【线性代数基础】矩阵与线性映射

【线性代数基础】矩阵与线性映射

这是一篇线代笔记。

矩阵与线性映射的关系

我们知道，矩阵与线性变换有着一一对应的关系，因此常常用矩阵来研究线性映射。
接下来，我们讨论矩阵及其对应的线性映射在二维空间里的具体体现。
______________________________________________
以矩阵
$$A=\left[\begin{array}{cc}1& 2\\ 1& 1\end{array}\right]$$为对应的线性映射为例，探究二维直角坐标系中的点的变化。
取$x$轴上的点$(0,x),x\in \mathbb{N}$,则有

$$\left[\begin{array}{cc}1& 2\\ 1& 1\end{array}\right]\left[\begin{array}{c}x\\ 0\end{array}\right]=\left[\begin{array}{c}x\\ x\end{array}\right]$$

我们令$y_1=x,x_1=x$,可以看到原来的直线$x=0$经过线性映射变为直线$y_1=x_1$，它在新的坐标系$x_{1}O{y}_1$，中，为了方便观察，我们把它画在坐标系$xOy$中，便得到下图的结果：

当然，为了得到更普遍的结果，我们可以直接求点$(x,y)$在线性映射后的结果$(x_1,y_1)$：

$$\left[\begin{array}{cc}1& 2\\ 1& 1\end{array}\right]\left[\begin{array}{c}y\\ x\end{array}\right]=\left[\begin{array}{c}y+2x\\ y+x\end{array}\right]$$

令$y_1=y+2x,x_1=y+x$，为了得到与$x$轴垂直的直线在线性映射后的结果，我们联立$y_1$与$x_1$，消去$y$，得到$y_1=x+x_1$(这时$x$看作一个常数)它就是与$x$轴垂直的直线系经过线性映射后得到的直线系，它是一个斜率为1的平行直线系，如下图（蓝色）：

与$x$轴垂直的直线系同理，得到$y_1=2x_1-y$(y看作一个常数)，它是一个斜率为2的平行直线系，如下图（红色）：

我们可以清晰地看到，原来相互垂直的网格，变成了平行四边形网格,而我们发现，原点$(0,0)$在线性映射后的位置保持不变，这就是线性映射的效果。
我们可以这样总结二维平面坐标系中的线性映射：

二维平面中的直线在线性映射后仍旧为直线，是直线的运动，而原点在线性映射后的位置保持不变。

逆矩阵

那么在做了上述讨论后，我们知道，在矩阵$A$的作用下，二维坐标系中的直线发生了变化，那如果想把它们变回去，消除矩阵$A$的影响，该怎么做呢？
我们设：
$$B=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$
看能不能利用矩阵$B$消除矩阵$A$的影响，那么有：
$$\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}y+2x\\ y+x\end{array}\right]=\left[\begin{array}{c}(2a+b)x+(a+b)y\\ (2c+d)x+(c+d)y\end{array}\right]=\left[\begin{array}{c}y\\ x\end{array}\right]$$
很显然，我们得到$a=-1,b=2,c=1,d=-1$,求解了矩阵$B$，我们就可以实现蓝色红色线到黑色线的变换，这是一个逆过程，如下图：

这时我们可以发现$BA=AB=E$,这是一个巧合吗，我们来论证一下。
对于矩阵
$$A_1=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$对应的线性映射，我们想要得到它的逆过程，可以借助矩阵
$$B_1=\left[\begin{array}{cc}e& f\\ g& h\end{array}\right]$$
我们可以这样理解（矩阵A作用于矩阵C）
$$\begin{gathered} B_1{A}_{1}C=C \\ {B}_1{A}_1=E \\ {B}_1{A}_1{B}_1=E{B}_1=B_1 \\ {A}_1{B}_1=E \end{gathered}$$
也可以这样理解
$$\begin{gathered} A_{1}C=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}ax+by\\ cx+dy\end{array}\right] \\ {B}_1{A}_{1}C=\left[\begin{array}{cc}e& f\\ g& h\end{array}\right]\left[\begin{array}{c}ax+by\\ cx+dy\end{array}\right]=\left[\begin{array}{c}x\\ y\end{array}\right]=C \\ ae+cf=1 \\ be+df=0 \\ ag+ch=0 \\ bg+dh=1 \\ {B}_1{A}_1=\left[\begin{array}{cc}ae+cf& be+df\\ ag+ch& bg+dh\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]=E \end{gathered}$$
当然，上述推导都是建立在$A$可逆的情况下的，不然$AB=A$，则$B=E$，是不成立的，上述思考就会有漏洞。
上述的思考，引出了逆矩阵的概念，但可能会有很多不严谨的地方，但这是笔者在学习逆矩阵之前对于这个概念的思考。

以下内容摘自同济《工程数学-线性代数》第六版P39
对于$n$阶矩阵$A$，如果有一个$n$阶矩阵$B$，使
$$AB=BA=E$$则说矩阵$A$是可逆的，并把矩阵$B$称为$A$的逆矩阵，简称逆阵.