讨论矩阵与变换之间关系的例题
彭达胡乱
矩阵是由数字或元素按行和列排列而成的矩形阵列。矩阵广泛应用于统计学、物理学、经济学等领域，尤其是在数学和计算机图形学中的几何变换方面。矩阵也为数据处理以及描述和解决各种数学问题提供了有效的工具。矩阵的一个重要应用是线性变换，其中矩阵运算用于改变空间中几何对象的形状和位置。
在本文中，我们将讨论一些示例问题，说明矩阵如何用于线性变换，并详细解释它们的解法。
定义和符号
首先，让我们回顾一下本次讨论中将用到的一些基本定义和符号：
1. 矩阵：一个按行和列排列的数字矩形阵列。
2. 线性变换：接受一个向量并使用矩阵运算将其映射到另一个向量的函数。
3. 向量：向量集中的一个元素，具有长度和方向，通常表示为矩阵中的列或行。
矩阵符号通常用大写字母表示，例如 \( A \)、\( B \)，向量用粗体或在其上方加箭头表示，例如 \( \mathbf{v} \) 或 \( \vec{v} \)。
康托·索尔·丹·彭巴哈桑
问题 1：旋转变换
给定二维空间中旋转变换矩阵 \( R \)，旋转角度为 \( \theta \)：
\[ R = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} \]
向量 \( \mathbf{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \). 求向量 \( \mathbf{v} \) 经矩阵 \( R \) 变换后的结果，其中 \( \theta = \frac{\pi}{2} \).
讨论：
首先，将角度值 \( \theta = \frac{\pi}{2} \) 代入矩阵 \( R \):
\[ R = \begin{pmatrix} \cos\frac{\pi}{2} & -\sin\frac{\pi}{2} \\ \sin\frac{\pi}{2} & \cos\frac{\pi}{2} \end{pmatrix} = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \]
接下来，将矩阵 \( R \) 乘以向量 \( \mathbf{v} \):
\[ R \mathbf{v} = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \begin{pmatrix} 1 \\ 0 \end{pmatrix} = \begin{pmatrix} (0 \cdot 1) + (-1 \cdot 0) \\ (1 \cdot 1) + (0 \cdot 0) \end{pmatrix} = \begin{pmatrix} 0 \\ 1 \end{pmatrix} \]
因此，将向量 \( \mathbf{v} \) 通过矩阵 \( R \) 变换角度 \( \theta = \frac{\pi}{2} \) 的结果为向量 \( \mathbf{v'} = \begin{pmatrix} 0 \\ 1 \end{pmatrix} \)。
问题 2：尺度变换
给定二维空间中的尺度变换矩阵 \( S \) 如下：
\[ S = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} \]
向量 \( \mathbf{u} = \begin{pmatrix} 1 \\ 2 \end{pmatrix} \). 求向量 \( \mathbf{u} \) 经矩阵 \( S \) 变换后的结果。
讨论：
将矩阵 \( S \) 乘以向量 \( \mathbf{u} \):
\[ S \mathbf{u} = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} \begin{pmatrix} 1 \\ 2 \end{pmatrix} = \begin{pmatrix} (2 \cdot 1) + (0 \cdot 2) \\ (0 \cdot 1) + (3 \cdot 2) \end{pmatrix} = \begin{pmatrix} 2 \\ 6 \end{pmatrix} \]
因此，向量 \( \mathbf{u} \) 通过矩阵 \( S \) 变换的结果是向量 \( \mathbf{u'} = \begin{pmatrix} 2 \\ 6 \end{pmatrix} \)。
问题 3：反思与转化
给定关于 y 轴的反射矩阵 \( F \)：
\[ F = \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \]
计算使用反射矩阵 \( F \) 变换向量 \( \mathbf{w} = \begin{pmatrix} 3 \\ 4 \end{pmatrix} \) 的结果。
讨论：
将矩阵 \( F \) 乘以向量 \( \mathbf{w} \):
