更新時(shí)間:2024-06-10 21:17:01作者:佚名
什么是向量?
向量、基和線性相關(guān)的線性組合
矩陣和線性相關(guān)
矩陣乘法與線性變換相結(jié)合
三維空間中的線性變換
行列式
逆矩陣、列空間、秩和零空間
克萊默定律
非方陣
點(diǎn)積和對(duì)偶性
叉積
從線性變換的角度看叉積
基礎(chǔ)變換
特征向量和特征值
抽象向量空間
二階矩陣特征值的快速計(jì)算
張量、協(xié)方差、逆方差和秩
目錄
逆矩陣、列空間、秩和零空間
克萊默定律
逆矩陣、列空間、秩和零空間
之前我們通過(guò)直觀的線性變換理解了矩陣和向量的運(yùn)算,也學(xué)習(xí)了線性變換如何描述對(duì)空間的操控。這對(duì)計(jì)算機(jī)圖形學(xué)和機(jī)器人學(xué)有很大的幫助,但線性代數(shù)的作用并不僅限于此。今天我們從另一個(gè)角度來(lái)看看線性代數(shù)如何幫助我們解決特殊的線性方程。
上面提到的特殊線性方程,所謂“特殊”是指未知量都是一階的,不包含其他特殊函數(shù),如指數(shù)、對(duì)數(shù)、n 次方、三角函數(shù)等,且未知量乘以系數(shù)后相加。我們把這樣的方程組稱為:多元一階線性方程。
由于我們要用線性代數(shù)來(lái)解線性方程,所以我們需要將上述方程轉(zhuǎn)化為矩陣和向量乘法的形式。我們將系數(shù)提取成系數(shù)矩陣,將未知數(shù)提取成向量形式,將結(jié)果提取成向量形式,最后將它們轉(zhuǎn)化為:
上面的矩陣乘法是不是看起來(lái)很熟悉?這就是前面提到的矩陣向量乘法。它的幾何意義是:向量
在矩陣A的作用下,矢量變換為
為了解決上述方程組,我們需要找到空間中的一個(gè)向量
對(duì)A和向量進(jìn)行線性變換后
重合。
上面的例子是三維空間中的變換,為了更直觀的例子,我們來(lái)看二維空間中的例子:
那么我們?nèi)绾闻袛?/p>
有解決方案嗎?也就是說(shuō),是否存在一個(gè)向量
經(jīng)過(guò)線性變換后,可以與矢量相結(jié)合
那重疊呢?這就要用到我們前面講過(guò)的行列式的知識(shí)了。在行列式章節(jié)中我們說(shuō)過(guò),矩陣行列式表示的是變換前后空間的縮放比例。根據(jù)行列式的不同,又可以分為行列式不為零和行列式為零兩種情況。
行列式不為零:
矩陣行列式不為零,說(shuō)明經(jīng)過(guò)線性變換后空間維數(shù)不變,即基向量沒(méi)有被壓縮成一條直線或者一個(gè)點(diǎn),那么一定有一個(gè)向量
也就是說(shuō),我們一定能找到一個(gè)能與向量匹配的基向量縮放因子
重疊;如何找到
現(xiàn)在讓我們反過(guò)來(lái)想。我們剛剛找到了向量
在基質(zhì)作用下,
巧合,反過(guò)來(lái):變換矩陣A的逆矩陣
作用于載體
變換后的向量就是我們需要的向量。
這里我們直觀的看一下逆矩陣的含義,例如逆時(shí)針旋轉(zhuǎn)90度的變換如下:
相應(yīng)的逆變換是順時(shí)針旋轉(zhuǎn)90度:
對(duì)任何向量應(yīng)用變換,然后應(yīng)用逆變換將使向量返回到其原始狀態(tài),這意味著兩個(gè)矩陣的乘積是恒等變換。
綜上所述,如果變換矩陣的行列式不為0,那么線性方程組有唯一解,這一點(diǎn)對(duì)于高維空間也適用。
行列式為零:
當(dāng)變換矩陣的行列式為零時(shí),即變換后基向量落在同一直線或點(diǎn)上。如果這條直線和向量
如果它們不共線,那么我們就找不到矢量
,這可以使x*i_transformed+y*j_transformed與向量v重合,也就是說(shuō),沒(méi)有逆變換可以將一條線解壓縮成一個(gè)面;但如果這條線與向量重合
共線,即使沒(méi)有逆變換,也可能有解,且解的個(gè)數(shù)是無(wú)窮大。
如上圖,棕紅色和綠色是變換后的基向量,黃色是結(jié)果向量
,同樣適用于三維空間。
注意,現(xiàn)在我們又想到了一個(gè)新名詞:秩。秩表示變換后空間的維數(shù)。前面舉的例子中,如果變換矩陣的行列式為0,說(shuō)明空間被壓縮成了一條直線,因此空間維數(shù)為1,說(shuō)明秩為1;如果變換矩陣的行列式不為零,說(shuō)明空間沒(méi)有被壓縮,原空間是2維的,變換后的空間也是2維的,秩為2,原空間是3維的,變換后的空間也是3維的,秩為3;秩表示變換后空間的維數(shù),不管變換結(jié)果是直線,平面還是三維空間,所有可能的變換結(jié)果的幾何體就稱為矩陣的列空間。
