线性代数-向量,矩阵,线性变换
一.向量
向量要求具有两个条件:
- 长度(大小)
- 方向
二维:
三维:
计算机中,向量可看做列表:
图中第一个列表有两行 我们说它是二维向量,第二个列表有四行,我们说他是四维向量
向量的运算
向量加法:@向量加法
将对应的行相加
(将向量w的起点平移到向量V的终点)
(可以理解为从原点先向右走一步,向上两步,再向右走三步,左后向下走一步)
//
@向量数乘
向量的数乘:
相当于将向量缩放多少倍
1/3×v
乘以负数,即向相反方向缩放多少倍
将一个向量缩放多少倍,这个倍数就称作标量
数学中,二维向量表示在x轴和y轴组成的二维平面中过原点的向量:
第一行表示x轴的数值
第二行表示y轴的数值
三维:
@张成空间
二.张成空间:
@1.基向量
- 基向量
在x,y轴正方向上,单位为1 的向量称作该2二维空间的基向量
因此任何一个向量都可以表示基向量缩放后的和:
固定一个向量,另一个向量自由一点,两个向量的相加锁产生的向量重点落在一条直线上:
如果让两个向量同时自由变换,他们相加产生的向量有三种结果:
1.将会组成整个平面:
二,当两个向量共线时锁产生的向量被限制在这条直线上:
三,当两个向量都为0时,组成的向量也为0
因此,张成空间描述为:
给定向量v和向量w的所有线性组合构成的向量的合集成为向量v和向量的张成空间
三维中两个向量张成的空间即是过原点的一个平面:
三维中三个向量的线性组合:
三维中三个向量的张成空间有两种情况:
1.第三个向量在前两个向量张成空间组成的平面中:
2.1.第三个向量不在前两个向量张成空间组成的平面中,它将前两个向量张成空间的平面沿这第三个向量来回移动,从而组成了整个三维空间:
@1.线性相关
线性相关:
1.有多个向量,移除其中一个而不减少张成空间,称作这些向量线性相关
2.有某几个向量,其中一个向量可以表示为其他向量的线性组合(图中公式加法表示的缩放并相加)
@2.线性无关
线性无关
所有向量都给张成空间增加了新的维度,称为线性无关
@矩阵
@1.线性变换
线性变换:
变换,可以看做是一种函数,他接收输入的向量,变换成另一种向量输出
变换的意义在于运动
即把输入向量移动到输出向量的位置
线性变换必须保证两个条件:
1.直线依旧是直线,且间距相等(平行且等距)
2.原点不动
所以,线性变换后的以看成是变换后的i-hat和j-hat的线性组合
知道了变换后的i帽和j帽,要求任意向量[x y],只需求他们的线性组合即可
公式:
矩阵
线性变换公式可以总结成:
就是矩阵向量的乘法:
如
1.将一个向量逆时针旋转90度,变换后的i帽和j帽:
2.剪切变换(x轴不动,y轴左右45°变换):
3.变换后i帽在j帽的左边,表示变换将空间发生了翻转:
4.变换后矩阵的列线性相关,则变换将空间压缩到了一条直线:
总之,线性变换是操纵空间变化的一种手段,他保持网格线平行且等距分布,且原点不动
矩阵乘法
矩阵的乘法,可以看成是经历了两次的线性变换
也可以理解成函数
快速理解:
1.M1的i-hat经过M2的变换后如下:
1.M1的j-hat经过m2的变换后如下:
线性组合后的向量就是变换后的结果
三维的线性变换
三维矩阵:
如图,三维中一个向量的变换页可以看成是与变换后的i-hat,j-hat,k-hat缩放后相加
求得粉色箭头的坐标,既是变换后的向量坐标
计算方法:
两个三维矩阵相乘,同二维一样,表示两个变换的过程:
用numpy试了下
v=[[0,-2,2],[5,1,5],[1,4,-1]]
w=[[0,1,2],[3,4,5],[6,7,8]]
vd=numpy.array(v)
wd=numpy.array(w)
print vd
print wd
print vd*wd
输出好像不对,只是将对应位置的数乘起来,记录下后续研究
[[ 0 -2 2][ 5 1 5][ 1 4 -1]]
[[0 1 2][3 4 5][6 7 8]]
[[ 0 -2 4][15 4 25][ 6 28 -8]]
线性代数-向量,矩阵,线性变换相关推荐
- 一般向量空间的基变换_MIT—线性代数笔记30 线性变换及对应矩阵
第30讲 线性变换及对应矩阵 Linear transformations and their matrices 网易公开课open.163.com 线性变换 Linear transformati ...
