该系列文章同步发表于 GitHub 和 GitHub HomePage
目录
- 1. 基的变换
- 1.1. 矩阵映射法则——基的变换
- 1.2. 基变换的一个实例——旋转矩阵
- 2. 点积——向新基的投影
矩阵函数是一个向量空间向另一个向量空间的映射
例(一)
则为从
例(二)
则为从
1. 基的变换
1.1. 矩阵映射法则——基的变换
在的向量空间中,它的自然基(笛卡尔坐标系)为:
令
自然基下向量
则 根据矩阵乘法
为了看起来更清晰,我们令
则 ,因此可以表示成以下形式:
从上面很容易能看出,这个矩阵的乘法规则就是:保持系数不变,但是自然基被矩阵列向量给替换了
从几何上感受一下
再将向量用自然基表示
整体来说,就是基改变,导致向量的坐标发生变化:
1.2. 基变换的一个实例——旋转矩阵
通过旋转矩阵,可以让中的x旋转角得到y
来理解一下旋转矩阵是怎么做到的
单位圆中,与x轴夹角为的向量表示如下:
则
再看看另一个正交向量的旋转
根据三角公式有
则向量 表示的是有y轴夹角为的向量,则
结合之前对映射法则的讲解,就可以理解旋转矩阵了:
旋转矩阵的原理,就是通过旋转基来实现的
2. 点积——向新基的投影
还是使用上面用到的例子
令 ,,则
则
而我们知道,两个向量之间的点积运算规则为:
即, 的长度与 在 上的投影长度的乘积
从几何上感受一下
因此,从点积的角度来理解矩阵乘法的几何意义为(这里只讨论矩阵左乘,即为形式的矩阵乘法):
将的矩阵A看作是个维行向量,这就是新的基,然后将一个在自然基下的维向量向这个新基“投影”(分别向新基的个基向量“投影”,注意这里的“投影”与我们通常所说的投影有些不同:投影后还要将两者的长度相乘),得到这个向量在新基张成的向量空间的新坐标
参考资料:
(1) 微信公众号·马同学高等数学《图解线性代数》
(2) 马同学《如何理解矩阵乘法?》