秩這個(gè)名字是怎么來(lái)的呢?如上圖所示,矩陣的列表示變換后基向量的位置。換句話說(shuō)矩陣行列式的運(yùn)算法則,列空間就是矩陣的列所占的空間,而秩就是列空間的維數(shù)。當(dāng)秩達(dá)到最大值時(shí),秩就等于列數(shù)。我們把這種情況稱為滿秩。
如下圖所示,線性變換必須保持原點(diǎn)的位置不變,原點(diǎn)就是零向量,當(dāng)秩滿時(shí),原點(diǎn)是變換后唯一落在原點(diǎn)的向量,當(dāng)秩不滿時(shí),由于空間被壓縮,部分序列的向量會(huì)被壓縮到原點(diǎn)。
克萊默定律
以前我們從線性代數(shù)的角度去理解線性方程,卻沒(méi)有給出具體的解法。今天我們來(lái)看一個(gè)計(jì)算規(guī)則以及背后的幾何原理:克萊姆規(guī)則。
首先我要聲明克萊姆法則并不是解線性方程最有效的方法,相比之下高斯消元法更快,學(xué)習(xí)克萊姆法則是為了拓展知識(shí)面,加深對(duì)線性方程的理解。
讓我們從一個(gè)簡(jiǎn)單的例子開(kāi)始。請(qǐng)注意,克萊默定律可以擴(kuò)展到任意數(shù)量的未知數(shù)。
通過(guò)前面章節(jié)的學(xué)習(xí),我們知道上述方程可以轉(zhuǎn)化為矩陣乘法的形式:
矩陣的前兩列表示變換后的基向量的坐標(biāo):
現(xiàn)在的問(wèn)題是找出哪個(gè)向量將成為
。
一個(gè)想法是輸出矩陣
它是矩陣列向量的線性組合。現(xiàn)在我們需要做的就是找到x和y的值。
在上一章中我們說(shuō)過(guò),一個(gè)方程組是否有解取決于矩陣行列式的數(shù)值。如果行列式為0,則該方程無(wú)解或有無(wú)數(shù)個(gè)解。如果行列式不為0,則該方程組有唯一解。本文僅討論行列式不為0的情況。
在講克萊默定律之前,我們先來(lái)看一個(gè)錯(cuò)誤的解法思路。我們知道一個(gè)向量可以分解為基向量的線性組合,如下圖所示。在變換之前,我們先計(jì)算未知向量
基礎(chǔ)向量上的分量。
并假設(shè)變換后上述向量分解定律仍然滿足:
理想很完美,但現(xiàn)實(shí)很殘酷。不幸的是,上面的公式可能不成立,因?yàn)樽儞Q后的基向量可能不垂直,或者可能會(huì)被拉伸。例如上圖中的紅色和綠色箭頭就是變換后的基向量。
是不是所有的變換都不滿足上面的公式呢?有一種特殊的變換,它變換后,基向量仍然垂直,長(zhǎng)度不變。更一般地說(shuō),變換前垂直的向量在變換后仍然垂直。這種變換稱為正交變換。在計(jì)算機(jī)圖形學(xué)中,它對(duì)應(yīng)于剛體運(yùn)動(dòng),也就是說(shuō)變換不會(huì)拉伸、壓縮或變形。
因此,如下圖所示,利用正交矩陣來(lái)解決線性關(guān)系問(wèn)題非常方便:
改造前:
由于是正交變換,所以變換之后下面的公式依然成立矩陣行列式的運(yùn)算法則,下面的公式中第一個(gè)是目標(biāo)向量,第二個(gè)是變換之后基向量的位置,都是已知的。
最后結(jié)果:
正交變換雖然是特例,但是卻給我們提供了一種思路,接下來(lái)進(jìn)入今天的正題,如下圖所示,未知向量
和 i 形成的面積等于坐標(biāo) y。
類似地,未知向量
和j形成的面積等于坐標(biāo)x。
類似地,在三維坐標(biāo)系中,立方體的體積可以與 x、y 和 z 坐標(biāo)相關(guān)聯(lián)。
為什么要把平行四邊形的面積和立方體的體積與坐標(biāo)聯(lián)系起來(lái)呢?根據(jù)前面章節(jié)所學(xué)的知識(shí),當(dāng)對(duì)未知向量進(jìn)行線性變換時(shí),面積與體積的比值會(huì)發(fā)生變化。
轉(zhuǎn)型前
轉(zhuǎn)型后
根據(jù)我們?cè)谇懊嬲鹿?jié)中學(xué)到的知識(shí),當(dāng)我們談?wù)摫砻婊蝮w積的變換比率時(shí),我們立即想到了行列式!面積擴(kuò)展的比率等于變換矩陣的行列式。
變換前平行四邊形的面積等于y值英語(yǔ)作文網(wǎng),變換后四邊形的面積按照變換矩陣的行列式進(jìn)行縮放,其面積等于
。
轉(zhuǎn)型前
轉(zhuǎn)型后
然后我們可以利用變換后的面積和行列式的值來(lái)找到 y:
那么我們?nèi)绾握业阶儞Q后的面積呢?我們已經(jīng)知道變換后得到的向量的坐標(biāo)
,那么它和i構(gòu)成的四邊形的面積可以用矩陣計(jì)算
該矩陣的行列式表達(dá)式表示
變換矩陣,其行列式值表示變換前后面積變化的比率。
用同樣的方法我們可以找到另一個(gè)變量x的值:
對(duì)于三維來(lái)說(shuō)也是如此:
2024-06-10 20:25
2024-06-10 17:53
2024-06-10 16:58