1，Affine为什么翻译成仿射看到这个仿射能让人想起什么东西吗 搜

Affine 是非维几何学(Fractal Geometry) 用语, 有类似之意; 仿射表示 其形状在任何尺寸都相似
是的再看看别人怎么说的。

Affine为什么翻译成仿射看到这个仿射能让人想起什么东西吗 搜

2，高等几何中仿射和欧氏怎么区分

欧氏几何是直角坐标表示，仿射几何就可不在乎长度和角度，仿射坐标系是直角坐标系的推广，将直角坐标系的基本向量的“垂直性和单位性”削弱成“不共线的两个向量”，则得到仿射坐标系。由仿射坐标系建立的平面称为仿射平面。
同问。。。

高等几何中仿射和欧氏怎么区分

3，仿射变换的原理

在有限维的情况，每个仿射变换可以和一个向量b给出，它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对应于普通的矩阵乘法，只要加入一个额外的行到矩阵的底下，这一行全部是0除了最右边是一个1，而列向量的底下要加上一个1。

仿射变换的原理

4，什么是仿射非线性动态系统

非线性系统里最重要的模型是仿射非线性系统模型，这种系统最为常见。它对于状态向量X（t）是非线性的，对输入U却是线性的。而动态是指含有延迟或反馈环节。
仿射系统，即控制输入以线性形式出现在系统中。非仿射系统中，控制信号以非线性隐含的方式进入系统，影响系统的动特性。

5，什么是仿射函数

仿射函数即由由1阶多项式构成的函数，一般形式为 f (x) = A x + b，这里，A 是一个 m×k 矩阵，x 和 b 都是一个 m 向量，实际上反映了一种从 k 维到 m 维的空间映射关系。 设f是一个矢性（值）函数，若它可以表示为f(x1,x2,…,xn)=A1x1+A2x2+…+Anxn+b，其中Ai可以是标量，也可以是矩阵，则称f是仿射函数。 其中的特例是，标性（值）函数f(x)=ax+b，其中a、x、b都是标量。此时严格讲，只有b=0时，仿射函数才可以叫“线性函数”（“正比例”关系）。 就一般情形，函数f是仿射函数的充要条件是：对于任意两组向量x1,x2,…,xn与y1,y2,…,yn，对于任意0<=p<=1，如果f[px1+(1-p)y1,px2+(1-p)y2,…,pxn+(1-p)yn]==pf(x1,x2,…,xn)+(1-p)f(y1,y2,…,yn)。（“==”表示恒等） 一般称线性组合“p1x1+p2x2+…+pnxn，其中p1+p2+…+pn=1”为仿射组合；一般称所有pi>=0的仿射组合为凸组合。 其实一般意义上的仿射函数是一个矩阵函数,如果构成一个类似LMI的不等式,可以成为仿射矩阵不等式.
映射f：d→y对于x1,x2∈d，x1≠x2推出f(x1)≠f(x2)，则是单射；对于对于y中任意一个元素都有原像与之对应，即是满射。注意：[1]谈单设，满射是针对一般映射而言的，函数是一个特殊的映射；[2]一旦规定了是函数，他肯定是一个满射，因为函数的要素：定义域，法则，值域。其中值域是像的集合，既然是像的集合，那么其中每一个元素都原像了。[3]典型的单设：单调函数，不是单射的函数：偶函数

6，什么是仿射集

不是存在，是任意
从基本数学概念上来说, 一个坐标系对应了一个仿射空间 (affine space) , 当矢量从一个坐标系变换到另一个坐标系时要进行线性变换 (linear transformation). 对点来说, 要进行仿射变换 (affine transformation). 这就是我们利用同源坐标的理由. 它能在对矢量进行线性变换的同时对点进行仿射变换. 坐标变换的基本操作就是将变换矩阵乘以矢量或点, 理解矩阵--2 上一篇里说“矩阵是运动的描述”，到现在为止，好像大家都还没什么意见。但是我相信早晚会有数学系出身的网友来拍板转。因为运动这个概念，在数学和物理里是跟微积分联系在一起的。我们学习微积分的时候，总会有人照本宣科地告诉你，初等数学是研究常量的数学，是研究静态的数学，高等数学是变量的数学，是研究运动的数学。大家口口相传，差不多人人都知道这句话。但是真知道这句话说的是什么意思的人，好像也不多。简而言之，在我们人类的经验里，运动是一个连续过程，从a点到b点，就算走得最快的光，也是需要一个时间来逐点地经过ab之间的路径，这就带来了连续性的概念。而连续这个事情，如果不定义极限的概念，根本就解释不了。古希腊人的数学非常强，但就是缺乏极限观念，所以解释不了运动，被芝诺的那些著名悖论（飞箭不动、飞毛腿阿喀琉斯跑不过乌龟等四个悖论）搞得死去活来。因为这篇文章不是讲微积分的，所以我就不多说了。有兴趣的读者可以去看看齐民友教授写的《重温微积分》。我就是读了这本书开头的部分，才明白“高等数学是研究运动的数学”这句话的道理。
对于Rn中的子集M, 存在x,y∈M，若有{(1一λ)x+λy |λ∈R } 成立，则称M是一仿射集。

7，仿射变换的示例

几种典型的仿射变换：public static AffineTransform getTranslateInstance(double tx, double ty)平移变换，将每一点移动到(x+tx, y+ty)，变换矩阵为：[ 1 0 tx ][ 0 1 ty ][ 0 0 1 ]（译注：平移变换是一种“刚体变换”，rigid-body transformation，中学学过的物理，都知道啥叫“刚体”吧，就是不会产生形变的理想物体，平移当然不会改变二维图形的形状。同理，下面的“旋转变换”也是刚体变换，而“缩放”、“错切”都是会改变图形形状的。）public static AffineTransform getScaleInstance(double sx, double sy)缩放变换，将每一点的横坐标放大（缩小）至sx倍，纵坐标放大（缩小）至sy倍，变换矩阵为：[ sx 0 0 ][ 0 sy 0 ][ 0 0 1 ]当sx=sy时，称为尺度缩放，sx不等于sy时，这就是我们平时所说的拉伸变换。public static AffineTransform getShearInstance(double shx, double shy)剪切变换，变换矩阵为：[ 1 shx 0 ][ shy 1 0 ][ 0 0 1 ]相当于一个横向剪切与一个纵向剪切的复合[ 1 0 0 ][ 1 shx 0 ][ shy 1 0 ][ 0 1 0 ][ 0 0 1 ][ 0 0 1 ]（译注：“剪切变换”又称“错切变换”，指的是类似于四边形不稳定性那种性质，街边小商店那种铁拉门都见过吧？想象一下上面铁条构成的菱形拉动的过程，那就是“错切”的过程。）public static AffineTransform getRotateInstance(double theta)

文章TAG：仿射仿射  为什么  什么  
下一篇