【数理知识】向量的坐标基表示法,Matlab 代码验证

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

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 =axe 1+aye 2=[e 1e 2][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 =axe 1+aye 2+aze 3=[e 1e 2e 3] 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] e 1=[10],e 2=[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 =axe 1+aye 2=[e 1e 2][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] e 1=[2 12 1],e 2=[2 12 1],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] [axay]=[2 72 1]。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 =2 7[2 12 1]+2 1[2 12 1]=[2 12 12 12 1][2 72 1]=[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 =axe 1+aye 2=[e 1e 2][axay]=axe 1+aye 2=[e 1e 2][axay]

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} [e 1e 2][axay][e 1e 2]1[e 1e 2][axay][2 12 12 12 1]1[1001][34]=[e 1e 2][axay]=[axay]=[2 72 1]

请添加图片描述


3. Matlab 代码验证

a_x = 3;
a_y = 4;

e_1 = [ 1
        0];
e_2 = [ 0
        1];

a_x_prime = 7/sqrt(2);
a_y_prime = 1/sqrt(2);

e_1_prime = [ sqrt(2)/2
              sqrt(2)/2];
e_2_prime = [-sqrt(2)/2
              sqrt(2)/2];
>> pinv([e_1_prime  e_2_prime]) * [e_1  e_2] * [a_x; a_y]
ans =
    4.9497
    0.7071

>> a_x_prime
ans =
    4.9497

>> a_y_prime
ans =
    0.7071

Ref


猜你喜欢

转载自blog.csdn.net/weixin_36815313/article/details/132310268