![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
线性代数
MediTechInsight
这个作者很懒,什么都没留下…
展开
-
矩阵与线性变换
这种方法帮助我们更直观地理解线性变换,以及如何在向量空间中通过改变基向量来实现不同的效果。线性变换的理解对于计算机图形学、工程和物理建模等领域都非常重要,因为它们描述了物体和数据之间的关系,并允许我们以一种直观的方式来处理它们。想象一下,如果你想对一个向量进行旋转操作,可以将其视为将基向量旋转,然后再将新的基向量组合以形成新的向量。线性变换为我们提供了一种特殊的方式来理解输入和输出之间的关系,通过它,我们可以将这种关系可视化为一种运动。如果你向空间中添加一个向量,它的最终位置将取决于基向量的变化。原创 2023-10-13 10:43:43 · 138 阅读 · 0 评论 -
行列式和逆的变换解释
我们可以发现,先看第一列,为3 0,那么说明基向量i还在x轴上,只是扩大了三倍,但是第二列为2 2,说明基向量j已经偏离了y轴,那么我们就会发现这个坐标系已经发生了改变,不再是直角坐标系。所以说变换矩阵前3*3的部分,我们称之为旋转矩阵的部分,其实就是我们所说的变换坐标系,变换到这个变换的坐标系下,再平移。这里说的平移不是说向量整个平移,因为原点是不会动的,一直在(0,0),那么就移动的终点坐标,是终点坐标平移的意思,所以向量的平移看起来并不是平移。原创 2023-10-13 18:53:38 · 148 阅读 · 0 评论 -
矩阵乘法与线性变换复合
需要注意的是这是一个一直左乘的过程,我们阅读这个矩阵变换运算的过程的时候应该从右往左看。这个复合运算就好像,你将第一个矩阵看成变换之后的两个基向量,然后这两个基向量又再第二个变换下形成两个新的基向量,然后这两个新的基向量就是复合矩阵。前期回顾:意味着我们只需要记住变换之后的基向量,然后输入向量进行变换就行,也就是变换矩阵对向量进行应用。那么问题来了,我们矩阵相乘的先后(变换顺序的先后)有影响吗?通过计算或者变换结果可知顺序是会影响的。但是矩阵运算是有结合律的,这一点不能和上面弄混。原创 2023-10-13 14:26:04 · 91 阅读 · 0 评论 -
线性组合、张成的空间与基
例如,如果我们有三个基向量,那么通过改变常数 a、b 和 c,我们可以得到三维空间中的任何向量。总之,线性组合、张成的空间和基向量是线性代数中的核心概念,它们帮助我们理解向量之间的关系,构建多维空间,并在计算机图形学等领域中应用。基向量是构建向量空间的基础。在二维空间中,只需两个线性无关的基向量,就能够组合出该平面的任何向量。在这篇总结中,我们将讨论线性组合、张成的空间和基向量,这些概念对于理解线性代数非常关键。对坐标进行变换时,实际上是在进行基向量的线性组合,同时使用 x、y 和 z 来缩放这些基向量。原创 2023-10-13 10:08:48 · 90 阅读 · 0 评论 -
乘法和逆矩阵:理解矩阵相乘和逆矩阵
逆矩阵不存在情况:如果一个矩阵 A 存在一个非零向量 X,使得 AX = 0,那么说明矩阵 A 的列向量都在同一方向上,因此逆矩阵不存在。结果矩阵的尺寸:如果矩阵 A 是一个 mxn 的矩阵,而矩阵 B 是一个 nxp 的矩阵,那么结果矩阵 C 将是一个 mxp 的矩阵。对应行乘于对应列:在矩阵 A 与矩阵 B 相乘时,结果矩阵 C 的每个元素都是 A 中的一行与 B 中的一列对应元素的乘积之和。矩阵相乘是一种重要的线性代数操作,它允许我们将一个矩阵与另一个矩阵相结合,从而创建新的矩阵。原创 2023-10-12 16:30:18 · 711 阅读 · 0 评论 -
线性代数的直观理解:方程组与矩阵乘法
线性代数为我们提供了强大的工具,以便更好地理解和解决方程组的问题,并将线性关系用矩阵和向量相乘的方式简化。:我们可以将矩阵的每一列看作一个向量,然后将每个向量与向量 x 的对应分量相乘,并将结果相加以获得最终的输出向量。:我们也可以从矩阵的每一行出发,将矩阵的每一行与向量 x 的对应分量相乘,并将结果相加以获得输出向量。无论使用哪种视角,重要的是确保矩阵的列数等于向量的行数,否则无法进行矩阵与向量的乘法运算。矩阵与向量相乘是线性代数中的一项重要操作,它允许我们将复杂的线性关系简化为紧凑的数学形式。原创 2023-10-12 15:15:33 · 100 阅读 · 0 评论