目标空间）下的基，原空间内的点通过与这个矩阵相乘，就可以变换到由矩阵内三个列向量（基）张成的空间内的点（但坐标值还是基于原空间即世界坐标系来定的）。

另一种简单的运算，如下图，在二维空间下，当基由i和j变换为绿色框框和红色框框表示的向量后，原空间内的向量的各个分量与对应的基相乘再相加，即为原向量变换（映射）到新空间后的新向量。

三维也是一样的，即加了第三个基，也就是变换矩阵的第三列，而计算方法也可以参考二维，与常见的矩阵乘法是一样的道理，但要注意，如果矩阵由列向量组成，则应该是变换矩阵乘向量，如果矩阵由行向量组成，则是点乘变换矩阵。

加第4维仅仅是为了加个平移，4x4矩阵左上角的3x3矩阵就是旋转缩放切变的变换矩阵，加第4维不会影响3x3矩阵的效果，第4维仅仅是多了个平移。

看到一个变换矩阵，类如切变时，如果两个基没有变，而仅一个基有变化，则可在脑内构思一个小方块，然后思考变动的那个基引导方块在对应方向上的切变，而一连串变换的拼接，也可通过观察基的变化来思考模型的变换，比如在某个维度变大，后切变，然后旋转，大体是可以脑补出来的，这样有利于后面给模型写特定的变换方法。

还有多个变换相乘的顺序问题，以向量在矩阵的右边为例，如矩阵ABC代表三个变换，ABCxD代表把ABC这三个变换应用于D向量，可以这样理解，首先，D向量是基于原空间的，先与C相乘，变换到了以C矩阵的三个列向量为基张成的空间内，这个时候，点已经在C的空间内了，再与B相乘，意为在C的空间内的基础上，又变换到了以B矩阵的三个列向量为基张成的空间内，以此类推，因此，先变换C，再变换B，其次变换A，就变成了这样的乘法顺序。

如下图，首先设定矩阵由列向量组成（threejs里就是基于列的所以以基于列举例），下图左侧为变换A，右侧视为变换B，两个变换按照线代乘法来相乘，可视为基于变换A，改变了i，j，k三个基向量（毕竟线代是行x列嘛！），而生成的新矩阵也是线无关的，因此可视为A空间下的三个基向量，如果此时左侧再乘一个变换矩阵C，就等于又把A空间的仨基向量变换到了C空间下，因此！如果矩阵是列向量组成的，则变换矩阵要在向量左边！且应该也能够理解为什么靠近向量的先变换了…其实不考虑靠近不靠近向量的问题，单看一串列向量组成的矩阵相乘，也能看出来是右侧的矩阵被缓缓变换到左侧的空间内…

还有就是，矩阵乘法有顺序应该也可以理解了，AxB，等于用A变换B，那BxA，等于用B变换A，那指定是不一样。

还有行列式，一个变换矩阵行列式的值，等于原空间基所表示的一小块空间，在经过该变换后，面积（或体积）变化的倍数，而正负号代表是否会翻转，例如如果一个变换矩阵求行列式的值=-3，则对一个模型应用该变换，模型近似于扩大3倍，且进行了翻转。

行列式的值为0时，等于降维打击（bu），等于降低了一个维度，例如三维被压缩到了二维，二维被压缩到了一条线，也即出现了线性相关情况。

逆矩阵就是逆变换，实际上也是一个变换矩阵，它的作用是再变换回原空间内，比如A让向量旋转30度，A的逆会让旋转了30度的点再转回去。

还有，如果一个变换对向量进行了降维打击，那么这个变换是没有逆变换的，也就是回不去了…

2行x3列矩阵，3列代表3个向量张成的空间，2行代表每个点都由2个数组成，这样的一个变换会将3维空间映射到2维平面内，而3x2矩阵，2列代表一个平面，3行代表用3个数来表示点，则这将会把一个平面映射到一个空间内，这两种变换在threejs里应该是并没有涉及到，这里仅做了解。

点积，两个向量相乘，如果将其中一个向量改成横着的，那就是一个行向量x一个列向量，可以理解为给列向量做了一个1维的变换。（存疑，点积理解还不够深入）

还有就是，点积的正负可以代表两向量夹角是否大于90度，在游戏中，可以用此方法来判断面向是否一致，还是背对。

叉积得出的是垂直于两个向量的一个向量，可以理解为法向量，而叉积的模是下图四边形的面积，如下图：

如果w在v右侧，则w乘以v的叉积的模是正的，v乘以w的叉积的模是负的，而叉积的模的绝对值，等于这个黄色区域的面积。

叉积主要用来求法向量。

随笔…随笔…想到再补充