重点是理解矩阵的含义:矩阵其实是一种坐标系的转换
理解矩阵的几何功能:
矩阵是一种线性变换(线段变换后仍是线段,并且原点不会改变)
矩阵是一种映射,映射可以是一对一,也可以是一对多
矩阵是一种空间变换,每一种矩阵都是有本身的几何意义,而不是单纯的数字组合
理解矩阵的形式含义(矩阵在左,向量在右):
方阵满秩,是进行当前空间的坐标变换,不会进行维度的升高和降低
M×N(M>N),这种矩阵是一种升维矩阵,几何意义如3×2,就如同把一个平面进行一个方向维度的延展(当秩为2时),变成一个三维的空间,当然之前空间中的点(x,y)在提升维度的过程中在三维空间中还是一个平面分布,只是多了一个值全相等的第三个维度的值而已
M×N(M
方阵不满秩,其实和之前是一样的,不满秩就说明这个维度是虚的,没什么用,如果秩是一的话就是挤压成一条线。
一.平移矩阵
1.1二维平移矩阵
形式:平移矩阵的形式是什么样的呢。
一定是一个满秩的矩阵,因为我们并不会进行维度的变换。
坐标轴的方向和长度是不变的,因为矩阵运算的本质是改变的参考系的X,Y。
寻找矩阵:
那么什么样的矩阵能够使得一个点进行平移操作呢,因为平移操作并不会改变参考系XY的方向和单位向量的长度,所以实际上,在当前的维度中,我们并不可能做到,为什么呢?因为我们之前说过,矩阵的线性变换并不会改变原点的位置,矩阵是默认原点就是(0,