众所周知,数字影像是由大大小小的多维数字矩阵组成的,矩阵是遥感数字处理的基础,可是矩阵到底是什么,为什么具有这么多性质,为什么会有行列式…
向量
线性空间中的任何一个对象,通过选取基和坐标的方法,都可以表达为向量的形式。同样的向量可以转换为n*1的矩阵。
矩阵
矩阵本质上是运动的描述。假设地理空间上存在A、B两点,A、B两点有n种属性信息,若把A、B两点看作向量的话,n种属性可以看作A、B向量的n个基。
在某个极短时间内,当你选定一组基后,不仅可以用一个向量表示地理空间中的任何一个对象,而且可以用矩阵来描述地理空间的任何一个运动(变换)。而使某个对象发生对应运动的方法,就是用代表那个运动的矩阵,乘以代表那个对象的向量。
相似矩阵
对于一个线性变换,只要选定一组基,那么就可以找到一个矩阵来描述这个线性变换。换一组基,就可以得到一个不同的矩阵。
同一个线性变换的不同的描述矩阵即为相似矩阵。
若矩阵A和B是同一个线性变换的两个不同的描述(即选定了不同的基,也就是选定了不同的坐标系),则一定能找到一个非奇异矩阵P,使得A、B之间满足这样的关系:
A
=
P
−
1
B
P
 
A=P^{-1}BP\,
A=P−1BP
注:矩阵不仅可以把线性空间中的一个点给变换到另一个点去,而且也能够把线性空间中的一个坐标系(基)转换到另一个坐标系(基)中。
对象与坐标系的关系
对象的变换等价于坐标系的转换,对象的运动可以看作坐标系的反运动。
例如对于二维空间中的点A(1,1)、B(2,3),即存在向量OA、OB。A、B两点间的运动,可以视为x坐标系转换为原来坐标轴的2倍,y坐标系转换为原来坐标轴间距的3倍。这时坐标轴的转换,也造成了向量OA与向量OB之间的变换,同时也完成了从点A到点B的转换(可参考中心投影物点与像点的变换)。
矩阵的左右乘
假设存在矩阵A=[1,2,3;4,5,6;7,8,9],若矩阵P对矩阵A进行左乘,则矩阵A会以列为单位变换;同理矩阵P对矩阵A进行右乘,则矩阵会以行为单位发生变换。
此时如果矩阵P为初等矩阵,则A会发生行变换和列变换。
未完待续…
参考资料:
矩阵:
https://blog.csdn.net/myan/article/details/647511
https://blog.csdn.net/myan/article/details/649018
https://blog.csdn.net/myan/article/details/1865397
左右乘:
https://blog.csdn.net/silence1214/article/details/8634664