"불행히도, 아무도 매트릭스가 무엇인지 말할 수 없으니 직접 봐야합니다."
다들 영화 매트릭스 보셨나요? Matrix가 무엇일까요?😁
선형변환
입력을 받고 결과물을 반환하는 무엇
특정 벡터를 다른 벡터로 바꾸는 변환 같은 것입니다.
"함수(function)"라는 말대신 "변환(transformation)"이라는 말을 사용합니다.
입력 벡터를 이동시켜서 출력 벡터로 만드는 것으로 생각해볼 수 있습니다.
선형대수에서는 특수한 형태의 변환으로만 제한됩니다.
변환이 '선형적(linear)'이라는 건 두 가지 속성을 의미합니다.
선형변환이라면 격자 라인들이 변형 이후에도 여전히 '평행'하고 '동일한 간격'으로 있어야 합니다.
어떻게 결과 벡터 좌표값이 나오도록 할 수 있을까요?
결론은 두 개의 기저벡터(i-hat, j-hat)가 어떻게 변하는지만 알면 됩니다.
이 선들이 계속 평행하고 균등하게 분포한다는 속성을 알 수 있습니다.
변환 후 v는 변환된 i-hat 벡터의 -1배, 변환된 j-hat 벡터의 2배입니다.
즉, 변환 전 v벡터를 이루는 i-hat과 j-hat의 어떤 선형 결합이 변환 후에도 같은 선형결합을 유지합니다.
단순히 i-hat과 j-hat의 변형 위치만 알면, 벡터 v를 추론할 수 있다는 것을 의미합니다.
v벡터는 [5, 2]로 변환되었습니다.
이것을 2x2 Matrix로 표현할 수 있습니다. 행렬의 컬럼들을 i-hat, j-hat 두 개의 특별한 벡터로 해석할 수 있습니다.
이 식은 변환 후 새 기저 벡터들로 스케일링하고 합한다는 개념입니다.
첫 번째 열은 첫 번째 기저 벡터의 도착점이고 두 번째 열은 두 번째 기저 벡터의 도착점입니다.
헹렬 벡터 연산으로 함수와 같은 결과를 얻을 수 있습니다.
하지만 결과 벡터를 기저벡터의 변환으로 생각하면 더 좋습니다!
i-hat, j-hat 벡터가 선형 종속(Linearly Dependent)이라면 벡터 하나가 다른 벡터의 스케일링 버전임을 뜻합니다.
즉, 이 선형 변환은 2차원 공간을 수축(squish) 시켜 두 벡터가 놓여 있는 선으로 만드는 것을 의미합니다.
1차읜 span이 만들어지는 것입니다.
선형변환은 공간을 이동시키는 방법이며 격자선이 여전히 평행하고 균등 간격을 유지하는 변형입니다. 그리고 원점은 고정되어 있음을 의미합니다.
기저벡터들의 변형 후 좌표 값은 행렬이 어떠한 변환을 설명해주고 행렬-벡터 곱셈은 단지 이것을 계산하는 방법입니다.
선형대수에서는 행렬을 공간의 어떤 변환으로 생각해야 합니다.