作者水平有限,歡迎大家提出文中錯誤
基本概念
基
設V是數域K上的線性空間,x1,x2,⋯,xr∈V,若x1,x2,⋯,xr可以
- x1,x2,⋯,xr線性無關
- span{x1,x2,⋯,xr}=V
稱x1,x2,⋯,xr是V的一組基
線性變換
如果數域K上有線性空間V的一個變換T具有下列性質:
T(kx+ly)=kT(x)+lT(y),x,y∈V;k,l∈K
則稱T是V的一個線性變換或線性算子
- 投影變換是線性變換
- 平移變換不是線性變換
- T(v)=∣∣v∣∣不是線性變換
- 以原點爲軸的旋轉是線性變換
- 導數算符是一種線性算子
矩陣如何描述線性變換
座標與基
顯然A(⋅)是一個線性變換
但是矩陣A如何描述一個變換呢?
T(v)=Av
矩陣Am∗n,描述了線性變換T(∗): ℜn→ℜm(只考慮矩陣右乘)
T(v1)可以描述線性變換對向量v1的操作
T(v2)可以描述線性變換對向量v2的操作
如果假設兩向量線性無關,那麼就可以知道T對v1和v2張成的整個空間的操作
所以我們如果有T(v1)⋯T(vn),v1⋯vn構成了輸入空間Rn的一組基。那麼整個線性變換就完全掌握了。
對於輸入空間中的任意一個向量均有
v=c1v1+c2v2+⋯+cnvn
T(v)=c1T(v1)+c2T(v2)+⋯+cnT(vn)
可見如果空間中的一組基被確定了,那麼向量v的表示也就被唯一確定了
c1⋯cn被稱爲向量v在基v1⋯vn下的座標值,座標來源於基,而線性變換和向量本身於座標無關
線性變換的矩陣表示
如果想通過矩陣確定一個線性變換,還缺什麼
選取輸入空間Rn一組基v1⋯vn,輸出空間Rm的一組基w1⋯wm
T(v)=c1T(v1)+c2T(v2)+⋯+cnT(vn)=
[T(v1) T(v2)⋯T(vn)]⎣⎢⎢⎢⎡c1c2⋮cn⎦⎥⎥⎥⎤
[T(v1) T(v2)⋯T(vn)]描述了這個線性變換
T(vi)是輸出空間Rm的一個向量,在基w1⋯wm下它有一組座標值爲基a1i⋯ami
[T(v1) T(v2)⋯T(vn)]=[w1 w2⋯wm]⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎤
假設輸出向量爲w=T(v)
w=b1w1+b2w2+⋯+bmwm=[w1w2⋯wm]⎣⎢⎢⎢⎡b1b2⋮bm⎦⎥⎥⎥⎤
最後
[w1 w2⋯wm]⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡c1c2⋮cn⎦⎥⎥⎥⎤=[w1w2⋯wm]⎣⎢⎢⎢⎡b1b2⋮bm⎦⎥⎥⎥⎤
⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡c1c2⋮cn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡b1b2⋮bm⎦⎥⎥⎥⎤
Ac=b
A在基v1⋯vn和w1⋯wm下描述了線性變換,c是向量v的座標,b是向量w=T(v)的座標。
總之,矩陣A的各列是輸入空間各基經過線性變換後,在輸出空間的一組基下的座標
線性變換的幾何圖像
接下來,看一下R3空間的變換,在R3空間放置一個單位立方體,觀察其在線性變化下的變化
恆等變換I
⎣⎡100010001⎦⎤
在恆等變換下,所有向量均映射到自身,單位立方體不變
拉伸/壓縮變換
⎣⎡a00010001⎦⎤
一維拉伸/壓縮變換對應的是行/列倍乘矩陣,可見當0<a<1的時候爲壓縮變換,a爲壓縮比;當a>1的時候,爲拉伸變換,a爲拉伸比。
而當a<0的時候,爲座標面的鏡像變換,和拉伸變換的合變換。
剪切變換E
⎣⎡10a010001⎦⎤
剪切變換對應的是行/列倍加矩陣
旋轉變換R
角速度在x軸方向的旋轉
⎣⎡1000cosθsinθ0−sinθcosθ⎦⎤
右下角的二階子方陣爲二維的旋轉矩陣
角速度在y軸方向的旋轉
⎣⎡cosθ0−sinθ010sinθ0cosθ⎦⎤
角速度在z軸方向上的旋轉
⎣⎡cosθsinθ0−sinθcosθ0001⎦⎤
其他所有旋轉都可以由這三種旋轉組合生成
單位正交矩陣R
旋轉矩陣都是單位正交矩陣,但是除了單位正交矩陣,單位正交矩陣對應的線性變換還有恆等變換,鏡像變換。
正交矩陣則是個更大的家族,允許對向量的長度進行拉伸或壓縮。
投影矩陣
下面有向量場,是z=x2+y2的梯度場(將向量分佈於平面z=x−y上),如何把∇z投影到平面z=x−y上?
