线性代数【14】线性变换 linear transformation
前言:上节讨论了,线性变换的基本向量概念,和坐标系构建,以及线性相关的基本定义和原理。
现在开始正题,线性变换。
1 线性变换在二维空间
如果用函数的概念去理解的话,
可以把线性变换看成是一个输入输出的函数。那么用【Transformation】而不是function的原因,还是在于向量是一个特点意义的概念,例如,前面我们提到的运动(方向特性)。
上面是对一个向量考虑,如果我们考虑一个向量集,那么有应该是整个二维平面的移动,上节说了,为了方便,当考虑向量集的时候,我们只考虑Tip的位置,也就是向量的坐标点。
用网格背景的点和距离之间的变化,我们来标准这些向量点的运动情况。
1.1 线性变换的定义:
经过变换之后:
- 所有的直线还是直线
- 原点还在原来的位置
不是线性变换的例子:
下面这个虽然都是直线的缩放,但是没有等距离分布,这样对角线的连线变得弯曲了,这样也不是线性变换。
小结:从几何角度看,线性变换,需要保持网格线平行并且等距离分布。
2 线性变换的数值描述
我们知道了线性变换的定义后,怎么用呢?或者有什么用呢?如何用数值表述呢?
是的你给出一个输入的向量坐标in,通过变换得到输出的向量out.
还是用前面基础向量i,j的办法,比如,原来一个坐标为【-1,2】T的向量v,他可以认为是基础向量i,j通过简单的线性组合实现的【右图】
【现在开始变换了】
上图我们看的,【在X,Y,右手坐标系中,保持坐标原点不变】
红色的j head基本向量发生了长度变化+角度变化,变成3倍单位长度,【0,1】T->【3,0】T
而绿色的基本向量i ,也发生了长度变化+方向变化。【1,0】T-> 【1,-2】T
但是,【由于向量 V和两个基础向量i,j有一个特定的线性组合】
也就是,基础向量已经变化了,我们依旧可以表述成黄色箭头的结果出来。
代入,线性组合关系,我们得到新的v变量的坐标。
由此,我们可以推广到通用的向量:任意一想要求解的原向量x,y组,都可以通过一个由基础向量i,j变换后的矩阵相乘,得到他相应的变换坐标。
由此,一个二维的线性变换,被完整的通过基础向量的四个数字被表述了。
【案,这一点和前面提到的变更基础向量scaled的因子一致】
推而广之,
2 举例:
2.1 逆时针旋转90度:如何将整个空间进行旋转
只需要旋转,基础向量,然后把每个向量表述出来即可。
2.2 剪切
2.3 线性相关的线性变换
如果两个基础向量是线性相关的:【上节提到的线性相关的条件,就是起作用一个向量是另外一个向量缩放【scaled】来的,或者其中一个向量是另外两个向量的组成的向量空间的元素【三个元素的话】】线性变换将被约束在某一个范围,例如一条直线,或者一个平面。
小结:
线性变换是操控空间的一种手段,保持网格平行等距,同时保持原点不动,通过几个基本向量的坐标就可以表述出来。而矩阵的向量乘法,就是计算设定的线性变换,对于给定向量x,y并得到输出向量的一直途径。
所以,每一个矩阵,你可以看成是基本向量坐标点组合,也就是可以看出是空间变换的一种形式。
对后续上述概念理解有帮助。
词汇表:
1 Transformations【变换】
the idea of a linear transformation and its relation to matrices. 线性变换的概念以及他和矩阵的关系。
2 Spaced【等距离的】
Grid lines remain parallel and evenly spaced
3 lands 向量变换后的位置
4 by
2x2矩阵 = 2 by 2 Matrix
5 shear【剪切】
参考:
【官方双语/合集】线性代数的本质 - 系列合集_哔哩哔哩_bilibili
3Blue1Brown:“线性代数的本质”完整笔记 - 简书 (jianshu.com)
线性代数【14】线性变换 linear transformation相关推荐
- 【线性代数】7-2:线性变化的矩阵(The Matrix of a Linear Transformation)
title: [线性代数]7-2:线性变化的矩阵(The Matrix of a Linear Transformation) categories: Mathematic Linear Algebr ...
