AxT = C (hoặc TxA=C thì dòng và cột sắp xếp ngược lại). có thể “hiểu” là: A là ma trận gốc, T là ma trận biến đổi, C là ma trận có được sau khi biến đổi. Phép nhân ma trận có thể tạm coi là phép biến đổi ma trận (transformations).Bạn kham khảo thêm về matrix transformation ở đây nhé (bảo đảm coi cái mớ này xong sẽ thấy giảng viên đh người ta dạy nhảm nhí như thế nào):
https://www.khanacademy.org/math/precalculus/precalc-matrices/matrices-as-transformations/v/transforming-position-vector
https://www.khanacademy.org/math/linear-algebra/matrix-transformations
3 Likes
rogp10 (rogp10) August 29, 2018, 7:23am #25
H mình mới hiểu

Xét trong R^2 thôi.Đầu tiên có phép nhân <1 0 | 0 1> X <2 | 5> = <2 | 5>. <1 0 | 0 1> gồm <1 | 0> và <0 | 1> quen thuộc.
Đang xem: Linear algebra là gì
<2 1 | 7 8> đại diện cho basis <2 | 7> và <1 | 8>.Vậy (2, 5) trong basis tạo bởi (2, 7) và (1, 8) là:
2*(2, 7) + 5*(1, 8)= (2*2, 2*7) + (5*1, 5*8)= (2*2 + 5*1, 2*7 + 5*8)= (9, 54)Nhưng nếu (2, 7) và (1, 8) này lại theo một cơ sở không chính tắc, vd như (1, 4) và (3, 2) thì ta phải viết nó theo cơ sở chính tắc, hay <1 3 | 4 2> * <2 1 | 7 8>.
Vậy đặt A = <1 3 | 4 2> và B = <2 1 | 7 8> ta có tích (A*B)*v. Theo tc kết hợp còn có thể nhìn theo 1 cách khác là (v trong cơ sở bởi B) ở cơ sở bởi A. Nhưng nó lại cùng là một vector

khá khó hình dung.
Xem thêm: Nhận Thẻ Garena Free Cực Đơn Giản, Nhận Thẻ Game Miễn Phí
Ma trận I<3*3> gồm 3 vector cột (1, 0, 0) (0, 1, 0) (0, 0, 1) hợp thành cơ sở chính tắc (hiểu là mặc định) cho R^3 (dễ thấy (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1))
Đó là với
Xem thêm: Giải Đáp Thắc Mắc: ” Made In Prc Là Gì ? Có Ý Nghĩa Như Thế Nào?
Nếu b #20 cho lắm)
1 Like
Nhân tiện nói về ma trận thì mình muốn hỏi là để 1 phép biến đổi tuyến tính bảo toàn khoảng cách/diện tích/… thì điều kiện cần và đủ là gì?

Về từ “linear” thì nó có gốc là “line” nên tìm hai hệ số của y = mx + b để xấp xỉ một quan hệ 2D được gọi là “linear regression”. Nhưng trong Toán thì một hàm h gọi là linear có nghĩa là h(x+y) = h(x) + h(y) và h(cx) = ch(x) trên toàn TXĐ và với c bất kì. (Và có thể chứng minh trong các hàm số chỉ có y = mx là thỏa mãn)
Với v thuộc R^n và c thuộc R thì ta có ngay w = cv là một hàm linear. Khi kết hợp chúng bằng phép cộng thì thu được linear combination. Bản thân một vector cũng là linear combination của các vector cơ sở.