序号 | 内容 |
---|---|
1 | 【数理知识】向量的坐标基表示法,Matlab 代码验证 |
2 | 【数理知识】向量与基的内积,Matlab 代码验证 |
文章目录
- 1. 向量的坐标基表示
- 2. 二维平面向量举例
- 3. Matlab 代码验证
- Ref
1. 向量的坐标基表示
假设空间中存在一个向量 a ⃗ \vec{a} a,在不同的坐标系(或称坐标基)下,向量 a ⃗ \vec{a} a 由不同的坐标值表示。
当坐标基唯一确定后,对应的坐标值也唯一确定。同时向量也可以由坐标值和坐标基线性组合的形式来表示。
-
当向量为二维平面的向量时,可表示为
a ⃗ = a x e ⃗ 1 + a y e ⃗ 2 = [ e ⃗ 1 e ⃗ 2 ] [ a x a y ] \vec{a} = a_x \vec{e}_1 + a_y \vec{e}_2 = \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] a=axe1+aye2=[e1e2][axay] -
当向量为三维空间的向量时,可表示为
a ⃗ = a x e ⃗ 1 + a y e ⃗ 2 + a z e ⃗ 3 = [ e ⃗ 1 e ⃗ 2 e ⃗ 3 ] [ a x a y a z ] \vec{a} = a_x \vec{e}_1 + a_y \vec{e}_2 + a_z \vec{e}_3 = \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 & \vec{e}_3 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \\ a_z \end{matrix}\right] a=axe1+aye2+aze3=[e1e2e3] axayaz
2. 二维平面向量举例
接下来基于二维平面的一个向量来举例,不过三维空间的情况具有同样的性质和结论。
假设存在一个上述的二维平面向量 a ⃗ \vec{a} a,在标准坐标基 e ⃗ 1 = [ 1 0 ] , e ⃗ 2 = [ 0 1 ] \vec{e}_1=\left[\begin{matrix} 1 \\ 0 \\ \end{matrix}\right], \vec{e}_2=\left[\begin{matrix} 0 \\ 1 \\ \end{matrix}\right] e1=[10],e2=[01] 下的坐标值为 [ a x a y ] = [ 3 4 ] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] = \left[\begin{matrix}3 \\ 4 \end{matrix}\right] [axay]=[34]。那么此向量可以表示为
a ⃗ = a x e ⃗ 1 + a y e ⃗ 2 = [ e ⃗ 1 e ⃗ 2 ] [ a x a y ] = 3 [ 1 0 ] + 4 [ 0 1 ] = [ 1 0 0 1 ] [ 3 4 ] = [ 3 4 ] \begin{aligned} \vec{a} &= a_x \vec{e}_1 + a_y \vec{e}_2 = \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] \\ &= 3 \left[\begin{matrix}1 \\ 0 \end{matrix}\right] + 4 \left[\begin{matrix}0 \\ 1 \end{matrix}\right] = \left[\begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix}\right] \left[\begin{matrix}3 \\ 4 \end{matrix}\right] = \left[\begin{matrix}3 \\ 4 \end{matrix}\right] \end{aligned} a=axe1+aye2=[e1e2][axay]=3[10]+4[01]=[1001][34]=[34]
现在,我们更改坐标基为 e ⃗ 1 ′ = [ 1 2 1 2 ] , e ⃗ 2 ′ = [ − 1 2 1 2 ] \vec{e}_{1^\prime}=\left[\begin{matrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right], \vec{e}_{2^\prime}=\left[\begin{matrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right] e1′=[2121],e2′=[−2121],此新基下的坐标值为 [ a x ′ a y ′ ] = [ 7 2 1 2 ] \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{matrix}\right] = \left[\begin{matrix} \frac{7}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] [ax′ay′]=[2721]。那么此向量可以表示为
a ⃗ = 7 2 [ 1 2 1 2 ] + 1 2 [ − 1 2 1 2 ] = [ 1 2 − 1 2 1 2 1 2 ] [ 7 2 1 2 ] = [ 3 4 ] \begin{aligned} \vec{a} &= \frac{7}{\sqrt{2}} \left[\begin{matrix}\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] + \frac{1}{\sqrt{2}} \left[\begin{matrix}-\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] = \left[\begin{matrix} \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{matrix}\right] \left[\begin{matrix} \frac{7}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] = \left[\begin{matrix}3 \\ 4 \end{matrix}\right] \end{aligned} a=27[2121]+21[−2121]=[2121−2121][2721]=[34]
上述例子我们可以看到,无论是在哪个坐标基下,永远存在如下等式
a ⃗ = a x e ⃗ 1 + a y e ⃗ 2 = [ e ⃗ 1 e ⃗ 2 ] [ a x a y ] = a x ′ e ⃗ 1 ′ + a y ′ e ⃗ 2 ′ = [ e ⃗ 1 ′ e ⃗ 2 ′ ] [ a x ′ a y ′ ] \begin{aligned} \vec{a} &= a_x \vec{e}_1 + a_y \vec{e}_2 = \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] \\ &= a_{x^\prime} \vec{e}_{1^\prime} + a_{y^\prime} \vec{e}_{2^\prime} = \left[\begin{matrix}\vec{e}_{1^\prime} & \vec{e}_{2^\prime} \end{matrix}\right] \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{matrix}\right] \end{aligned} a=axe1+aye2=[e1e2][axay]=ax′e1′+ay′e2′=[e1′e2′][ax′ay′]
针对三维空间中的向量,同样具有类似的结论。
至于新基下的坐标值是如何得到的,我们可以通过以下步骤实现
[ e ⃗ 1 e ⃗ 2 ] [ a x a y ] = [ e ⃗ 1 ′ e ⃗ 2 ′ ] [ a x ′ a y ′ ] [ e ⃗ 1 ′ e ⃗ 2 ′ ] − 1 [ e ⃗ 1 e ⃗ 2 ] [ a x a y ] = [ a x ′ a y ′ ] [ 1 2 − 1 2 1 2 1 2 ] − 1 [ 1 0 0 1 ] [ 3 4 ] = [ 7 2 1 2 ] \begin{aligned} \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] &= \left[\begin{matrix}\vec{e}_{1^\prime} & \vec{e}_{2^\prime} \end{matrix}\right] \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{matrix}\right] \\ \left[\begin{matrix}\vec{e}_{1^\prime} & \vec{e}_{2^\prime} \end{matrix}\right]^{-1} \left[\begin{matrix}\vec{e}_1 & \vec{e}_2 \end{matrix}\right] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] &= \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{matrix}\right] \\ \left[\begin{matrix} \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{matrix}\right]^{-1} \left[\begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix}\right] \left[\begin{matrix} 3 \\ 4 \end{matrix}\right] &= \left[\begin{matrix} \frac{7}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] \\ \end{aligned} [e1e2][axay][e1′e2′]−1[e1e2][axay][2121−2121]−1[1001][34]=[e1′e2′][ax′ay′]=[ax′ay′]=[2721]
3. Matlab 代码验证
a_x = 3;
a_y = 4;e_1 = [ 10];
e_2 = [ 01];a_x_prime = 7/sqrt(2);
a_y_prime = 1/sqrt(2);e_1_prime = [ sqrt(2)/2sqrt(2)/2];
e_2_prime = [-sqrt(2)/2sqrt(2)/2];
>> pinv([e_1_prime e_2_prime]) * [e_1 e_2] * [a_x; a_y]
ans =4.94970.7071>> a_x_prime
ans =4.9497>> a_y_prime
ans =0.7071