探索空间形变的底层逻辑，解析线性代数与几何学的完美交汇。掌握仿射变换的核心性质，解决考研数学与计算机图形学中的关键难题。
在数学中，仿射变换（Affine Transformation）是一种几何变换，它保持了“直线”在变换后仍然保持为直线，且平行线在变换后仍然平行。从代数角度看，仿射变换是线性变换与平移变换的复合。它是线性代数的一个重要延伸，广泛应用于计算机图形学、图像处理以及解析几何中。
设 是数域 上的向量空间，映射 称为仿射变换，如果存在线性变换 和向量 ，使得对于任意 ，有：
f(x) = Ax + b
其中 是可逆矩阵（通常要求）， 是常向量。
想象一块橡皮泥，你可以拉伸、压缩、旋转它，但不能撕裂或折叠。只要保持面片连续且没有打结，这种形变就对应着一种仿射变换。它改变了形状的大小和角度，但保留了基本的拓扑结构和线性关系。
理解仿射变换的关键在于掌握其性质的数学推导。以下通过选项卡形式展示三个最重要的证明过程。
命题： 若点 共线，且 分线段 的比为 ，即 ，则变换后的点 也共线，且分比不变。
证明过程：
命题： 若直线 ，则 。
证明思路：
平行意味着两条直线的方向向量线性相关。设 上两点 ，方向向量 。变换后两点为 。
T(P2) - T(P1) = (A P2 + b) - (A P1 + b)
= A(P2 - P1)
= A(v)
同理，若 方向向量为 ，变换后方向向量为 。由于 与 依然线性相关，故变换后的直线平行。注意：这里隐含了 是可逆的，否则平行线可能坍缩为同一点或重合。
命题： 平面图形面积 经仿射变换 后变为 ，则 。
证明概要：
1. 平移变换 不改变图形形状和大小，故不改变面积，只需考虑线性变换 。
2. 任何可逆矩阵 都可以分解为初等矩阵的乘积：。
3. 初等矩阵对应三种基本操作：
4. 根据行列式乘法法则 ，总面积缩放因子即为 。证毕。
仿射变换的概念并非一蹴而就，它是随着射影几何和线性代数的发展而逐渐清晰的。
笛卡尔引入坐标系，将几何问题代数化。随后，德扎格（Girard Desargues）创立射影几何，研究了透视变换下的不变量。
克莱因（Felix Klein）在《埃尔朗根纲领》中提出，几何学就是研究在某种变换群下不变的性质。仿射几何被定义为在仿射变换群下的不变量研究。
随着计算机的出现，仿射变换成为2D/3D图形渲染的基础。平移、旋转、缩放、剪切等操作全部可以通过 的仿射变换矩阵高效计算。
除了理论证明，仿射变换在现代科技中扮演着不可或缺的角色。以下是几个典型的应用场景。
在Unity、Unreal Engine或OpenGL中，物体的位置、大小、朝向变化均由仿射变换矩阵控制。骨骼动画中的蒙皮权重计算也依赖于仿射变换的组合。
图像校正（如扫描仪文档的透视矫正简化版）、图像拼接（Stitching）中的特征点对齐，常常先使用仿射变换去除旋转、缩放和平移误差。
数据预处理中的标准化（Normalization）可以看作是一种仿射变换 。在主成分分析（PCA）中，数据投影到新的坐标系也是线性变换（仿射的特例）。
在二维平面中，一个仿射变换可以用一个 的齐次坐标矩阵表示：
| 变换类型 | 矩阵形式 | 几何意义 |
|---|---|---|
| 平移 (Translation) | 点沿向量 移动 | |
| 缩放 (Scaling) | x轴缩放 ，y轴缩放 | |
| 旋转 (Rotation) | 逆时针旋转 角度 | |
| 剪切 (Shear) | 平行四边形变形，保持面积不变 |
A: 会的。除非仿射变换矩阵 是正交矩阵（即只包含旋转和平移，属于欧几里得变换），否则一般的仿射变换（如缩放、剪切）都会改变向量之间的夹角。只有相似变换和欧几里得变换保持角度不变。
A: 是的。线性变换 可以看作是仿射变换 中 的特例。但反之不成立，仿射变换不一定通过原点。
A: 检验两个条件：1. 是否将直线映射为直线；2. 是否将平行线映射为平行线。或者验证是否满足 对于所有 和 成立（仿射组合的不变性）。