线性代数的本质

03-矩阵与线性变换

线性变换中的“变换”本质上就是“函数”的一种花哨说法，它接受内容并输出对应结果，在线性代数的情况下，考虑的是接受一个变量并且输出一个变量的变换。使用“变换”是在以特定方式来可视化这一输入_输出关系。理解向量函数的方法是使用运动。

线性代数只限制在一种特殊类型的变换上，这种变换更容易理解，称为“线性变换”，如果一个变换具有以下两条性质，我们就称它是线性的，一是直线在变换后仍然保持为直线，不能有所弯曲，二是原点必须固定。总的来说 应该把线性变换看作是“保持网络线平行且等距分布”的变换

如何用数值描述线性变换?

你只需要记录两个基向量i帽和j帽变换后的位置，其他向量都会随之而动。一个二维线性变换仅由四个数字完全确定。2*2矩阵可以把它的列理解为两个特殊的向量，既变换后的i帽和j帽，想了解线性变换对这个向量的作用，只需要取出向量的坐标，将它们分别与矩阵的特定列相乘，然后将结果相加即可，这与“缩放基向量再相加”的思想一致。

如果想算出任何向量在逆时针旋转90度后的位置，只需要把它与矩阵相乘即可。还有一个有趣的变换，叫做“剪切”。

线性变换是操纵空间的一种手段，它保持网格线平行且等距分布，并且保持原点不动。

04-矩阵乘法与线性变换复合的联系

基向量就是i帽和j帽，这是因为其他任意向量都能表示为基向量的线性组合。

一个变换结束进行另一个变换，比如 首先旋转然后剪切，从头到尾是另一个线性变换，它与旋转剪切完全不同，这个新的线性变换通常被称为前两个独立变换的“复合变换”。和其他线性变换一样，也可以用矩阵完全描述这个复合变换。一个麻烦的方法是 先将它左×旋转矩阵 然后将得到的结果在左×剪切矩阵，从数值角度看，这意味着对一个给定向量进行旋转然后剪切，无论所选向量是什么，结果都应该与复合变换作用结果完全相同，因为新矩阵应当捕捉到了旋转然后剪切的相同总体效应。两个矩阵相乘有这着几何意义，也就是两个线性变换相继作用。

乘积需要从右向左读，首先应用右侧矩阵所描述的变换，然后再应用左侧矩阵所描述的变换，它起源于函数的记号，所以每次将两个函数复合时，总是要从右向左读。

矩阵乘积顺序对于结果是有影响的。

05-行列式

测量一个给定区域面积增大或减小的比例

只要知道单位正方形面积变化的比例，它就能告诉你其他任意区域的面积变化比例，首先注意一点，无论一个方格如何变化，对其他大小的方格来说，都会有相同的变化，这是由“网络线保持平行且等距分布”这一事实推断得出的，对于不是方格的形状，它们可以用许多方格良好近似,只要使用方格足够小，近似就能足够好，由于所有小方格都进行了一个比例的缩放，所以整个形状也进行了同样比例的缩放。这个特殊的缩放比例，即线性变换改变面积的比例，被称为是这个变换的行列式。只要检验一个矩阵的行列式是否为0，我们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纬度上。

将一个区域缩放负数倍是什么意思?

这和定向的概念有关。这个变换在感觉上将整个平面反转了，我们称类似的变换改变了空间的定向，在i帽和j帽中去考虑，初始状态下是j在i的左侧，变换后j在i的右边，那么空间定向就发生了改变，当空间定向发生改变时，行列式为负，但行列式的绝对值依然表示区域面积的缩放比例。

负的面积缩放比例为什么会自然地用来描述定向改变呢?

考虑i帽接近j帽进行的一系列变换，当i帽靠近j帽时，空间也被压缩的更严重，这意味着行列式趋近于0，当i帽与j帽完全重合时，行列式为0。如果i帽继续沿着这个方向移动，行列式继续减小为负值不是一件很自然事吗?

行列式在三维空间中的意义

给定区域体积增大或减小的比例。变换后会得到平行六面体，初始体积为1，而行列式给出的是体积缩放比例，所以可以把行列式简单看作这个平行六面体的体积。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，或者更极端的情况下，一个点。

负值行列式在三维下的含义

有一种方法来描述三维空间的定向，那就是“右手定则”，右手食指指向i帽的方向，中指指向j帽的方向，当把大拇指竖起来时正好是k帽的