一、过渡矩阵(Transition Matrix)#
1.1 基本定义#
设 S={u1,...,un} 和 T={v1,...,vn} 是 n 维向量空间 V 的两个基,则从 S 到 T 的过渡矩阵 P 由下式唯一确定:
(u1,...,un)=(v1,...,vn)P
其中 P 的列向量为 [u1]T,...,[un]T。
坐标转换公式:对任意向量 w,有
[w]T=P[w]S
1.2 旋转坐标系示例#
考虑 xy 坐标系绕原点逆时针旋转 θ 角得到 x'y' 坐标系的情况:
R=(cosθsinθ−sinθcosθ),R−1=(cosθ−sinθsinθcosθ)
例:θ = 60° 时:
R=(1/23/2−3/21/2)
点在 xy 系的坐标 (2,1) 转换为 x'y' 系坐标时,新基向量组成的矩阵为 R,因此从旧坐标到新坐标的过渡矩阵是 R−1:
R−1(21)=(1+3/21/2−3)
二、线性变换基础#
2.1 定义与标准矩阵#
线性变换 T:Rn→Rm 的标准矩阵 A 满足:
T(x)=Ax=a11⋮am1⋯⋱⋯a1n⋮amnx1⋮xn
构造方法:计算标准基向量的像
A=[T(e1) ∣ T(e2) ∣ ⋯ ∣ T(en)]
2.2 重要性质#
-
线性性:T(au+bv)=aT(u)+bT(v)
-
复合变换:(T∘S)(u)=T(S(u)) 对应矩阵 BA
-
零向量保持:T(0)=0
三、秩与核(Rank and Kernel)#
3.1 基本概念#
设线性变换 T:Rn→Rm 的标准矩阵为 A
-
像空间(Range):R(T)={T(u)∣u∈Rn} ➔ A 的列空间
-
核空间(Kernel):Ker(T)={u∣T(u)=0} ➔ A 的零空间
3.2 秩-零化度定理#
rank(T)+nullity(T)=n
几何解释:
-
rank(T):像空间 R(T) 的维度
-
nullity(T):被压缩到零向量的输入空间维度
四、典型例题解析#
4.1 投影变换#
定义投影变换 P(x)=x−(n⋅x)n,其中 ∥n∥=1
标准矩阵:
P=I−nnT
性质验证:
P2=P(幂等性)
4.2 反射变换#
定义反射变换 F(x)=x−2(n⋅x)n
正交性验证:
F∘F=I且FT=F
五、学习建议#
-
几何直观:将线性变换理解为空间的旋转/投影/缩放操作
-
矩阵联系:熟练掌握标准矩阵的构造方法
-
特殊变换:重点理解正交矩阵、投影/反射矩阵的特性
-
维度分析:用秩-零化度定理验证计算结果
关键术语表:
-
基 Basis
-
过渡矩阵 Transition matrix
-
标准矩阵 Standard matrix
-
正交矩阵 Orthogonal matrix
-
秩 Rank
-
核 Kernel