線性代數的本質筆記 第三講: 矩陣與線性變換

線性代數的本質筆記 第三講: 矩陣與線性變換

第三講的筆記大部分搬運於

愛跑咪 | 一路奔跑向前……?

www.ipaomi.com圖標


什麼是變換

變換本質上就是函數。

這裡的變換我們可以稱之為「向量的函數」,可以從向量運動的角度理解。變換讓向量從一個地方(對應輸入向量),運動到了另一個地方(對應輸出向量)。

變換作用於某個空間是將該變換應用於空間中的每一個向量。

空間中的向量可以用一些規則分布的點來表示。

下面是變換前的樣子

下面是變換後的樣子。

變換後,空間中的點(即向量)運動到了其他的位置上。

二維空間變換中,等間距的平行網格可以更好地展示變換的性質。

下面是變換前的網格。

下面是變換後的網格。

顯然,變換讓空間發生了扭曲。

為了方便觀察,我們還可以把變換前後的網格都畫在同一張圖上。

變換有時非常地複雜。

例如,下面的幾個例子:

如何理解線性變換

如果一個變換同時具有以下 2 條性質,則它是一個線性變換。

  • 變換前後,所有的直線仍然是直線
  • 變換前後,原點保持不變

換句話說,線性變換是原點不變,並使網路線保持平行且等距分布的變換。

如何描述線性變換

以平面直角坐標係為例,設有一個向量 vec{v}=egin{pmatrix} -1 \ 2 end{pmatrix} 。可以將它看成是 2 個基向量 hat{i}hat{j} 的線性組合。線性組合的係數分別對應向量的 2 個分量。

在某個線性變換的作用下, hat{i}hat{j} 以及 vec{v} 都運動到了新的位置。

線性變換前後網路線保持平行且等距分布,這一性質有一個重要的推論:線性變換後的 vec{v} 是變換後的 hat{i}hat{j} 的線性組合,並且線性組合的係數和變換前一樣(仍然是 -1 和 2)

即,線性變換前

hat{i}=egin{pmatrix} 1 \ 0 end{pmatrix}  hat{j}=egin{pmatrix} 0 \ 1 end{pmatrix} vec{v}=-1hat{i}+2hat{j}=egin{pmatrix} -1\ 2 end{pmatrix}

經過某個線性變換後之後

hat{i}=egin{pmatrix} -1 \ 2 end{pmatrix} hat{j}=egin{pmatrix} 3 \ 0 end{pmatrix}vec{v}=-1hat{i}+2hat{j}=egin{pmatrix} 5\ 2 end{pmatrix}

事實上,我們只要知道線性變換之後, hat{i}hat{j} 的位置(坐標),就可以計算出任意一個向量經過同樣的線性變換之後的位置(坐標)。

這意味著,對於一個線性變換,我們只需要跟蹤基向量在變換前後的變化,就可以掌握整個空間(即全部向量)的變化。我們將線性變換後的基向量坐標按列組合起來,可以拼接成一個矩陣。線性變換的全部信息便都包含在這個矩陣當中了。

給定一個 2×2 的矩陣 egin{pmatrix} a&b\ c&d end{pmatrix} 以及某個向量 egin{pmatrix} x\ y end{pmatrix}

它的 2 列 egin{pmatrix} a\ c end{pmatrix}egin{pmatrix} b\ d end{pmatrix} 分別表示 2 個基向量 egin{pmatrix} 1\ 0 end{pmatrix}egin{pmatrix} 0\ 1 end{pmatrix} 經過線性變換之後的坐標。

那麼,向量 egin{pmatrix} x\ y end{pmatrix} 經過該線性變換之後,其新坐標的計算方法如下:

這一計算過程,我們可以用矩陣乘法來表達。將向量 egin{pmatrix} x\ y end{pmatrix} 記作 vec{x} ,將整個矩陣記作 A ,將線性變換後的向量記作 vec{b} ,整個等式是不是變成了大家熟悉的 Avec{x}=vec{b} 。你可以把它看成是矩陣和向量相乘,也可以把它看成是一個線性方程組,現在你還可以把它看成是一個線性變換。多麼奇妙的一件事啊!

一旦你理解的本節教程的精髓,你便可以秒懂原來看起來十分費解的線性變換。

例如,逆時針旋轉 90 度對應的線性變換矩陣是什麼呢?

記住,對於線性變換,我們只需要跟蹤原來的基向量在線性變換後的位置(坐標),然後把它們按列拼成一個矩陣,這個矩陣就是相應的線性變換矩陣。

在這個例子中,原來的 2 個基向量 egin{pmatrix} 1\ 0 end{pmatrix}egin{pmatrix} 0\ 1 end{pmatrix} ,逆時針旋轉90 度之後,變成了 egin{pmatrix} 0\ 1 end{pmatrix}egin{pmatrix} -1\ 0 end{pmatrix} ,把它們拼成 一個矩陣 egin{pmatrix} 0&-1\ 1&0 end{pmatrix} ,這便是逆時針旋轉 90 度對應的線性變換矩陣。要計算任意向量旋轉 90 度之後的坐標,只需要用該矩陣左乘原來的向量就可以了。

下面是一個剪切變換,你能一眼就看出它在做什麼嗎?

我們再來看下面這個線性變換,其線性變換矩陣的 2 個列向量是線性相關的。這個線性變換會將整個二維空間壓縮到一條直線上。通過這個例子,你是不是對線性相關、線性無關有了更直觀的、更深刻的認識了呢?

總之,線性變換是操縱空間的一種手段。線性變換保持原點不動,網格線平行且等距分布。只需要幾個數字(變換後基向量的坐標)就可以清晰地描述一個線性變換。將變換後基向量的坐標按列拼接成一個矩陣。這個矩陣為我們提供了一種描述線性變換的語言。線性變換作用於一個向量,對應於用線性變換矩陣左乘該向量。

以後,當你再看到矩陣的時候,你都可以將它解讀為對空間的某種線性變換,這是深刻理解矩陣乘法、行列式、基變換,以及特徵值等概念的重要基礎。掌握了本節(從線性變換的角度)看待矩陣的方式,線性代數中,原本極其抽象的概念,都將瞬間變得清晰起來。線性代數中各種看似莫名其妙的運算,以及各種神出鬼沒的概念,一下子都變得可愛起來了。

推薦閱讀:

我曾經是狂噴微積分的憤青,我是中值定理的祖師爺,我叫羅爾,我為自己帶鹽
有理分式的快速分解方法
宇宙大學推薦五奇系列(春節禮物)
高等代數筆記整理(前言)

TAG:線性代數 | 大學數學 |