3D数学基础：矩阵

矩阵

方阵

行数和列数相同的矩阵称作方阵。

方阵的对角线元素就是方阵中行号和列号相同的元素。其余元素均为非对角线元素。简单的说，方阵的对角线元素就是方阵对角线上的元素。

如果所有非对角线元素都为0，那么称这种矩阵为对角矩阵，例如：
$$\left[\begin{array}{cccc}9& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& -5& 0\\ 0& 0& 0& -3\end{array}\right]$$
单位矩阵是一种特殊的对角矩阵。n维单位矩阵记作$I_n$，对角线元素为1，其他元素为0。下面是一个$3\times 3$的单位矩阵：
$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$$
单位矩阵非常特殊，因为它是矩阵的乘法单位元。其基本性质是用任意一个矩阵乘以单位矩阵，都将得到原矩阵。

转置

考虑一个$r\times c$矩阵M。M的转置记作$M^T$，是一个$c\times r$矩阵，它的列由M的行组成。$M_{ij}^T=M_{ji}$。
$${\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\\ 10& 11& 12\end{array}\right]}^T=\left[\begin{array}{cccc}1& 4& 7& 10\\ 2& 5& 8& 11\\ 3& 6& 9& 12\end{array}\right]{\left[\begin{array}{ccc}a& b& c\\ d& e& f\\ g& h& i\end{array}\right]}^T=\left[\begin{array}{ccc}a& d& g\\ b& e& h\\ c& f& i\end{array}\right]$$
对于向量来说，转置将使行向量变成列向量，使列向量变成行向量。
$${\left[\begin{array}{ccc}x& y& z\end{array}\right]}^T=\left[\begin{array}{c}x\\ y\\ z\end{array}\right]{\left[\begin{array}{c}x\\ y\\ z\end{array}\right]}^T=\left[\begin{array}{ccc}x& y& z\end{array}\right]$$
有两条非常简单但很重要的关于矩阵转置的引理：

• 对于任意矩阵M，$(M^T{)}^T=M$。
• 对于任意对角矩阵D，$D^T=D$。

标量与矩阵的乘法

矩阵M能和标量k相乘，结果是一个和M维数相同的矩阵。
$$kM=k\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=\left[\begin{array}{ccc}k{m}_{11}& k{m}_{12}& k{m}_{13}\\ k{m}_{21}& k{m}_{22}& k{m}_{23}\\ k{m}_{31}& k{m}_{32}& k{m}_{33}\end{array}\right]$$

矩阵乘法

特别：矩阵的乘法和向量的乘法是完全不一样，注意区分。
有两个矩阵A和B，要使得AB乘法有意义，那么A的列数必须等于B的行数。
注意：AB$\ne$BA
矩阵乘法计算如下：
$$c_{ij}=\sum _{k=1}^n{a}_{ik}{b}_{kj}$$
对结果中的任意元素$c_{ij}$，取A的第$i$行和B的第$j$列，将行和列找那个的对应元素相乘，然后将结果相加（等于A的$i$行和B的$j$列的点积）。

关于矩阵乘法的注意事项：

• 任意矩阵M乘以方阵S，不管从哪边乘，都将得到与原矩阵大小相同的矩阵。
• 矩阵乘法不满足交换律。
• 矩阵乘法满足结合律，即：(AB)C=A(BC)。也可扩展到多个矩阵的情况，如：**ABCD=A(BC)D=A(B(CD)**注意所有括法都能计算出正确结果，但有些组中标量乘法更少。寻找使标量乘法最少的括法的问题称作：矩阵链问题。
• 矩阵乘法也满足与标量或向量的结合律。
• 矩阵积的转置相当于先转置矩阵然后以相反的顺序乘：$(AB{)}^T=B^T{A}^T$，这一结论可以扩展到多个矩阵的情况。

