【线性代数从科普到课程学习笔记】矩阵（一）矩阵与线性映射（线性变换）

---

前言

笔记希望以3Blue1Brown的线性代数系列视频为出发点，以正确的线性代数直觉为基础，搭建从科普到学生正式学习线性代数课程之间的桥梁。
接下来将介绍矩阵，对刚学习矩阵的大一学生而言，笔记认为可以从三个角度认识矩阵。分别是
1.矩阵与线性映射（线性变换）一一对应
2.矩阵和线性方程组
3.矩阵语言对庞杂数据的简化
本篇为矩阵（一）从矩阵与线性映射的角度介绍矩阵。在已经有了矩阵对应一个线性变换的视觉直觉之后，我们来介绍为什么一个矩阵对应一个线性变换，用数学语言究竟如何刻画这个一一对应。建议在看过上述视频后再阅读。首先将提示需要的预备知识，然后从具体例子出发，努力补齐正确的数学直觉和严谨的数学课程之间不算太宽的代沟。

---

一、预备知识

（〇）对向量的理解

希望大家首先对向量建立两种直观理解
1.向量是从原点出发的箭头
在向量由基线性组合表出的时候，这个理解更能反映“从原点如何走到终点”
以及，由于都是从原点出发，很多时候只看终点会有更好的直觉
2.向量是空间中一个点
事实上，在几何空间上，有多个向量的时候，或者一个向量变换成另一个向量的时候，这样理解，会更为直观。比如可以从这个角度去理解中学学过的，内积下的三角不等式。

（一）基、线性组合和张成的空间

一个能线性表出空间所有向量的向量组叫做一个基，少了其中任何一个都不叫基。当要表述其中一个向量的时候，我们会说属于这个基的一个向量。

坐标永远不能脱离基存在。
例如：
$\alpha =\left[\begin{array}{c}1\\ 1\end{array}\right]$，这是不完整的记法，只是因为在我们最熟悉的坐标系下省略了基，完整这样记：
$\alpha =1\hat{i}+1\hat{j}=\left[\begin{array}{cc}\hat{i}& \hat{j}\end{array}\right]\left[\begin{array}{c}1\\ 1\end{array}\right]即：$

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

上面也提示我们，我们在计算坐标的时候，因为往往都是在我们熟悉$\hat{i}$、$\hat{j}$、$\hat{k}$基下去用所谓坐标去描述别的基向量，所以最后算出的坐标往往是省略基的写法，实际省略的一定是$\hat{i}$、$\hat{j}$、$\hat{k}$基。
以上一定要特别注意，因为接下来会存在基向量的改变。

基的线性组合表出一切向量

一切向量都可以表示为基的线性组合，即沿着各个基分别走一定的距离（坐标起到放缩基的作用），就能到达空间中任何一个点向量（点）。

基张成整个空间

因为基可以线性表出任何一个点，所以也就可以表示整个空间。

---

二、矩阵与线性映射（线性变换）

线性变换是线性映射的特殊情况，因为它更为直观，我们先来看线性变换。

（一）什么是线性变换

我们对线性变换已经有了模糊的视觉直觉——要求满足：
1.直线依旧是直线。
2.原点保持固定。
即使是用更数学的语言，这也是很好理解的：
线性变换是这样一种变换：一个变换（可以先理解为某个点（向量的一种理解）从一处移动到另一处），如果它能保持加法和数乘那么它就是一个线性变换。
这里说的 保持加法和数量乘法 其实就是所谓的线性
更严谨的刻画我们将在篇尾给出。
在视频中提到的“旋转整个空间”就是一个线性变换的例子，我们把它记作：
$$旋转\pi /4：空间V\Rightarrow 空间V^{\prime }$$
显然，这个语句是不足以告诉一个模拟动画的计算机该如何做的，那随之而来的问题是，如何描述线性变换？

