四川观察全媒矩阵引爆文博会,什么是观测矩阵

以下节选自【遇见数学】发布的《图解线性代数——用动画轻松理解线性代数的本质和几何意义》 。线性变换是线性空间中的运动,矩阵是用来描述这种变换的映射 。可以说矩阵的本质就是映射!都说没有直观印象,直接看动画吧 。矩阵不仅仅是一个数值的表格:它实际上显示了线性空间在矩阵的作用下是如何变化的 。在下图所示的二维平面中观察水平和垂直的伸缩过程:从上面的动画可以观察到,垂直方向没有变化(A的第二列没有变化);水平拉伸2倍;变换后,光正方形的面积变成原来的两倍,这其实就是行列式的意义所在——面积展开比Det(A)=2 。在看到更多的矩阵变换之前,先停下来看看下面静态图的进一步解释:变换之前,矩阵的基向量i(1,0)移动到(2,0)的位置,而基向量J (0,1)是(0,1)没有发生变换(移动)——也就是基的变化:一旦理解了基的变化,整个线性变换就清楚了——因为所有的向量变化都可以用变化后的基向量来线性表示 。观察以下红色向量(1,1.5)和绿色向量(-1,3)在变换后已经沉降的位置:变换后的向量(1,1.5)你也可以看到矩阵的乘法是如何计算的:同样,同样的计算方法应用于(-1,-3)变换后的位置:你可以再次观察上面的动画来实现和验证计算结果 。接下来,看看其他的变换矩阵 。这里矩阵A的对角线包含一个0,观察下面的动画:可以看到水平方向变成0倍;垂直方向拉伸2倍;面积变化率为0倍,即Det(A)= 0;底座的变化如下:看下面矩阵A的变换:可以看到整个空间向左倾斜;将面积放大到原来的Det(A)=3.5倍;在三个不同矩阵(乘法)的作用下,整个空间发生了不同的变换,原点没有变,直线还是直线,平行的保持平行,这就是线性变换的本质 。同样,在三维线性空间中,矩阵也用于这种线性变换,需要注意的是,这里的行列式可以看作是变换后体积变化的放大倍数 。观察下图,下面矩阵A变换后,空间会进行镜像反转变换(展平成线条)
矩阵的本质和意义是什么?

四川观察全媒矩阵引爆文博会,什么是观测矩阵


【四川观察全媒矩阵引爆文博会,什么是观测矩阵】以下节选自【遇见数学】发布的《图解线性代数——用动画轻松理解线性代数的本质和几何意义》 。线性变换是线性空间中的运动,矩阵是用来描述这种变换的映射 。可以说矩阵的本质就是映射!还是没有直观的印象,直接看图解动画吧 。矩阵不仅仅是一个数值的表格:它实际上显示了线性空间在矩阵的作用下是如何变化的 。在下图所示的二维平面中观察水平和垂直的伸缩过程:从上面的动画可以观察到,垂直方向没有变化(A的第二列没有变化);水平拉伸2倍;经过变换后,光正方形的面积变成了原来的两倍,这其实就是行列式的意义所在——面积展开比Det(A)=2 。在看到更多的矩阵变换之前,先停下来看看下面静态图的进一步解释:变换之前,矩阵的基向量i (1,0)移动到了(2,0)的位置,而基向量J (0,1)仍然是(0) 。1)没有发生任何变换(运动)——也就是基的变化:一旦理解了基的变化,整个线性变换就清楚了——因为所有的矢量变化都可以用变化后的基矢量来线性表示 。观察以下红色向量(1,1.5)和绿色向量(-1,3)经过变换后的位置:变换后的向量(1,1.5)实际上是变换后的基向量的线性表示,也可以看到矩阵的乘法是如何计算的:同样的计算方法应用于(-1,-3)变换后的位置:可以再次观察上面的动画来体验和验证计算结果 。我们再来看其他的变换矩阵,其中矩阵A对角线上的(0,2)包含一个0,观察下面的动画:可以看到水平方向变成了0倍 。垂直方向拉伸2倍;面积变化率为0倍,即Det(A)= 0;底座的变化如下:看下面矩阵A的变换:可以看到整个空间向左倾斜;将面积放大到原来的Det(A) = 3.5倍;在上面三个不同矩阵(乘法)的作用下,整个空间发生了不同的变换,但是原点没有变,直线还是直线,平行的保持平行,这就是线性变换的本质 。同样,在三维线性空间中,矩阵也用于这种线性变换,需要注意的是,这里的行列式可以看作是变换后体积变化的倍数 。观察下图,经过下面矩阵A的变换后,空间会进行镜像反转变换(展平成

推荐阅读