【线性代数的本质】矩阵与线性变换

线性变化要满足两点性质:

  1. 直线(连续的点)在变换后还是直线。
  2. 原点不变。

假设有坐标轴(基底) i ^ \widehat{i} i 和 j ^ \widehat{j} j :
i ^ = 1 0 , j ^ = 0 1 \widehat{i}=\begin{bmatrix} 1 \\ 0 \end{bmatrix}, \widehat{j}=\begin{bmatrix} 0 \\ 1 \end{bmatrix} i =10,j =01

若向量 v ⃗ = − 1 2 \vec{v}=\begin{bmatrix} -1 \\ 2 \end{bmatrix} v =−12,则可以使用它们表示成:
v ⃗ = − 1 i ^ + 2 j ^ \vec{v}=-1\widehat{i}+2\widehat{j} v =−1i +2j

当空间进行一次线性变换后, i ^ \widehat{i} i 和 j ^ \widehat{j} j 都发生了变化,但 v ⃗ \vec{v} v 与它们的关系却保持不变。假设这些向量经过变换变成了:
T r a n ( i ^ ) = 1 − 2 , T r a n ( j ^ ) = 3 0 T r a n ( v ⃗ ) = 5 2 Tran(\widehat{i})=\begin{bmatrix} 1 \\ -2 \end{bmatrix}, Tran(\widehat{j})=\begin{bmatrix} 3 \\ 0 \end{bmatrix} \\ Tran(\vec{v})=\begin{bmatrix} 5 \\ 2 \end{bmatrix} Tran(i )=1−2,Tran(j )=30Tran(v )=52

发现依然满足:
T r a n ( v ⃗ ) = − 1 T r a n ( i ^ ) + 2 T r a n ( j ^ ) = − 1 1 − 2 + 2 3 0 = − 1 ( 1 ) + 2 ( 3 ) − 1 ( − 2 ) + 2 ( 0 ) = 5 2 \begin{aligned} Tran(\vec{v})&= -1 Tran(\widehat{i})+2Tran(\widehat{j}) \\ &= -1 \begin{bmatrix} 1 \\ -2 \end{bmatrix} + 2 \begin{bmatrix} 3 \\ 0 \end{bmatrix} \\ &= \begin{bmatrix} -1(1) + 2(3) \\ -1(-2) + 2(0) \end{bmatrix} \\ &= \begin{bmatrix} 5 \\ 2 \end{bmatrix} \end{aligned} Tran(v )=−1Tran(i )+2Tran(j )=−11−2+230=−1(1)+2(3)−1(−2)+2(0)=52

实际上,将两个基底在线性变换后变成的两个列向量合在一起,就是一个表示该线性变换的矩阵;对原向量左乘该矩阵,就能得到线性变换后的向量:

T r a n ( v ⃗ ) = M ∗ v ⃗ = 1 3 − 2 0 − 1 2 = − 1 1 − 2 + 2 3 0 = − 1 ( 1 ) + 2 ( 3 ) − 1 ( − 2 ) + 2 ( 0 ) = 5 2 \begin{aligned} Tran(\vec{v})&= M*\vec{v} \\ &= \begin{bmatrix} 1 & 3 \\ -2 & 0 \end{bmatrix} \begin{bmatrix} -1 \\ 2 \end{bmatrix} \\ &= -1 \begin{bmatrix} 1 \\ -2 \end{bmatrix} + 2 \begin{bmatrix} 3 \\ 0 \end{bmatrix} \\ &= \begin{bmatrix} -1(1) + 2(3) \\ -1(-2) + 2(0) \end{bmatrix} \\ &= \begin{bmatrix} 5 \\ 2 \end{bmatrix} \end{aligned} Tran(v )=M∗v =1−230−12=−11−2+230=−1(1)+2(3)−1(−2)+2(0)=52

