从根上彻底理解各种变换之一：变换基本概念

aminzeng2022

已于 2022-09-11 09:49:54 修改

阅读量565

点赞数 1

文章标签：算法线性代数傅立叶分析

于 2022-09-10 17:24:43 首次发布

本文链接：https://blog.csdn.net/qq_43653917/article/details/126797304

版权

作者：aminzeng2022

1 基本概念

在学习和工作中，我们工科人必然都会遇到各种各样的变换，比如傅里叶变换、拉氏变换、Z变换、线性变换等，总是让人感觉头大。虽然可以运用，但总像隔着一层迷雾，让人有一种朦胧的感觉，好像抓住了又好像没有抓牢，当你想靠近它时，却发现还隔着一段距离。就跟追求喜欢的女孩子一样，可以跟你聊天吃饭，就是不答应做你女朋友，让你又爱又气。本系列文章命名为《从“根”上彻底理解各种变换》，就是想让大家彻底理解各种变换的原理，达到一步到位一劳永逸的效果，真正做到知其然且知其所以然。

为了做到从“根”上解决问题，需引入几个基本概念，这些概念也是大家所熟悉的，非常浅显明了，在这些概念的基础上，我们再给出变换的定义，大家就会有豁然开朗的感觉。

1.1 向量

向量有很多种定义，在几何中也叫作几何向量，在物理中也常称为矢量（如力、速度等）。但不管什么叫法，向量都具有两个必备的要素：大小和方向。所以只要满足大小和方向的定义，我们可以灵活地定义向量。

在本文中给出向量的定义：向量是具有大小和方向的一个量。

两个向量的大小和方向都相同，才说两个向量相等。向量可以由一组有序的数列表示，这组序列称为向量的坐标。

如：(a,b)可以表示一个二维向量坐标，(a,b,c)可以表示一个三维向量坐标，可以表示一个n维向量坐标，函数sin(x)在上的无穷个函数值也可构成一个无穷维向量的坐标。所以函数是特殊的向量。

向量坐标中的数是有顺序的，顺序不同向量也不同。如向量(a,b)和向量(b,a)不是同一个向量，向量(a,b,c)和向量(a,c,b)也不是同一个向量。

向量的大小（也叫模）等于向量坐标中各数的平方和再开根号。如向量A=(a,b)的大小；向量的大小；在取值的向量A=sin(x) 的大小为。

向量的方向由多个角度来定义，通过向量坐标中的每个数与向量大小的比值的反余弦得到这些角度（余弦角）。比如二维向量A=(a,b)由两个余弦角确定其方向：和；三维向量由三个余弦角确定其方向：、和，以此类推，n维向量有n个余弦角表示其方向，无穷维向量有无穷个余弦角表示其方向。

如果上述的向量相定义觉得有些抽象，我们可以通过简单的二维向量和三维向量来形象的理解，大家就会知道我们其实早已接触并掌握这些定义了，只是这里更普及抽象化一些。

在二维直角坐标系中，有一个二维向量A=(3,4)，图1.1列出了该向量的大小和方向。

图1.1 直角坐标系下的二维向量

在三维直角坐标系下，有一个三维向量A=(3,4,5)，图1.2列出了该向量的大小和方向。

图1.2 直角坐标系下的三维向量

对于n维向量，虽然无法画出其坐标系，但可以自已补脑，在脑中想像一个n维直角坐标系，并在其中画出向量的其大小和方向。

1.2 向量投影

向量投影是两个向量之间的一种运算，形象理解见图1.3所示，从一个向量A的始点和终点向另一个向量B作垂直线，得到的线段长度即是向量A在向量B上的投影值，投影方向与向量B同向时，长度符号为正，反之符号为负。所以向量投影最终得到的是一个带符号的数值（标量）。

图1.3 两个向量的投影

图形可以帮助理解，但不易得到最终的值。要得到最终的值，还是得通过两个向量的投影运算（点积）得到其投影值。点积就是将两个相同维数的向量的对应坐标值相乘再相加，点积结果是一个标量。如：

向量A：；

向量B：；

向量A投影在B上的值（也就是A和B的点积）：

像函数这种特殊向量就用积分的方式，如：

向量A=sinx，x∈[-π,+π]；

向量B=cosx，x∈[-π,+π]；

向量A投影在B上的值（也就是A和B的点积）：

垂直：如果，我们就说向量A和向量B相互垂直。如图1.4中的向量A垂直向量B。

图1.4 向量A垂直向量B

投影（向量点积）的理解是从根本上理解变换的基础。因为从本质上说，各种变换的操作即是一种投影操作。所以，若对投影理解还不是很到位可以找相关资料再学习学习。

1.3 向量基

初次接触向量基可能觉得陌生不好理解，下面由浅入深开始讲解。

前面提到向量可由一组有序数列（即坐标）表示，向量基就是为了描述向量坐标而选择的一组特殊向量。也可以说有了向量基，才能得到向量的坐标值，否则向量只是一个具有大小和方向的量。