- matlab中没有linearmodel,MATLAB线性代数简明教程(Linear Algebra Using MATLAB)
MATLAB线性代数简明教程(Linear Algebra Using MATLAB) 编辑 锁定 讨论 上传视频 <MATLAB线性代数简明教程(Linear Algebra Using MA ...
- 漫话线性代数:线性变换的几何解释
网购了一本书,说的是线性代数的几何解释.一口气读完,感觉这部书有些贪多了,什么细节都要弄个几何解释,不免让琐碎的细节把关键性的主题给遮掩了.所以萌生一个念头,把线性代数的核心概念和理论和语言梳理一下, ...
- 漫步线性代数十三——线性变换
我们已经知道了矩阵AA的四个基本空间,它的零空间使得向量变成零向量,因为AxAx是列的组合,所以所有向量都位于列空间里.之后我们还会看到一些每秒的东西--AA将它的行空间变成列空间,在这些维度为rr的 ...
- 【线性代数】MIT Linear Algebra Lecture 6: Column space and nullspace
Author| Rickyの水果摊 Time | 2022.9.12 Lecture 6: Column space and nullspace Lecture Info Instructor: Pr ...
- 线性代数(14)——正交性、标准正交基和投影
正交性.标准正交基和投影 正交基与标准正交基 一维投影 高维投影和Gram-Schmidt过程 三维空间 四维及以上空间 实现Gram-Schmidt过程 相关话题 标准正交基的性质 正交基与标准正交 ...
- 线性代数(14): 对称矩阵与矩阵的SVD分解
文章目录 1 完美的对称矩阵 2 正交对角化 3 什么是奇异值 4 奇异值的几何意义 5 矩阵的奇异值分解(SVD) 6 在numpy中使用SVD分解 参考资料 注:转载请标明原文出处链接:https ...
- 线性代数-Gilbert Strang(第三部分)
第二十六课时:对称矩阵和正定性 本节研究对称矩阵的特征值和特征向量. 对称矩阵的性质: 实对称矩阵的特征值是实数 在对称矩阵的特征向量中,能挑出一组是垂直正交的 如果特征值互不相同,那么每个特征值的特 ...
- 线性映射和线性变换的区别
线性映射(linear map),是从一个向量空间V到另一个向量空间W的映射且保持加法运算和数量乘法运算.线性映射总是把线性子空间变为线性子空间,但是维数可能降低.而线性变换(linear trans ...
最新文章
- AI性能基准测试从此有了「中国标准」!英伟达、谷歌可以试试
- 快速入门 Nginx,这篇就够了!
- java关闭当前窗口打开另一窗口
- oracle导出库压缩参数,oracle数据库的定时备份:导出 压缩 归类
- 微信订阅号开发笔记(三)
- xfce4终端的字体颜色修改
- python快速排序算法循环_算法:快速排序的Python实现
- Oracle创建视图、通过视图创建表
- mpandroidchart 设置x轴数据_Flowjo软件下的流式数据基本分析
- 自我总结(五)---(学习j2ee)
- Linux Kernel 5.0 近日正式面向公众
- python怎么替换主干网络_无法将关键字“model”解析到字段中。活塞主干网.js
- 网络七层协议(转载)
- 第七节、文件系统与磁盘分区
- 2013武汉住房公积金新政详解
- win10截图截屏快捷键 截图截屏工具
- 项目八学好英语网html,学好英语的八种方法-英语文章阅读-大耳朵英语 - 免费在线英语学习 口语练习 四级听力资料 在线翻译 网络课堂 英语社区...
- Phind-面向程序员的AI聊天对话机器人
- 安装ecshop php,PHPstudy和ecshop的安装和使用
- 华为设备路由策略原理与实验
热门文章
- docker随着主机启动 自动启动设置
- HDU1466 计算直线的交点数
- C#LeetCode刷题-回溯算法
- jmeter利用influxdb和grafana实现数据可视化
- python标准库之urllib, httplib, urllib2
- spring架构初学者_完整的厨师和基础架构初学者指南
- docker引导java_让我引导您完成与Docker的第一次约会
- fcn从头开始_从头开始有营销问题
- 宝塔linux_Linux虚拟机上快速搭建宝塔 部署PHP运行环境
- xxx is not in the sudoers file.This incident will be reported.