【线性代数学习笔记(二)】矩阵乘法的几何意义

该系列文章同步发表于 GitHubGitHub 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)

A= \begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix} \quad x= \begin{bmatrix} x_1 \\ x_2 \end{bmatrix} \quad y= \begin{bmatrix} y_1 \\ y_2 \end{bmatrix}

Ax=y

则为从\mathbb{R}^2 \Rightarrow \mathbb{R}^2

例(二)

\begin{bmatrix} 1 & -1 \\ 1 & 1 \\ 1 & 2 \end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \end{bmatrix} = \begin{bmatrix} y_1 \\ y_2 \\ y_3 \end{bmatrix}

则为从\mathbb{R}^2 \Rightarrow \mathbb{R}^3

1. 基的变换

1.1. 矩阵映射法则——基的变换

\mathbb{R}^2的向量空间中,它的自然基(笛卡尔坐标系)为:

\vec i=\begin{bmatrix} 1 \\ 0 \end{bmatrix}\quad \vec j=\begin{bmatrix} 0 \\ 1 \end{bmatrix}

A=\begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix}

自然基下向量 a=\begin{bmatrix} 1 \\ 1 \end{bmatrix}=1 \vec i+1 \vec j

Aa=b 根据矩阵乘法

Aa= \begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix} \begin{bmatrix} 1 \\ 1 \end{bmatrix} = 1\begin{bmatrix} 1 \\ 1 \end{bmatrix} + 1\begin{bmatrix} -1 \\ 1 \end{bmatrix} = \begin{bmatrix} 0 \\ 2 \end{bmatrix} =b

为了看起来更清晰,我们令

\vec c_1 = \begin{bmatrix} 1 \\ 1 \end{bmatrix} \quad \vec c_2 = \begin{bmatrix} -1 \\ 1 \end{bmatrix}

A=[\vec c_1 \quad \vec c_2],因此Aa=b可以表示成以下形式:

a = 1 \vec i + \vec j \quad \begin{matrix} A \\ \rightarrow \end{matrix} \quad b = 1 \vec c_1 + 1 \vec c_2

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\begin{bmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta\end{bmatrix},可以让\mathbb{R}^2中的x旋转\theta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\theta的向量表示如下:

再看看另一个正交向量的旋转

根据三角公式有

\begin{cases} -\sin\theta = \cos(\frac \pi2 + \theta) \\ \cos\theta = \sin(\frac \pi2 + \theta) \end{cases}

则向量 \begin{bmatrix} -\sin\theta \\ \cos\theta \end{bmatrix}表示的是有y轴夹角为\theta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

A=\begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix} \quad a=\begin{bmatrix} 1 \\ 1 \end{bmatrix}

\vec c_1 = [1 \quad -1 ]\vec c_2 = [1 \quad 1 ],则A=\begin{bmatrix} - \vec c_1 - \\ - \vec c_2 - \end{bmatrix}

Aa= \begin{bmatrix} - \vec c_1 - \\ - \vec c_2 - \end{bmatrix} [\vec a] = \begin{bmatrix} \vec c_1 \vec a \\ \vec c_2 \vec a \end{bmatrix}

而我们知道,两个向量之间的点积运算规则为:

\vec a · \vec b = |\vec a|·|\vec b|·\cos<\vec a,\vec b>

即,\vec a 的长度与 \vec b\vec a 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Ax形式的矩阵乘法):

m\times n的矩阵A看作是mn维行向量,这就是新的基,然后将一个在自然基下的n维向量x向这个新基“投影”(分别向新基的m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y


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?》

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,015评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,262评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,727评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,986评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,363评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,610评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,871评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,582评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,297评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,551评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,053评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,385评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,035评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,079评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,841评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,648评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,550评论 2 270

推荐阅读更多精彩内容