二维
普通的矩阵乘法
我们使用矩阵*向量 = 变换后向量的位置
那我们变换的到底是什么 是向量吗 其实我们可以理解成变换的是坐标
在二维中 向量[3,4]实际上可以看成3个i帽和4个j帽组成 那什么是i帽和j帽
正如图中 初始在未经过二维矩阵变换 也就是线性变换之前 i帽和j帽最开始的样子 而[-1,2]就是-1个i帽 2个j帽 那么经过线性变换之后
就可以看做线性变换是对i帽和j帽发生的改变 向量依旧是-1个i帽 2个j帽
例如这是一个线性变换
所以我们在计算某个向量要逆时针旋转90度时 我们可以先将i帽和j帽逆时针旋转90度 然后用原先的向量 例如[2,3]乘上这个i帽和j帽
线性变换
线性变换可以看做操纵空间的一种手段 可以把他看成是对整个坐标轴的一种变换 但是需要保持原来的坐标轴的网格线保持平行且等距分布 原点不动
行列式
在空间中行列式的值 意义其实是对空间的缩放 例如图中行列式其实就是将坐标系中的面积进行了六倍的放大
如果一个行列式的值为3 那么就是将空间中的面积变为原来的3倍 其实因为最初面积是1 所以行列式也可以看成是这个i帽j帽所围的面积值
行列式的值也可能是负数 当行列式的数值为负数时 就说明空间的定向发生了改变 绝对值依旧是空间的缩放比例
为什么空间定向发生了改变行列式的值为负数
原因在于我们想想 如果i帽不断靠近j帽 那么空间会被不断压缩 如果此时i帽和j帽重合 那么空间被压缩为0此时行列式的值也变为0 意思就是将空间中的面积变为原来的0倍 那么i帽继续往左偏 不就很自然是变为负数嘛
数值中行列式子的计算是 3 * 2 - 0 * 2 = 6
那么我们假设一个矩阵
a b
c d
在空间中(a,c)是i帽最终被变换的位置 而(b,d)是j帽最终的位置
如果c和b是0 那么很自然可以认为a就是i帽拉伸的长度 d就是j帽拉伸的长度 那么面积缩放比例很自然就是a * d
但是当b和c不是0时 是什么意思呢
c * b
项其实可以看成这个平行四边形在对角线方向上拉伸和缩放了多少
空间定向
就是当空间发生了翻转 就是空间定向发生了改变 就像一张纸 你把他翻了一面 最初j帽在i帽的左边 如果发生了空间定向的改变 那么j帽就会变换到i帽的右边
右手法则
中指指向j帽
食指指向i帽
大拇指自然会指向k帽