（二）如何描述线性变换

1.如何描述变换前后的一个向量——基的线性组合

由于变换是线性的，所以基和空间中任何一个向量的线性组合关系都没有被破坏，也就是说有这样一个重要推论：
向量线性变换前后可以由 经过同样变换前后的基以相同的坐标表出
特别注意，这里所谓的坐标数值虽然相同，但基经历了线性变换。
以刚刚的 旋转$\pi /4$ 为例，我们来看一个具体的向量：
$\alpha =1\hat{i}+1\hat{j}=\left[\begin{array}{cc}\hat{i}& \hat{j}\end{array}\right]\left[\begin{array}{c}1\\ 1\end{array}\right]$
它经过旋转应该变成：
${\alpha }^{\prime }=1{\hat{i}}^{\prime }+1{\hat{j}}^{\prime }=\left[\begin{array}{cc}{\hat{i}}^{\prime }& {\hat{j}}^{\prime }\end{array}\right]\left[\begin{array}{c}1\\ 1\end{array}\right]$
在新的基${\hat{i}}^{\prime }$、${\hat{j}}^{\prime }$下的坐标不会改变，所以只要知道 原来的基 $\hat{i}$、$\hat{j}$经过 旋转$\pi /4$得到的 新的基 ${\hat{i}}^{\prime }$、${\hat{j}}^{\prime }$ 是多少就可以求出变换后的$\alpha$。所谓“是多少”代表我们要具体量化这个新的基，所以没办法，我们必须要用坐标去描述它，而这个坐标对应的基应该是什么呢“当然是最先考虑用我们熟悉那个横平竖直的坐标系的基，也就是$\hat{i}$、$\hat{j}$。所以问题应该表述为：
新的基${\hat{i}}^{\prime }$、${\hat{j}}^{\prime }$在原来的基 $\hat{i}$、$\hat{j}$下的坐标是多少？

2.矩阵与线性变换

答案十分简单，对于旋转$\pi /4$ 这样一个具体的例子，我们画个图，就可以直接看出来${\hat{i}}^{\prime }$、${\hat{j}}^{\prime }$在原来的基 $\hat{i}$、$\hat{j}$下的坐标：
$$\begin{gathered} {\hat{i}}^{\prime }=\left[\begin{array}{c}\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \\ {\hat{j}}^{\prime }=\left[\begin{array}{c}-\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \end{gathered}$$
我们记作：
$$\begin{gathered} 旋转\pi /4：空间V\Rightarrow 空间V^{\prime } \\ \hat{i}=\left[\begin{array}{c}1\\ 0\end{array}\right]\to {\hat{i}}^{\prime }=\left[\begin{array}{c}\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \\ \hat{j}=\left[\begin{array}{c}0\\ 1\end{array}\right]\to {\hat{j}}^{\prime }=\left[\begin{array}{c}-\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \end{gathered}$$
于是我们可以求出
$$\begin{gathered} {\alpha }^{\prime }=1{\hat{i}}^{\prime }+1{\hat{j}}^{\prime }=1\left[\begin{array}{c}\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right]+1\left[\begin{array}{c}-\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \\ =\left[\begin{array}{c}0\\ \sqrt{2}\end{array}\right] \end{gathered}$$
更一般的，对任意一个向量
$\beta =\left[\begin{array}{c}a\\ b\end{array}\right]=a\hat{i}+b\hat{j}$
我们可以求出
$$\begin{gathered} {\beta }^{\prime }=a{\hat{i}}^{\prime }+b{\hat{j}}^{\prime }=a\left[\begin{array}{c}\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right]+b\left[\begin{array}{c}-\sqrt{2}/2\\ \sqrt{2}/2\end{array}\right] \\ =\left[\begin{array}{c}\sqrt{2}(a-b)/2\\ \sqrt{2}(a+b)/2\end{array}\right] \end{gathered}$$

可见我们可以求出任何一个点在 旋转$\pi /4$ 后变换到了哪里。

也就是说，这个线性变换被确定下来了。回看整个过程，因为任何一个向量都可以由基线性表出，所以一个n维线性变换由其对n个基向量的作用结果唯一确定。

我们把基变换后得到的结果向量在原来基下的坐标并排写，即得到一个$n\times n$矩阵。我们叫它：该线性变换在原来基下的矩阵。这个矩阵每一列都是属于变换后的基的一个向量在原来基下的坐标，所以一定不能离开对基的表述。
所以旋转$\pi /4$ 在原来基$\hat{i}$、$\hat{j}$下的矩阵是：
$$A=\left[\begin{array}{cc}\sqrt{2}/2& -\sqrt{2}/2\\ \sqrt{2}/2& \sqrt{2}/2\end{array}\right]$$
它的第一列就是${\hat{i}}^{\prime }$在原来基下的坐标，第二列就是${\hat{j}}^{\prime }$在原来基下的坐标。

这里特别提醒下，虽然我们说${\hat{i}}^{\prime }$、${\hat{j}}^{\prime }$是$\hat{i}$、$\hat{j}$变换过去（点运动过去）得到的，但是实际上是生成了新的向量，所以我们的$\hat{i}$、 j ^ \hat{j} j<