把数字换成符号,可以得到一个等式:

x i x j y i y j \] \[ x y \] = x \[ x i y i \] + y \[ x j y j \] = \[ x i ∗ x + x j ∗ y y i ∗ x + y j ∗ y \] \\begin{bmatrix} x_i \& x_j \\\\ y_i \& y_j \\end{bmatrix} \\begin{bmatrix} x \\\\ y \\end{bmatrix} = x \\begin{bmatrix} x_i \\\\ y_i \\end{bmatrix} + y \\begin{bmatrix} x_j \\\\ y_j \\end{bmatrix} = \\begin{bmatrix} x_i \* x + x_j \* y \\\\ y_i \* x + y_j \* y \\end{bmatrix} \[xiyixjyj\]\[xy\]=x\[xiyi\]+y\[xjyj\]=\[xi∗x+xj∗yyi∗x+yj∗y


举个例子,如果要进行一次线性变换,使得二维空间被逆时针旋转90度,那么,可以知道:
T r a n ( i ^ ) = 0 1 , T r a n ( j ^ ) = − 1 0 Tran(\widehat{i})=\begin{bmatrix} 0 \\ 1 \end{bmatrix}, Tran(\widehat{j})=\begin{bmatrix} -1 \\ 0 \end{bmatrix} Tran(i )=01,Tran(j )=−10

于是可以直接写出线性变换对应的矩阵:

0 − 1 1 0 \] \\begin{bmatrix} 0 \& -1 \\\\ 1 \& 0 \\end{bmatrix} \[01−10

将任意向量左乘该矩阵,就能使其旋转90度,如:

0 − 1 1 0 \] \[ − 1 2 \] = \[ − 2 − 1 \] \\begin{bmatrix} 0 \& -1 \\\\ 1 \& 0 \\end{bmatrix} \\begin{bmatrix} -1 \\\\ 2 \\end{bmatrix} = \\begin{bmatrix} -2 \\\\ -1 \\end{bmatrix} \[01−10\]\[−12\]=\[−2−1


用这个视角来看,一个原地不动的线性变换对应的矩阵自然就是单位矩阵,因为:
T r a n ( i ^ ) = 1 0 , T r a n ( j ^ ) = 0 1 Tran(\widehat{i})=\begin{bmatrix} 1 \\ 0 \end{bmatrix}, Tran(\widehat{j})=\begin{bmatrix} 0 \\ 1 \end{bmatrix} Tran(i )=10,Tran(j )=01

直接得到矩阵:

1 0 0 1 \] \\begin{bmatrix} 1 \& 0 \\\\ 0 \& 1 \\end{bmatrix} \[1001

相关推荐
kingx37 小时前
Bugku 逆向 MatrixHunter:黑盒 oracle + GF(2) 消元出唯一解
网络安全·矩阵·逆向·ctf
莱茶荼菜4 天前
【slam公式】
人工智能·线性代数·机器学习
吴名氏.4 天前
Java转AI Agent教程(第九周)错误矩阵
java·人工智能·矩阵·ai agent
伯奥克客服5 天前
2026年视频矩阵厂家技术评估:从EDID到控制协议开放度的六维筛选法
线性代数·矩阵·音视频
释厄6236 天前
三角基底律——矩阵3x6 是所有三角形的基底·3D中高就是边
线性代数·3d·矩阵
桑年7 天前
四、Pandas数据处理
人工智能·python·线性代数·pandas·数据可视化·数据处理
Kobebryant-Manba8 天前
IEKT向量矩阵流程&评估
人工智能·算法·矩阵
学习论之费曼学习法10 天前
无人值守AI内容矩阵实战(10):Windows 上让 Python 进程 7×24 活着
人工智能·windows·python·矩阵·powershell·进程守护
zhongben_keji10 天前
家政小程序开发全解:经营模式、品类矩阵、派单约束与信用核验
线性代数·矩阵·apache
silvamux_10 天前
微头条爆款体平台适配实测:把交付要求变成可计算的指标
java·线性代数·算法·决策树·矩阵