基变换与线性变换梳理

关于线性代数当中的基变换和线性变换这一块，个人觉得特别繁杂，看起来简单，但是推导起来有点混乱，于是写下这篇博客记录一下初次学习的笔记和一些理解。本文参考麻省理工Gilbert Strang的线性代数公开课和戴华老师的《矩阵论》所写，理解有误的地方请大家指出。

        学习线性代数可以从很多个地方入手，比如说同济版的《线性代数》从行列式入手（个人觉得很难接受）；Mit公开课上的以矩阵的4个子空间入手；据说从线性变换入手也是可以的，所以博主想写的就是一个从线性变换入手的一个思路，在开始之前，大家可以先想象一副完全空白的画面，完全空白。

        这个完全空白的画面是一个空间 V，首先往里面放入一个线性变换 T，所谓的线性变换，实际上是一条规则，所以现在我们的空间中仍然是一片空白。这个规则说，有一些变换比较特别（也可以理解成某个函数），它满足：

        这是一条最基本的规则，非常的重要。下面我们继续来完善这个规则，首先是输入和输出，我们并没有限定输入和输出的维数是什么，所以输入和输出的维数不必相等（千万不要以为线性变换对应的矩阵一定是方阵），比方说 T ：R³ -> R² ，那么在我们的空间 V 中的任意一个3维vector都可以通过 T 变换成一个唯一的2维vector，而且 T 满足上面的规则。注意，现在所说的vector只是一个箭头，它并没有坐标，例如下面的 T（A）=  B：

        那你可能会问，何来3维和2维的区别呢？这和它没有坐标是一个道理，因为我们还没有指定基。3维说明它有3个线性无关的基向量，2维说明它有2个线性无关的基向量，当我指定了基以后，3维的vector就可以表达成 <a1, a2, a3> ，而2维的vector可以表达成 <b1, b2>了 ，现在我来指定3维空间的基是 (v1, v2, v3)，2维空间的基是 (w1, w2)，然后当然的在空间 V 中划分出3维空间和2维空间来：

       然后你又会问，那坐标得怎么算呢？这里可以这么理解，提供基的目的是提供一个基准，我们得同时给定一个方向和一个单位长度，这好比我指定了地图上的东和北是右和上两个方向，指定111千米是1度，这才可以用 <a, b> ，也就是经纬度来定位地球上的每一个点。OK，那我们就这么来办，我指定各个维度的方向就是各个基向量