*从运动的角度看待实质为向量函数的线性变换
线性这个词从哪里来?和直线有什么关系?
所产生的向量的终点会描出一条直线。
我们可以想象输入一个向量都移动到对应输出向量的位置
为了更好的体会整个空间形状上的改变,
同时对无限网格上的所有点同时做变换
他们能给你一种挤压和变形空间的感觉
但幸运的是,线性代数限制在一种特殊类型的变换上
一个二位线性变换仅由四个数字完全确定:
变换后i帽的两个坐标与j帽的两个坐标。
你可以把它的列向量理解为两个特殊的向量,即i帽和j帽分别落脚的位置
把第一列看作是第一个基向量的落脚点,第二列同理
我们把这个变换作用关于向量(x,y)结果是什么?
变换后i帽的两个坐标与j帽的两个坐标
比如说,我们将整个空间逆时针旋转九十度
那么i帽落在(0,1)上,j帽落在(-1,0)上
那么这个矩阵的列就分别是(0,1)和(-1,0)
如果想算出任意向量在逆时针旋转九十度后的位置
你只需要把它与矩阵相乘即可
反过来看
从一个矩阵出发,比如说一个(1,2)和(3,1)为列的矩阵
这里给出一种办法:首先将i帽移到(1,2),然后将j帽移到(3,1)
空间其他剩余部分随着二者一起移动,以保持网格线平行并等距分布
如果变换后的i\j帽是线性相关的
那么这个线性变换将整个二维空间挤压到他们所在一条直线上
这种变换只需要几个数字就能描述清楚
就是基向量变换后的坐标
以这些坐标为列所构成的矩阵为我们提供了一种描述线性变换语言
(x,y)向量变换之后的结果,将是x乘以变换后的i帽
加上y乘以变换后的j帽
这意味着只要记录下i帽和j帽变换后的位置
你就能计算出一个坐标为(x,y)的向量变换后的坐标
就是x乘以变换后i帽的坐标加上y乘以变换后j帽的坐标
两个矩阵相乘有几何意义,也就是两个线性变换相继作用,从右到左
对于乘法结合律
这是在说,首先应用于C变换和B变换,然后应用于A变换
和首先啊应用于C在应用于B在应用于A的结果相同
特殊的缩放比例,即线性变换对面积产生改变的比例
称为变换的行列式而一个二维线性变换的行列式为0
说明它将整个平面压缩到一条线,甚至是一个点上
只需要检验一个矩阵的行列式是否为0
就能了解这个矩阵所代表的变换是否将空间压缩到更小的维度上
但目前为止并不完全正确
完整概念下的行列式可出现负值
行列式为0则意味着整个空间被压缩为零体积的东西,
也就是一个平面或一条直线,或者一个点
也就是说明矩阵的列线性相关
右手定则可以判断它的正负值
(快12点了。。未完待续)