\[ F \mathbf{w} = \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 3 \\ 4 \end{pmatrix} = \begin{pmatrix} (-1 \cdot 3) + (0 \cdot 4) \\ (0 \cdot 3) + (1 \cdot 4) \end{pmatrix} = \begin{pmatrix} -3 \\ 4 \end{pmatrix} \]
因此，向量 \( \mathbf{w} \) 通过矩阵 \( F \) 变换的结果是向量 \( \mathbf{w'} = \begin{pmatrix} -3 \\ 4 \end{pmatrix} \)。
问题 4：组合变换
假设有两个变换矩阵，一个旋转矩阵 \( R \)，旋转角度为 \( \theta = \frac{\pi}{4} \)，以及一个缩放矩阵 \( S \)，如下所示：
\[ R = \begin{pmatrix} \cos\frac{\pi}{4} & -\sin\frac{\pi}{4} \\ \sin\frac{\pi}{4} & \cos\frac{\pi}{4} \end{pmatrix} = \begin{pmatrix} \frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} \\ \frac{\sqrt{2}}{2} & \frac{\sqrt{2}}{2} \end{pmatrix} \]
\[ S = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} \]
将这些变换结合起来，并将它们应用于向量 \( \mathbf{z} = \begin{pmatrix} 1 \\ 1 \end{pmatrix} \).
讨论：
首先，计算组合变换矩阵 \( RS \):
\[ RS = R \cdot S = \begin{pmatrix} \frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} \\ \frac{\sqrt{2}}{2} & \frac{\sqrt{2}}{2} \end{pmatrix} \cdot \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} = \begin{pmatrix} (\frac{\sqrt{2}}{2} \cdot 2) + (-\frac{\sqrt{2}}{2} \cdot 0) & (\frac{\sqrt{2}}{2} \cdot 0) + (-\frac{\sqrt{2}}{2} \cdot 3) \\ (\frac{\sqrt{2}}{2} \cdot 2) + (\frac{\sqrt{2}}{2} \cdot 0) & (\frac{\sqrt{2}}{2} \cdot 0) + (\frac{\sqrt{2}}{2} \cdot 3) \end{pmatrix} = \begin{pmatrix} \sqrt{2} & -\frac{3\sqrt{2}}{2} \\ \sqrt{2} & \frac{3\sqrt{2}}{2} \end{pmatrix} \]
然后，将组合矩阵 \( RS \) 乘以向量 \( \mathbf{z} \):
\[ RS \mathbf{z} = \begin{pmatrix} \sqrt{2} & -\frac{3\sqrt{2}}{2} \\ \sqrt{2} & \frac{3\sqrt{2}}{2} \end{pmatrix} \begin{pmatrix} 1 \\ 1 \end{pmatrix} = \begin{pmatrix} (\sqrt{2} \cdot 1) + (-\frac{3\sqrt{2}}{2} \cdot 1) \\ (\sqrt{2} \cdot 1) + (\frac{3\sqrt{2}}{2} \cdot 1) \end{pmatrix} = \begin{pmatrix} \sqrt{2} – \frac{3\sqrt{2}}{2} \\ \sqrt{2} + \frac{3\sqrt{2}}{2} \end{pmatrix} \]
因此，向量 \( \mathbf{z} \) 与矩阵 \( RS \) 进行联合变换的结果为：
\[ \mathbf{z'} = \begin{pmatrix} \frac{2\sqrt{2} – 3\sqrt{2}}{2} \\ \sqrt{2} + \frac{3\sqrt{2}}{2} \end{pmatrix} = \begin{pmatrix} -\frac{\sqrt{2}}{2} \\ \frac{5\sqrt{2}}{2} \end{pmatrix} \]
结论
本文讨论了几个例题，展示了矩阵如何用于线性变换。矩阵变换在许多领域都扮演着至关重要的角色，尤其是在计算机图形学和数据分析领域。通过理解矩阵变换的基础知识，例如旋转、缩放和反射，我们可以将这些概念应用于更复杂的问题。掌握这些概念对于任何从事数学、物理或计算机科学工作的人来说都至关重要。
