在大學的時候很討厭上高數和線代 訊號與系統的課程，總是感覺枯燥乏味，都是公式，沒有實際應用的意義。那個時候就是 too young  too simple，工作中才會遇到實際問題用哪些知識來解答，包括現在火的一塌糊塗的AI，入門的基本就是要會點線代。很多實際問題都是需要數學模型，像作分析和統計的一般都會用到高斯擬合、多項式擬合、最小二乘法等。做影象處理和解析的一般就會用到矩陣了，下面來說一說矩陣的一些基本用法

1、影象縮放

如果我們把前面[1,1]當做一個點(1,1)，乘上後面的矩陣後相當於Y座標放大了2倍

同樣，這個乘法相當於把X座標放大了2倍

如果一個矩陣是

M11和M22是可以用來對座標進行縮放

2、影象旋轉

想這個矩陣

就相當於Y座標順時針旋轉了90度，所以矩陣的M11和M22可以用來對座標進行旋轉

3、影象平移

想上面的矩陣加法就相當於點(1,1)在X軸向右平移了一個單位，所以如果一個點加上一個[Offx,Offy]相當於在座標系內向X平移Offx，向Y平移Offy

4、仿射變換

如果對一個點先進行縮放旋轉操作後在進行平移，這樣的變換稱為仿射變換，用矩陣

表示。

如果是一個點(x,y)乘上一個3*3的矩陣是沒辦法計算的，可以把點（x,y）寫成(x,y,1)再乘上面的矩陣就是相當於對點（x,y）先進行縮放再進行平移。所以在MatrixTransform只有6個引數