线性代数-3Blue1Brown《线性代数的本质》矩阵与线性变换-三维空间(6)

三维空间的线性变换仍是由基向量的去向完全决定。

x方向的单位向量 i^\hat{i}i^

y方向的单位向量 j^\hat{j}j^

z方向的单位向量 k^\hat{k}k^
i^=[100],j^=[010],k^=[001] \hat{i} = \begin{bmatrix} 1\\ 0\\ 0 \end{bmatrix},\quad \hat{j} = \begin{bmatrix} 0\\ 1\\ 0 \end{bmatrix},\quad \hat{k} = \begin{bmatrix} 0\\ 0\\ 1 \end{bmatrix} i^= 100 ,j^= 010 ,k^= 001

现在有某种线性变换作用在整个空间上,我们记录基向量分别落在:

i^=[x1y1z1],j^=[x2y2z2],k^=[x3y3z3] \hat{i} = \begin{bmatrix} x1\\ y1\\ z1 \end{bmatrix},\quad \hat{j} = \begin{bmatrix} x2\\ y2\\ z2 \end{bmatrix},\quad \hat{k} = \begin{bmatrix} x3\\ y3\\ z3 \end{bmatrix} i^= x1y1z1 ,j^= x2y2z2 ,k^= x3y3z3

把这三个新的基向量并排放在一起,就得到了描述这个变换的矩阵:

x1x2x3y1y2y3z1z2z3\] \\begin{bmatrix} x1 \& x2 \& x3 \\\\ y1 \& y2 \& y3 \\\\ z1 \& z2 \& z3\\end{bmatrix} x1y1z1x2y2z2x3y3z3 同二维一样,要想知道一个向量经过变换后的位置,可以这么计算: \[x1x2x3y1y2y3z1z2z3\]\[abc\]=a\[x1y1z1\]+b\[x2y2z2\]+c\[x3y3z3\]=\[ax1+bx2+cx3ay1+by2+cy3az1+bz2+cy3\] \\begin{bmatrix} x1 \& x2 \& x3 \\\\ y1 \& y2 \& y3 \\\\ z1 \& z2 \& z3\\end{bmatrix} \\begin{bmatrix} a\\\\ b\\\\ c\\end{bmatrix} = a \\begin{bmatrix} x1 \\\\ y1 \\\\ z1 \\end{bmatrix} + b \\begin{bmatrix} x2 \\\\ y2 \\\\ z2 \\end{bmatrix} + c \\begin{bmatrix} x3 \\\\ y3 \\\\ z3 \\end{bmatrix} = \\begin{bmatrix} ax1 + bx2 + cx3 \\\\ ay1 + by2 + cy3 \\\\ az1 + bz2 + cy3 \\end{bmatrix} x1y1z1x2y2z2x3y3z3 abc =a x1y1z1 +b x2y2z2 +c x3y3z3 = ax1+bx2+cx3ay1+by2+cy3az1+bz2+cy3

相关推荐
种时光的人7 小时前
CANN仓库核心解读:catlass夯实AIGC大模型矩阵计算的算力基石
线性代数·矩阵·aigc
Zfox_10 小时前
CANN Catlass 算子模板库深度解析:高性能矩阵乘(GEMM)原理、融合优化与模板化开发实践
线性代数·矩阵
lbb 小魔仙16 小时前
面向 NPU 的高性能矩阵乘法:CANN ops-nn 算子库架构与优化技术
线性代数·矩阵·架构
空白诗16 小时前
CANN ops-nn 算子解读:大语言模型推理中的 MatMul 矩阵乘实现
人工智能·语言模型·矩阵
劈星斩月18 小时前
线性代数-3Blue1Brown《线性代数的本质》特征向量与特征值(12)
线性代数·特征值·特征向量·特征方程
池央20 小时前
ops-nn 算子库中的数据布局与混合精度策略:卷积、矩阵乘法与 RNN 的优化实践
rnn·线性代数·矩阵
深鱼~1 天前
大模型底层算力支撑:ops-math在矩阵乘法上的优化
人工智能·线性代数·矩阵·cann
Zfox_1 天前
CANN PyPTO 编程范式深度解析:并行张量与 Tile 分块操作的架构原理、内存控制与流水线调度机制
线性代数·矩阵·架构
TechWJ1 天前
catlass深度解析:Ascend平台的高性能矩阵运算模板库
线性代数·矩阵·ascend·cann·catlass
deep_drink2 天前
【基础知识一】线性代数的核心:从矩阵变换到 SVD 终极奥义
线性代数·机器学习·矩阵