基变换：同一个对象可以有不同坐标语言

这一页在记什么

基变换的核心不是“公式绕来绕去”，而是：

同一个向量，在标准基下有一组坐标，在另一组基下有另一组坐标。基变换矩阵就是翻译器。

更精确地说，坐标不是向量的本体，而是“在某组基向量下，用多少份材料拼出这个向量”的记录。

这一集要把三件事绑在一起：

对象	本质理解
坐标	向量在某组基下的语言表达
基变换矩阵	把新基坐标翻译成旧基坐标的词典
相似变换	同一个线性变换换一种坐标语言来写

这一集真正解决的困惑

学到换基时，最容易困住人的不是计算，而是方向感：到底是 乘过去，还是 乘回来？

3B1B 这一集用 Jennifer 的坐标系来讲，其实就是在提醒你：

你说一个向量坐标是 ，隐含前提是你正在使用标准基 。Jennifer 如果使用另一组基 ，她写下的同一串数字，通常指向另一个真实向量；她写下的另一个坐标，也可能和你指的是同一个真实向量。

这一集还有一句特别重要的潜台词：空间本身没有天然网格。网格是我们为了描述向量而搭的语言框架。换基不是把空间本身换掉，而是换掉我们描述空间的方式。

从坐标语言到相似变换

标准坐标依赖标准基

坐标 的意义是：，所以坐标从来不是脱离基存在的。坐标里的第一个数、第二个数，真正回答的是：

换一组基，就换一种语言

如果另一个人使用不同基向量，他写下的坐标和你不同，但可能指向同一个真实向量。

这就是换基最反直觉也最重要的地方：数字变了，不等于对象变了；数字没变，也不等于对象没变。

比如 Jennifer 的基向量在我们的坐标系中可能是：

在她的语言里， 和 自己当然就是 和 。这不是矛盾，而是“同一对象，不同语言”的正常现象。

基变换矩阵负责翻译坐标

若矩阵 的列是新基向量在旧基下的坐标，那么：，也就是说， 把“新基语言”翻译成“旧基语言”。

这个方向特别容易反。最稳的判断方式是先看 的列：

如果 的列是“新基向量用旧坐标写出来的样子”，那 做的事就是：

反方向自然要用 ：

相似变换是换视角看同一个线性变换

表达式的图像是：

1. 先把新坐标翻译成旧坐标；
2. 用旧坐标下的 做变换；
3. 再把结果翻译回新坐标。

所以 不是“凭空造出一个新变换”，而是在回答：

这也是相似矩阵最重要的直觉：它们不是两个毫无关系的矩阵，而是同一个线性动作在不同坐标系下的两种写法。

特征基会让变换变简单

如果能找到一组特征向量作为基，矩阵会变成对角形式。这就是下一集特征值的巨大意义。

因为在特征向量组成的坐标系里，变换不会把基方向搅到别的方向上，只会沿各自方向缩放。

把它变成自己的判断规则

换基题不要先背公式，先问这三个问题：

问题	用来判断什么
这组基是谁的基？	确认当前坐标语言
的列是用哪种坐标写的？	判断 的翻译方向
题目是在换向量坐标，还是换线性变换的矩阵表示？	决定用 还是

最常用的口令是：

也就是：，如果题目要你“求某向量在新基下的坐标”，通常是已知 ，要反解：，如果题目要你“求同一线性变换在新基下的矩阵”，则是三步夹心：

所以新基下矩阵为：

和考研线代的连接

1. 坐标变换公式

若 是新基向量在旧基下的坐标矩阵，则：，其中 是旧基坐标， 是新基坐标。

这里最重要的是不要把 和 看成两个不同向量。它们通常是同一个向量在两种基下的坐标表达。

2. 相似矩阵

它表示同一个线性变换在新基下的矩阵表示。相似不是两个无关矩阵碰巧长得像，而是同一动作换坐标语言。

因此相似矩阵会共享很多“不依赖坐标语言”的性质，例如行列式、迹、秩、特征值。这些量本质上描述的是线性变换自身，而不是某个坐标系里的写法。

3. 对角化

如果 由 的一组线性无关特征向量组成，则：，这表示在特征向量坐标系中， 只做各方向缩放。

这一点会直接接到考研里的相似对角化、矩阵幂、二次型标准化等内容。直觉上，对角化就是给复杂变换找一套“最顺手的坐标语言”。

4. 判断 和 的防呆法

不要孤立背两个式子。看题目给出的 是谁。

如果 的列是新基向量在旧基下的坐标，且 是旧基下的矩阵，那么新基下的矩阵是：，如果看到 ，它表达的是同一件事的反写：

做题时先画语言方向，比机械背左右位置更稳。

易错点

• 分不清 和 的方向。先看 的列是什么基。
• 以为相似矩阵表示两个不同变换。它们表示同一变换在不同基下的坐标表达。
• 背 ，但不知道中间三步翻译。
• 忘了换基前后，向量本身没有变。
• 把网格当成空间本身。网格只是坐标语言，空间对象不依赖某个网格。
• 看到 就慌。很多时候只是同一关系从另一边解出来。

我疑惑的地方

疑惑 1：为什么 的列是新基，却说它把新坐标变成旧坐标？

因为矩阵乘向量本质上是在做列向量的线性组合。

如果

那么：，这里的 是新基语言里的系数， 又是用旧坐标写出来的新基向量，所以算出来的就是旧坐标语言下的向量表达。

疑惑 2：为什么说相似矩阵是同一个变换？

因为中间真正做空间动作的是 ，两边的 和 只是换语言。

可以把 读成一句话：

所以变换本身没换，换的是输入输出的记录方式。

疑惑 3：为什么换基值得学？

因为很多矩阵在标准基下看起来乱，但在合适的基下会变得非常简单。最典型的就是特征基：，复杂矩阵一旦被翻译成对角矩阵，矩阵幂、递推、稳定性分析都会轻很多。

下次遇到怎么办

遇到换基或相似题，先按这个顺序做：

1. 写清楚旧基、新基分别是什么。
2. 把新基向量按列排成 ，并标注“列是新基在旧基下的坐标”。
3. 向量坐标转换先用 定方向。
4. 要求新基坐标时，再左乘 。
5. 要求新基下的变换矩阵时，用“翻译、变换、翻译回去”读出 。

如果你在题里分不清左右，先别算。先把输入坐标语言、输出坐标语言写在箭头上，方向自然会出来。

更高层次的见解

第 13P 真正想让你接受的是：

向量本身可以不变，坐标可以变；线性变换本身可以不变，矩阵表示可以变。换基把你从“矩阵就是数字表”的误解里往外拽了一步。

这也是为什么后面特征值、对角化会自然出现：我们不是为了变换坐标而变换坐标，而是为了找到一种语言，让原本复杂的空间动作变得一眼能看懂。

本集复看问题

1. 为什么坐标必须依赖基？
2. 中， 的列代表什么？
3. 为什么 表示换基后的同一变换？
4. 为什么特征向量适合拿来做基？
5. 如果题目给出 ，我能不能解释它和 的关系？
6. 我能不能用“语言翻译”的方式说清楚相似矩阵？

链接

• 🏠 返回总览：线性代数的本质：直觉复习地图
• 交互实验室：线性代数本质交互实验室
• 上一集：从线性变换看叉积：为什么行列式公式会冒出来
• 下一集：特征向量与特征值：变换中不改方向的轴
• 视频来源：Bilibili BV1ib411t7YR p13