矩阵的相似推导及其意义
前言
这篇文章从上一篇文章李宏毅《Linear Algebra》学习笔记中单摘出来的一部分,由于上一篇篇幅较长,所以单拿出来记录在这里。
本文从坐标系 → 函数在不同坐标系的不同表示 来引入similar(相似)的概念。
正文
1.Coordinate System(坐标系)
坐标系就相当于基准,便于将一个向量变得有意义,同一个向量在不同的基准下表示的内容自然不同。
拿下图举例,在左图中表示为[84][8\ \ 4][8 4]的向量,在右图的坐标系中却被表示为[6−2][6\ \ -2][6 −2].
满足下面两条的向量才可以被作为一个坐标系的基准
- 此向量组B\mathcal{B}B 张成 RnR^nRn
- 此向量组线性无关
将这两个条件结合在一起,不难发现这其实就是子空间的基的定义。因此,子空间的基就是子空间的坐标系的基准。
之所以使用子空间的基作为坐标系的基准,是因为这样才能保证每个向量都有唯一的表示方法。
证明:
假设对每个向量都有两个不同的表示方法,那么将这两种不同的表示方法代入得出的结果应该是相等的,又因为基B\mathcal BB是线性无关的,当且仅当an=bna_n=b_nan=bn时成立,因此不存在两种不同的表示。也就是以basis作为基准的坐标系中,每个向量只存在唯一的表示方法。
设BBB为子空间的基,[v]B[v]_{\mathcal{B}}[v]B为笛卡尔坐标系下的vvv 向量在其他坐标系B\mathcal{B}B 下的表示。
笛卡尔坐标系与其他坐标系间的转换
(1)其他坐标系 → 直角坐标系:v=B[v]Bv=B[v]_{\mathcal{B}}v=B[v]B
(2)直角坐标系 → 其他坐标系: [v]B=B−1v[v]_{\mathcal{B}}=B^{-1}v[v]B=B−1v
可以这样类比理解:
kkk位的NNN进制转化为十进制需要从低位开始依次用系数乘以NkN^kNk。
又因为基 B\mathcal BB 一定线性无关,所以可以用与矩阵的逆相乘的方式求出反向的解。
2.similar(相似)
这里是以坐标系的变换来引入“相似”这个概念的。
假设在笛卡尔坐标系中的一个点[x1x2][x_1\ x_2][x1 x2],经过一条已知直线L\boldsymbol LL 的翻转对应的点为T([x1x2])T([x_1\ x_2])T([x1 x2]),求翻转的线性关系(一个矩阵)。
对于求一个点关于直线L\boldsymbol LL 翻转的线性关系,由于这条直线并非xxx轴或者yyy轴,因此翻转对应的线性关系很难得出。
假设我们以xxx 轴为镜面进行翻转,线性关系是很容易得到的。 因为笛卡尔坐标系可以理解为是二维的单位矩阵:[1001]\begin{bmatrix} 1& 0 \\ 0 & 1 \end{bmatrix}[1001];翻转后,相当于xxx轴元素不变,yyy轴变为−y-y−y,因此线性关系可以表示为:T=[100−1]T=\begin{bmatrix}1&0\\0&-1\end{bmatrix}T=[100−1].
基于这种思想,可以利用上一小节学到的知识,通过变换坐标系的方法来求解关系TTT:
- 将直线L\boldsymbol LL 作为新的坐标系的xxx轴,取与之垂直向上的向量作为 yyy轴,建立新坐标系。
- 新坐标系下,翻转关系[T]B=[100−1][T]_{\boldsymbol B}=\begin{bmatrix}1&0\\0&-1\end{bmatrix}[T]B=[100−1]
- 根据新坐标系下的[T]B[T]_{\boldsymbol B}[T]B,求出笛卡尔坐标系的TTT.
那么,笛卡尔坐标系下的TTT 应该怎么求呢?下面是分析过程:
对照下面的图,位于下方的是笛卡尔坐标系,位于上方的是 B\boldsymbol BB坐标系,笛卡尔坐标系中的vvv 通过关系[T][T][T] 变为输出结果T(v)T(v)T(v).
对于其他坐标系,在上一小节提到过二者的变换关系,即:[v]B=B−1v[v]_{\boldsymbol B}={\boldsymbol B}^{-1}v[v]B=B−1v,根据这个变换关系,进而求得笛卡尔坐标系到其他坐标系的函数变换。
事实上,v→T(v)v→T(v)v→T(v) 与 v→[v]B→[T(v)]B→T(v)v→[v]_{\boldsymbol B}→[T(v)]_{\boldsymbol B}→T(v)v→[v]B→[T(v)]B→T(v) 是殊途同归的,因此,[T][T][T]可以表示为:
[T]=B−1[T]BB[T]={\boldsymbol B}^{-1}[T]_{\boldsymbol B}{\boldsymbol B}[T]=B−1[T]BB写成一般情况也就是:
[T]B=B−1AB[T]_{\boldsymbol B}={\boldsymbol B}^{-1}{\boldsymbol A}{\boldsymbol B}[T]B=B−1AB 不难发现,[T]B[T]_{\boldsymbol B}[T]B与[T][T][T] 虽然所处的坐标系不同,但是它们想要实现的作用是相同的——参考上面的例子,二者均实现翻转的功能。对于这样的变换[T][T][T]与[T]B[T]_{\boldsymbol B}[T]B,就将它们叫做相似(similar)。
简单地说,一个用来表示某线性变换的矩阵,它的相似矩阵也就是此线性关系在另一个新坐标系中的表示。
矩阵的相似推导及其意义相关推荐
- 机器学习——低秩矩阵分解中低秩的意义、矩阵填补、交叉验证
在研读论文<Matrix completion by deep matrix factorization>时,遇到了一些不明白的知识点,花费了大量时间在网上查阅相关资料,终于找到了能够让自 ...
