【第四章 线性代数之矩阵乘法和线性变换复合】3Blue1Brown

4.矩阵乘法和线性变换复合

4.1复合变换

在空间的变换中，每种变换可以通过其他变换组合而成，比如说先逆时针转90度然后再逆时针转90度，这和逆时针转180度最后得到的结果是一样的。

举个视频中的例子，比如对一个向量先旋转然后再进行剪切（剪切运动如果不明白的，可以看下图中矩阵，按照第三章中讲得矩阵，自行画一下），如下图对应的矩阵，相当于先对（x,y）向量先左乘一个旋转矩阵，然后再在这个基础上左乘一个剪切矩阵。

按照矩阵乘法的运算规则，其实上面的变换就可以等价于下面的变换。

所以：两个矩阵相乘有几何意义，也就是两个线性变换相继作用（尤其是这个相继，记得矩阵乘法是不满足交换律的，在每次线性变换的时候我们都是通过左乘一个矩阵，所以，相继的意思是这个矩阵代表的线性变换是从右向左执行的。）

看下面图片中这个例子，M1和M2两个矩阵的线性变换向量i和j分别移动到什么位置了呢？

首先，经过M1，i肯定移动到了（1，1）的位置，然后要在此基础上进行M2表示的线性转换，因此向量（1，1）左乘矩阵M2才能够得到（1，1）经历M2线性变换的位置，而不是单单左乘M2矩阵的第一列。同理可以计算出j向量目前移动到什么位置。计算过程如下：

然后我们用通用的字母代替具体的数字：
i向量的计算：

j向量的计算：

所以，最终的结果为：

通过矩阵乘积表示线性变换，同样可以对矩阵乘法不满足交换律进行证明。比如先进行剪切运动和先进行旋转进行画图测试一下~

附注1-三维空间中的线性变换

之前的解说都是在平面上展开的，在平面上学习比较直观也比较容易理解。如果二维上的知识已经掌握的差不多了，就可以直接套在高维空间上。

以三维向量举例，与之前不同的是，三维空间中我们有三个通常使用的标准基向量，那么三维空间中的线性变换也可以通过基向量的变换进行计算。

考虑个简单线性变换的例子：沿y轴旋转90度，各个基向量的变化：

任意一个向量也可以通过基向量进行表示，只不过现在无论是基向量，还是该向量的坐标，都表示成三个数的了。
线性变换也是一致的：