我们常见的直角坐标系就是由向量基构成。比如在平面直角坐标系中，二维向量A=(3,4)，其中坐标值3和4代表的数值其实就是向量A在坐标轴x、y上的投影值，坐标轴x、y本质上也是向量，x=(1,0)、y=(0,1)。由x、y组成的一组向量就是平面直角坐标系的向量基[(1,0)、(0,1)]。有了这个向量基，向量A的元素3和4才有意义：

A在向量基中的(1,0)上投影值为3：x=3×1+4×0=3；

A在向量基中的(0,1)上投影值为4：y=3×0+4×1=4。

同理， [(1,0,0)、(0,1,0)、(0,0,1)]是三维坐标系下的向量基，此次类推，可得到n维坐标系乃至无穷维坐标系下的向量基。

向量基具有非唯一性、正交性、归一性和完整性等特点。

1.3.1 非唯一性

在一个n维空间中，向量基具有非唯一性。以二维空间举例，见下图1.5所示。在图1.5中，有两个坐标系：和，逆时针旋转45°后得到。的向量基是[(1,0)、(0,1)]，的向量基是[、]。将向量A在上进行投影，得到坐标(3,4)；将向量A在上进行投影，得到坐标。

图1.5 二维空间下的向量基

通过坐标(3,4)和，都可得到向量A的大小为|A|=5。在两个坐标系中，向量A的余弦角是不同的，但A相对空间的方向是不变的。所以在两个不同的向量基下可表示同一个向量，说明向量基具有非唯一性。

不难推断，在n维空间中向量基不仅具有非唯一性，而且具有无数个！

1.3.2 正交性

上面说向量基具有非唯一性，并不是说随意整几个向量就可以组成一个向量基。向量基必须具有正交性：向量基中任意两个向量相互垂直。只有向量基保证了正效性，向量的长度才能通过所有坐标值的平方和开根号得到。

比如图1.6中，由向量x1、y1组成的向量基是[、]。很明显，x1和y1不垂直，向量A在x1上的投影为，在y1上的投影为4，所以，所以坐标基[、]不能用来表示二维空间的向量，因为基中的两个向量不垂直。

图1.6 不正交的向量基

在n维空间中的一个n维向量基[x1,x2,x3,⋯,xn]正交，则有（其中k,l=1、2、3、⋯⋯、n,且k≠l）。

1.3.3 归一性

向量基的归一性就是指构成向量基的每个向量的大小都为1。如n维空间中的一个n维向量基[x1,x2,x3,⋯,xn]，则有：、、、⋯⋯、。

为什么要求向量基中的向量大小为1呢？这是为了用此向量基表示向量时保证向量的大小不变。如将平面直角坐标系的向量基定为[(2,0)、(0,2)]（每个向理的大小都增大一倍），那么原来长度为5的向量A=(3,4) 在坐标系中投影就会得到新的坐标为A=(6,8)，明显，向量A的大小也增大了一倍。所以不具有归一化性质的向量基表示向量时会改变向量的大小。

所以在上面图1.5中，另一向量基为[、]，其中的每一个向量的大小都为1。

后面会讲到的傅里叶级数的向量基：1、cosx、sinx、cos⁡(2x)、sin⁡(2x)、cos⁡(3x)、sin⁡(3x)、⋯⋯。每个基中向量在范围[-π，+π]上大小都不为1，在计算投影时必须要先对向量基进行归一化，使向量基中每个基的大小都为1。

1.3.4 完备性

向量基除保证正交性和归一性外，还要保证完备性。向量基的完备性是指n维空间的向量基应由n个相互正交的向量组成，少一个都不行！

在平面直角坐标系中，向量基含有两个正交向量，对应两个垂直的坐标轴；在三维直角坐标系中，向量基含有三个正交向量，对应三个垂直的坐标轴。以此类推，在n维空间中，向量基应包含n个相互正交的向量；对无穷维空间，向量基应包含无穷个相互正交的向量，这时要将所有正交的向量都找出来。

向量基不完备时不能准确表示向量的大小和方向，即变换会存在误差。

1.4 变换

在向量、投影和向量基的定义基础上，给变换进行统一定义如下：

变换即是将某个向量从一个坐标系（向量基1）投影到另一个坐标系（向量基2）上得到新的坐标值的过程。变换用图表示如下：

图1.7 变换原理框图

在变换的过程中，向量本身是不变的，只是表示方法不同而已。所以变换的前提是保证不论是用坐标1还是用坐标2，都能得到向量的大小和方向（绝对方向），且大小和方向是不变的。

这就好比我们用放大镜观察物体，看到的景象和用肉眼看到的是不同的，但真实的物体本身唯一的；又比如观察一个三维物体，从前面看和从侧面看，看到的形状是不同的，但物体是同一个物体；还比如我们最常用到的傅里叶变换，将信号从时域变到频域，看到的信息大相径庭，但代表的信号是同一个信号。

需要注意的是，投影计算时要在同一坐标系下。如从坐标1变换到坐标2，向量表示法要基于向量基1，向量基2中的向量表示法也要基于向量基1。回头看图1.5，坐标系1（X1OY1）的向量基是[(1,0)、(0,1)]，向量A在坐标系1下的坐标是（3，4），坐标系2（X2OY2）的向量基是[、]，其中和表示都是基于向量基1的。所以从坐标系1变换到坐标系2的得到新坐标为。