线性代数的本质-基变换

最新推荐文章于 2022-03-24 10:42:24 发布

东东就是我

最新推荐文章于 2022-03-24 10:42:24 发布

阅读量744

点赞数 1

分类专栏：数学基础文章标签：线代

本文链接：https://blog.csdn.net/qq_33228039/article/details/98945843

版权

数学基础专栏收录该内容

8 篇文章 1 订阅

订阅专栏

https://www.bilibili.com/video/av6731067/?p=13

头皮发麻的炸裂，

我们知道向量是有大小和方向的数据，在数学上使用坐标来表示，坐标的关键在与基向量。比如二维坐标的基向量我们通常采用 $i=\binom{1}{0} ,j=\binom{0}{1}$ 来表示他们的基向量，

一个向量比如 $\binom{a}{b}=a*\binom{1}{0}+b*\binom{0}{1}$

但是如果我们想换一个基座标呢，我们使用假设的新坐标表示一个向量 $\binom{2}{1}=2*\binom{a1}{a2}+1*\binom{b1}{b2}$ ,

这个新坐标的基向量就是 $\binom{a1}{a2},\binom{b1}{b2}$ 那么我们想让这个新坐标下的向量用我们常用坐标 $\binom{1}{0}, \binom{0}{1}$ 表示呢 ,因该怎么做？

我们知道矩阵表示的是线性变换，线性变换又是通过基座标的改变来表示，也就是矩阵中列的数，比如

$\begin{bmatrix} 1 &0 \\ 0& 1 \end{bmatrix}\Rightarrow \begin{bmatrix} -1 &0 \\ 0& 1 \end{bmatrix}$ ，我们假设 $A=\begin{bmatrix} -1 &0 \\ 0& 1 \end{bmatrix}$ ,那么这个A表示的就是矩阵旋转90°这个线性变换，那么矩阵乘以向量，就是这个向量做了这个线性变化后，这个向量变成了什么向量比如 $\begin{bmatrix} -1 &0 \\ 0& 1 \end{bmatrix}\binom{1}{1}=\binom{-1}{1}$

我们发现新坐标的基向量 $\binom{a1}{a2},\binom{b1}{b2}$ ，如果用 $\binom{1}{0}, \binom{0}{1}$ 来看的话就是 $\binom{2}{1}, \binom{-1}{1}$ ，其实我们不明白的就是为什么

$\begin{bmatrix} 2 &-1 \\ 1&1 \end{bmatrix}\binom{2}{1}=\binom{-4}{1}$ ,用文字描述就是新坐标下的向量（2，1）经线性运算，变成了（0，1）坐标系下的（-4，1）

这个公式就完成了新坐标系的向量转化成（0，1）坐标系的向量我怎么想都不能理解

其实这个中间少了一步 $\begin{bmatrix} a1 &b1 \\ a2&b2 \end{bmatrix}\Rightarrow A\Rightarrow \begin{bmatrix} 1 & 0\\ 0& 1 \end{bmatrix}$

我们把新坐标用（0，1）坐标表示就已经做了一次转换，意思就是A表示了一个线性变换新基座标转化为（0，1）坐标

那么我们使用新基座标的（2，1）乘以矩阵A，就表示对（2，1）做了A变换，也就是把（2，1）从新坐标下的向量变成了（0，1）坐标下的向量，也就是（-4，1）

那么A的逆又是什么呢，哈哈。。。。。。。。老坐标变成新坐标那么（-4，1）乘以A的逆就等于新坐标系表示下的向量

总结，A表示的就是新坐标线性变换成老坐标，新坐标系下的向量乘以A=老坐标系的向量。老坐标系的向量乘以A的逆=新坐标系的向量。

不仅向量是依靠基座标系，矩阵（线性变换）也依靠着基座标系

那么我们怎在新坐标系下表示矩阵的线性运算呢，比如咋（0，1）坐标下的线性变换 $A=\begin{bmatrix} 1 &0 \\ 0&-1 \end{bmatrix}$ 在新坐标系下怎么表示呢

首先我们使用任意向量v ，v表示的是新坐标系下的一个向量，

$\begin{bmatrix} 2 & -1\\ 1& 1 \end{bmatrix}v$ 表示的是v在（0，1）坐标下的向量，

$\begin{bmatrix} 1 &0 \\ 0 & -1 \end{bmatrix}\begin{bmatrix} 2 & -1\\ 1& 1 \end{bmatrix}v$ ,表示了v在（0，1）坐标下的向量做线性变换后的向量，

$\begin{bmatrix} 2 &-1 \\ 1 & 1 \end{bmatrix}^\top\begin{bmatrix} 1 &0 \\ 0 & -1 \end{bmatrix}\begin{bmatrix} 2 & -1\\ 1& 1 \end{bmatrix}v$ ，表示的是v在（0，1）坐标下的向量做线性变换后的向量做线性变换，变成了新坐标下的向量

所以在（0，1）下的线性变换 $\begin{bmatrix} 1 &0 \\ 0&-1 \end{bmatrix}$ 与新坐标系下的 $\begin{bmatrix} 2 &-1 \\ 1 & 1 \end{bmatrix}^\top\begin{bmatrix} 1 &0 \\ 0 & -1 \end{bmatrix}\begin{bmatrix} 2 & -1\\ 1& 1 \end{bmatrix}$ 表示的是同一个变换

$A^{-1}MA$ 暗示着一种数学上的转移作用，中间的M就是转换矩阵（线性变换），两侧的矩阵具有转移的作用，也就是视角上的转化，矩阵乘积后任然表示同一个线性变换，只不过从其他人的视角来看。

东东就是我

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
线性代数的本质-基变换

https://www.bilibili.com/video/av6731067/?p=13头皮发麻的炸裂，我们知道向量是有大小和方向的数据，在数学上使用坐标来表示，坐标的关键在与基向量。比如二维坐标的基向量我们通常采用来表示他们的基向量，一个向量比如但是如果我们想换一个基座标呢，我们使用假设的新坐标表示一个向量,这个新坐标的基向量就是那么我们想让这个新坐标下的向量用我们常用...
复制链接

扫一扫