向量与矩阵的乘法

因为向量能被当作是一行或一列的的矩阵，所以能够用矩阵乘法的规则与矩阵相乘。在这里，行向量和列向量的区别非常重要。
$$\left[\begin{array}{ccc}x& y& z\end{array}\right]\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=\left[\begin{array}{ccc}x{m}_{11}+y{m}_{21}+z{m}_{31}& x{m}_{12}+y{m}_{22}+z{m}_{32}& x{m}_{13}+y{m}_{23}+z{m}_{33}\end{array}\right]$$
$$\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=\left[\begin{array}{c}x{m}_{11}+y{m}_{12}+z{m}_{13}\\ x{m}_{21}+y{m}_{22}+z{m}_{23}\\ x{m}_{31}+y{m}_{32}+z{m}_{33}\end{array}\right]$$
$$\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]\left[\begin{array}{ccc}x& y& z\end{array}\right]=（无定义）$$
$$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=（无定义）$$
关于矩阵和向量相乘的注意事项：

• 结果向量中的每个元素都是原向量与矩阵中单独行或列元素的点积
• 矩阵——向量乘法满足对向量加法的分配律。对于向量v、w和矩阵M，有：
  $(v+w)M=vM+wM$

矩阵是怎样变换向量的

向量在几何上能被解释为一系列与轴平行的位移。如，向量$\left[\begin{array}{c}1,-3,-4\end{array}\right]$能被解释成位移$\left[\begin{array}{c}1,0,0\end{array}\right]$，随后位移$\left[\begin{array}{c}0,-3,0\end{array}\right]$，最后位移$\left[\begin{array}{c}0,0,-4\end{array}\right]$。
一般来说，任意向量v都能写为“扩展”形式：
$$v=\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=\left[\begin{array}{c}x\\ 0\\ 0\end{array}\right]+\left[\begin{array}{c}0\\ y\\ 0\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ z\end{array}\right]$$
或者：
$$v=\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=x\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right]+y\left[\begin{array}{c}0\\ 1\\ 0\end{array}\right]+z\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right]$$
将上面的向量和重新写一遍，分别将p，g，r定义为指向+x、+y和+z方向的单位向量：
$$v=xp+yq+zr$$
现在，向量v就被表示成向量p，g，r的线性变换了。向量p，g，r称作基向量。
以p，g，r为行，构建一个矩阵M：
$M=\left[\begin{array}{c}p\\ g\\ r\end{array}\right]=\left[\begin{array}{ccc}{p}_x& p_y& p_z\\ g_x& g_y& g_z\\ r_x& r_y& r_z\end{array}\right]$
用一个向量乘以该矩阵，得到：
$\left[\begin{array}{ccc}x& y& z\end{array}\right]\left[\begin{array}{c}p\\ g\\ r\end{array}\right]=xp+yg+zr=\left[\begin{array}{ccc}x{p}_x+y{g}_x+z{r}_x& x{p}_y+y{g}_y+z{r}_y& x{p}_z+y{g}_z+z{r}_z\end{array}\right]$
不难发现这里和v的等式相同。
如果把矩阵的行解释为坐标系的基向量，那么乘以该矩阵就相当于进行了一次坐标变换，若有aM=b，我们就可以，M将a转换到b。

矩阵的形式

我们曾宣称矩阵表达坐标转换。怎样构建一个矩阵来做这个转换？
先看一下基向量$\left[\begin{array}{c}1,0,0\end{array}\right]\left[\begin{array}{c}0,1,0\end{array}\right]\left[\begin{array}{c}0,0,1\end{array}\right]$乘以任意矩阵M时的情况：
$\left[\begin{array}{c}1,0,0\end{array}\right]\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\end{array}\right]$
$\left[\begin{array}{c}0,1,0\end{array}\right]\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=\left[\begin{array}{ccc}{m}_{21}& m_{22}& m_{23}\end{array}\right]$
$\left[\begin{array}{c}0,0,1\end{array}\right]\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\\ m_{31}& m_{32}& m_{33}\end{array}\right]=\left[\begin{array}{ccc}{m}_{31}& m_{32}& m_{33}\end{array}\right]$
正如您所见，用基向量$\left[\begin{array}{c}1,0,0\end{array}\right]$乘以M时，结果M的第一行。其他两行也有同样的结果。这是一个关键的发现：

矩阵的每一行都能解释为转换后的基向量。

这个强有力的概念有两条重要的性质：

• 有了一个简单的方法来形象化解释矩阵所代表的变换。
• 有了反向建立矩阵的可能——给出了一个期望的变换（如旋转、缩放等），能够构造一个矩阵代表此变换。我们所要做的一切就是计算基向量的变换，然后将变换后的基向量填入矩阵。