- 对称矩阵到三对角矩阵的Lanczos推导(python,数值积分)
第三十二篇 Lanczos转化到三对角形式 在之前的篇章里,有许多求解线性方程的迭代方法,如最陡下降法,可以通过向量乘法和各种简单的向量运算,简化为一个单个矩阵的循环.将矩阵化为三对角形式的Lancz ...
- mxn的矩阵乘以自身转置的意义
矩阵乘以自身转置的意义是将矩阵中的每一对不同的元素相乘,然后相加.如果矩阵是n×m的,那么矩阵乘以自身转置后得到的矩阵是一个n×n的矩阵,并且对角线元素是原矩阵对应行列的点积之和,其他位置的元素都是0 ...
- 矩阵乘法 算法训练 试题_线性代数入门——矩阵乘法的定义及其意义
系列简介:这个系列文章讲解线性代数的基础内容,注重学习方法的培养.线性代数课程的一个重要特点(也是难点)是概念众多,而且各概念间有着千丝万缕的联系,对于初学者不易理解的问题我们会不惜笔墨加以解释.在内 ...
- 矩阵特征向量和特征值的意义
作者:達聞西 链接:https://www.zhihu.com/question/30094611/answer/120499954 来源:知乎 著作权归作者所有.商业转载请联系作者获得授权,非商业转 ...
- 【考题·数学】矩阵游戏(数学推导)
问题描述 LZK发明一个矩阵游戏,大家一起来玩玩吧,有一个N行M列的矩阵.第一行的数字是1,2,-M,第二行的数字是M+1,M+2-2*M,以此类推,第N行的数字是(N-1)*M+1,(N-1)M+2 ...
- 贝叶斯公式推导及意义
条件概率公式 设A,B是两个事件,且P(B)>0,则在事件B发生的条件下,事件A发生的条件概率(conditional probability)为: P(A|B)=P(AB)/P(B) 乘法公式 ...
- 样本方差递推公式的推导及其意义浅说
样本方差递推公式 起源 异变 本源 样本均值 样本方差 天演 千古 起源 对于来自同一总体的随机样本 X1,X2,⋯,Xn−1X_1,X_2,\cdots,X_{n-1}X1,X2,⋯,Xn−1 ...
- 图拉普拉斯矩阵的定义、推导、性质、应用
导语:在学习图神经网络时,不可避免地要遇到拉普拉斯算子,拉普拉斯矩阵,图傅里叶变换,拉普拉斯特征分解向量等等一堆概念,了解其中的来源,定义,推导,对于后续图卷积神经网络的演进过程会有更深刻的理解 文章 ...
最新文章
- DirectShow Filter 基础与简单的示例程序
- 最新版freetextbox(版本3.1.6)在asp.net 2.0中使用简解
- python文件操作,r w a系列
- C#中DataTable中的Compute方法使用收集
- [Beego] [bootstrap-paginator]实现分页功能
- php有多少魔术方法,PHP常用的几个魔术方法
- 能“社交”的机器人助理问世 可“察言观色”
- 安卓开发者必备的六个工具
- 机器学习相关资料和书籍推荐
- 台达触摸屏编程软件(Scredit)官方免费版 v2.00.23
- 发卡网源码附企业发卡网源码搭建安装教程
- 微软私有云服务器,微软发布私有云解决方案及数据平台
- 最新机器视觉研究团队汇总
- 美国大学生数学建模竞赛获奖经验贴
- linux常用命令——ls
- 2020HW漏洞总结(三)
- 浅析微营销的几个成功模式
- 云原生(什么是云原生?云原生的四要素)
- 单源最短路径的迪克斯特拉(Dijkstra)算法
- Teamcity打包发布的springboot 项目 ,访问swagger 报Whitelabel Error Page。
热门文章
- 30多岁转行做python_30 岁转行做Python开发晚吗?而且是零基础
- Java中在银行系统中有账户类型,进行基本存取款操作
- python分组后对日期排序_python对分组进行排序
- 【原】充电桩APP-原型设计
- 点心云折腾记之网络篇
- 2011斯坦福大学iOS应用开发教程学习笔记(第一课)MVC.and.Introduction.to.Objective-C
- helix qac 2022.1
- html中如何给图片设置浮动,css – 如何在div中浮动图像
- 学习笔记之抽取和内插
- 2020年缓存Redis面试题与答案