[计算几何]Matrices&Linear Systems：Matrices

这本书的2、3、4章是介绍计算几何中所需要的线性代数、向量几何已经矩阵和向量的的变化的数学内容。基本没有什么伪代码，但却是后面算法的基础。

我自己又感到对这一块的缺乏，所以计划在三个星期内，把数学部分过一遍。

由于学期马上就要开始，设计任务加重，研习班方面也快要结课。作穿插学习。

矩阵在后面几个章节中，用来更直观的描述。

To that end, you are encouraged to try to think of matrices as lists of tuples, or perhaps better as “tuples of tuples,” whose order has some deeper meaning than “that’s just the way it works.”

可以理解矩阵是元组的列表，元组的元组，他的排序意味着：“这就是他的工作方式。”

2.3.3标记和术语

一个举证用M或者A表示。每个在矩阵里的元素被叫做 element。横行竖列。行数m，列数n。一个举证的大小可以用 m*n表示，如果 m=n ，被称为方阵(square)。

可以用这样的方表示

2.3.2 矩阵置换

行列mn置换，也可以理解为从左上角到右下角拉了一个斜线。

用上标T表示，size的m和n反转

以上是矩阵反的特性。结合着举证计算进行验证。

2.3.3 算法操作

相加减是每一行(row)中的元素相加减

乘除是每一个元素乘上该系数

这里比较特殊的是0矩阵，每个元素都是0. +0是本身，*0得0 注意下标m*n的表示方法。

矩阵相加 —>元组相加 —>元素相加
对元素进行计算，符合中学时候的结合律和交换律。

元组a代表了三种成分的体积，元组b代表了每种成分在单位体积的质量。
相乘得到总的质量。

计算这个问题的时候，把他们都放进元组里去计算，更符合计算机思考的方式~

以上是矩阵乘法的一些规律

矩阵乘 行乘列，c矩阵中的i，j下标，来自A的行i，和B的列j

C(1,2) = A(1,x)*B(x,2) = (2,3)((7,6) =32

交换律不存在，AB不等于 BA 结合律存在 A(BC)=(AB)C

在computer graphics中，存在最多的矩阵 是

• 两个square相乘
• 一个单行或者单列矩阵 和 square相乘

上面是tuple相乘，下面是矩阵相乘。矩阵相乘的结果跟AB的左右位置有关，不满足交换律。

这里我只看懂了 他们置换后的计算和tuple计算有等价性，但是英文所表述的含义尚未完全理解。可能是说用tuple和matrix相乘的做法。

接下来给出了解释~

我们可以用一列或者一行矩阵来表示tuple。可以直接也用该矩阵或者他的逆矩阵进行计算。。
其实是讲了computer graphics里会用到的两种惯例（conventions）。

• tuple和矩阵相乘
• 交换位置后，逆矩阵相乘
  如上图所示
  在后面的章节可以，可以注意作者用的是哪种表示方法。

纯粹的Matrices部分笔记先到这里。