- 线性代数笔记32——线性变换及对应矩阵
原文:https://mp.weixin.qq.com/s/qCmstZdzCy1WCfBAkEZEoA 线性变换这个词在线性代数中经常被提及,每个线性变换的背后都有一个矩阵.矩阵的概念比较直观,相比 ...
- 线性代数之 矩阵求导(3)标量、向量求导的快速记忆
线性代数之 矩阵求导(3)标量.向量求导的快速记忆 前言 基本约定 引例 标量对标量求导 标量对向量求导 向量对向量求导 包含两个变量的求导 总结 扩展 前言 上一次记录了矩阵求导的基本法则和公式,并 ...
- 向量余弦值python_向量/矩阵的余弦值打印(元素明智的操作) 使用Python的线性代数
向量余弦值python Prerequisite: 先决条件: Defining a Vector 定义向量 Defining a Matrix 定义矩阵 Numpy is the library o ...
- python矩阵运算与线形代数_[译] 线性代数:矩阵基本运算
线性代数:矩阵基本运算 在本文中,我们将介绍矩阵的大部分基本运算,依次是矩阵的加减法.矩阵的标量乘法.矩阵与矩阵的乘法.求转置矩阵,以及深入了解矩阵的行列式运算.本文将不会涉及逆矩阵.矩阵的秩等概念, ...
- 【线性代数】矩阵及其特性
[线性代数]矩阵及其特性 写在前面 只拉伸不旋转的方向 特征值和特征向量 相似和对角化 正交,对称矩阵 拉伸最大的方向 二次型理论 从曲线而来 合同矩阵 正定二次型 参考资料 写在前面 本文是笔者用于 ...
- 线性代数之 矩阵求导(2)标量函数求导基本法则与公式
线性代数之 矩阵求导(2)基本法则与公式 前言 基本约定 标量对向量求导 基本法则 公式 标量对矩阵求导 基本法则 公式 后记 前言 上篇矩阵求导(1)解决了求导时的布局问题,也是矩阵求导最基础的求导 ...
- 线性代数的本质(1)——基底、向量、线性变换、逆阵、行列式
我不知道多少人和我之前一样,在看到线性代数矩阵.向量之间的数值运算那些头发都要掉一圈.尤其是当我考研时考场上看到那两道线代题的时候人都傻了(20年数二).但是在这考完后重新回来思考线性代数的本质的时候 ...
- 线性代数之 矩阵的特征值,特征向量,特征分解
线性代数之 矩阵的特征值,特征向量和特征分解 前言 特征值和特征向量 求矩阵特征值 矩阵的特征分解 补充:实对称矩阵 后记 前言 矩阵的特征分解是比较基础的知识了,但是应用却十分广泛,比如主成分分析. ...
最新文章
- python代码根据时间获取周数(week of the year)
- distribution counting—a sorting method from aocp
- 微软Azure已开始支持hadoop--大数据云计算
- 直观展示卷积核(转)
- Centos 7安装Postfix用于发送提醒邮件
- jira+mysql配置
- C#判断Textbox是否为数字
- (1.3)HarmonyOS鸿蒙启动程序运行流程
- java从键盘上录入任何整数,输出该整数的阶乘
- 从零开始升级基于RuleBased的聊天机器人
- ibatis #于 $区别
- Eclipse安装SVN插件三种方式
- 解决github上的提交说明中文乱码的问题
- 今天在QQ群中看到这么一段,广告词新编,太有才了
- (详细)华为荣耀8X JSN-AL00的usb调试模式在哪里开启的教程
- AS608指纹模块于51单片机的二次开发
- ESP8266 NodeMcu机智云SOC方案开发经验分享
- 文件未上传成功再次点击上传报错问题处理
- CSS Text Decoration
- 利用赛门铁克Symantec Endpoint Protection漏洞渗透企业网络
热门文章
- 肖秀荣真的是“yyds”吗?会被反押题吗?今年还会押中原题吗
- 解决cmd中,javac提示:javac不是内部或外部命令,但是运行java、java-version正常的问题
- 工作流审批平台-审批流程-审批权限
- APP设计尺寸规范大全,APP界面设计新手教程【官方版】
- 用matlab对图像进行边缘填充,matlab中的图像边界填充函数 | 学步园
- Linux安装mql
- 最简单的python使用ddddocr模块在线识别验证码后登录
- 11、IOC 之使用 JSR 330 标准注释
- Selenium使用浏览器自动登录校园网
- Geoffrey Hinton:放弃反向传播,我们的人工智能需要重头再来