附注1-三维空间中的线性变换
Lisa:呃,我爸爸到底在哪?
Frink:对于能拿到双曲拓补学高等学位的傻瓜来说,
这一点也足够明显——Homer Simpason误入了...(关灯)...三维空间!
三维空间变换
- 比如说,考虑这样一个线性变换,它以三维向量为输入,并以三维向量为输出
- 我们可以想象它在移动三维空间中的所有点(这里用网格表示),保持网格线平行且等距分布,并保持原点不动。和二维情形一样,我们看到的三维空间的每一个点,实际上只是用来代表以它本身为终点的一个向量
- 而我们所做的变换只是将输入向量移动至对应的输出向量
- 还是和二维情形相同,三维线性变换完全由基向量的去向决定,不过现在我们有三个通常使用的标准基向量
- x方向的单位向量 “i帽”
- y方向的单位向量 “j帽”
- 外加一个新来的,z方向的单位向量 “k帽”
- 实际上,只考虑跟踪这些基向量的话会更容易观察这些线性变换,因为使用三维网格会显得很凌乱
- 在背景中留下原始坐标轴的副本,我们就能观察到三个基向量变换后的位置。将变换后三个基向量的坐标记录在一个 3x3 的矩阵中,仅仅使用九个数字,这个矩阵就完全描述了一个线性变换
- 举个简单的例子,考虑沿着y轴旋转90度的变换
- 这个变换将i帽移动到z轴上的(0,0,-1);它不移动j帽,所以j帽仍旧在(0,1,0);而k帽被移动至x轴上的(1,0,0),这三组坐标就成为了描述这一旋转变换的矩阵的三列
-
要想知道(x,y,z)所代表的向量在变换后的去向,推理过程与在二维空间下几乎相同
-
它的每个坐标都可以看作对相应基向量的缩放,从而使缩放结果的和为你选择的向量
- 和二维类似,重要的部分在于,这一 “缩放再相加” 的过程在变换前后均适用。所以要找到向量变换后的位置,将它的坐标与矩阵的对应列相乘,再将结果相加即可
- 两个矩阵相乘也是类似的,当看到两个 3x3 矩阵相乘时,应该想象首先应用右侧矩阵代表的变换,然后应用左侧矩阵代表的变换
- 虽然三维空间中的旋转很难直接表述,但是如果将它分解为简单分立的旋转的复合,这一过程就很容易理解了
- 三维下通过数值计算矩阵乘法依旧与二维情形类似
时刻记住 ”两个线性变换依次作用“ 这一想法