投影矩陣
A(ATA)−1AT
下面的問題是如何確定A,C(A)={v∣v3=v1−v2}
隨便找兩個平面上的不線性相關的向量,組成矩陣
A=⎣⎡10101−1⎦⎤
構造投影矩陣
P=A(ATA)−1AT=⎣⎡2/31/31/31/32/3−1/31/3−1/32/3⎦⎤
P左乘向量場中各向量後
秩的含義
矩陣的秩在線性變換中代表着變換後的空間的維數,如上面的投影矩陣,秩爲2,而線性變換後的輸出空間也爲2(但是注意,輸出空間還在R3中)。
矩陣乘法的意義
矩陣乘法其實是依照一定次序的線性變換的合變換。
這樣的旋轉是怎麼生成的?
它是把立方體的空間對角線旋轉至與z軸重合,然後進行z軸的旋轉
首先,以x軸爲軸旋轉45°,將一條棱放在xOz做表面上
然後以y軸爲軸旋轉−arctan(21) rad
然後乘以z軸的旋轉矩陣
如果上面的三個矩陣交換次序是無法得出一樣得結果的,這是從幾何意義上講爲什麼矩陣乘法不能交換次序。
逆變換與矩陣積的求逆法則
A−1A=I,經過矩陣和其逆的共同作用,一切恢復了原樣(恆等變換),矩陣逆代表的是其逆變換
接着上面的例子,如果想將對角線恢復到原來的位置,但是保持旋轉,需要做什麼
記得最開始在施加旋轉效果之前,有兩個常旋轉矩陣,只需要按步驟依次將這兩個矩陣消除即可。
所以首先,以y軸爲軸旋轉arctan(21) rad
然後以x軸爲軸旋轉−45°
(AB)−1=B−1A−1
這個道理就像俄羅斯套娃,必須把外層的先打開,才能繼續打開裏面的
基變換
在本文開頭,已經知道一個線性變換隻有在基給定的情況下,矩陣才能描述一個線性變換,但是對於同一線性變換,不同基的形式之間有什麼聯繫?
先考慮一個向量v在不同的基下,座標之間有什麼聯繫
假設舊基爲x1 x2⋯xn,這組基下v的座標爲α1 α2⋯αn,新基爲y1 y2⋯yn,這組基下v的座標爲β1 β2⋯βn
v=α1x1+α2x2+⋯+αnxn=β1y1+β2y2+⋯+βnyn
v=[x1 x2⋯xn]⎣⎢⎢⎢⎡α1α2⋮αn⎦⎥⎥⎥⎤=[y1 y2⋯yn]⎣⎢⎢⎢⎡β1β2⋮βn⎦⎥⎥⎥⎤
假設yi的x1 x2⋯xn線性表示爲
yi=wi1xi+wi2xi+⋯+winxi
[x1 x2⋯xn]⎣⎢⎢⎢⎡w11w21⋮wn1w12w22⋮wn2⋯⋯⋱⋯w1nw2n⋮wnn⎦⎥⎥⎥⎤=[y1y2⋯yn]
v=[x1 x2⋯xn]⎣⎢⎢⎢⎡α1α2⋮αn⎦⎥⎥⎥⎤=[x1 x2⋯xn]⎣⎢⎢⎢⎡w11w21⋮wn1w12w22⋮wn2⋯⋯⋱⋯w1nw2n⋮wnn⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡β1β2⋮βn⎦⎥⎥⎥⎤
⎣⎢⎢⎢⎡α1α2⋮αn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡w11w21⋮wn1w12w22⋮wn2⋯⋯⋱⋯w1nw2n⋮wnn⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡β1β2⋮βn⎦⎥⎥⎥⎤
α=Wβ
綜上,如果新基等於舊基和舊基關係如下
[y1 y2⋯yn]=[x1 x2⋯xn]W
上式稱爲基變換
如果v
在基y1 y2⋯yn的座標爲β1 β2⋯βn,
在基x1 x2⋯xn的座標爲α1 α2⋯αn
那麼兩組座標的關係是
α=Wβ
或表示成
[v]x=W[v]y
稱爲座標變換,W稱爲過渡矩陣
再議相似性
回到本節最開始的問題,在不同的基下,相同線性變換的矩陣有什麼聯繫?
首先應該重申一下,相似矩陣是方陣中的概念
方陣就意味着輸入空間和輸出空間是同一個空間
有基變換
[y1 y2⋯yn]=[x1 x2⋯xn]W
向量v的座標變換爲
α=Wβ
向量T(v)的座標變換爲
γ=Wδ
線性變換矩陣
⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡α1α2⋮αn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡γ1γ2⋮γn⎦⎥⎥⎥⎤
什麼樣的矩陣B可以滿足
B⎣⎢⎢⎢⎡β1β2⋮βn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡δ1δ2⋮δn⎦⎥⎥⎥⎤
BW−1⎣⎢⎢⎢⎡α1α2⋮αn⎦⎥⎥⎥⎤=W−1⎣⎢⎢⎢⎡γ1γ2⋮γn⎦⎥⎥⎥⎤
所以矩陣A,B的關係爲
B=W−1AW
這正是相似矩陣的定義式
特徵基和對角化
可對角化的矩陣是相似於對角陣的矩陣
Λ=S−1AS
如果以基變換的角度來審視對角化
A描述了某基下的線性變換,有特徵向量矩陣S,也是從現有基過渡到特徵基的過渡矩陣。
爲什麼要選取特徵基,線性變換在特徵基下可以表示成對角陣,其在多次線性變換後基不會偏離原來的方向,各座標之間不會相互耦合。
⎣⎡1.523⎦⎤a