线性代数的动态观-线性变换（一）

2019独角兽企业重金招聘Python工程师标准>>>

n个向量组可以当作一个整体来看即矩阵，此时线性代数的静态观-向量空间中提到的坐标向量可以写成A.x=，矩阵A可以看成一个运动规则在标准正交基下将坐标向量移到坐标向量的位置上。当然也可以看成是在其它基如下将坐标向量移到坐标向量的位置上，由此可以看出线性变换与基是独立的。

类似于从线性组合的静态观比较好理解，但如果从动态观来看就是把一个二维中的点移到三维空间中（这是一种升维但感觉不是很直观）

类似于从线性组合的静态观不是很好理解，但如果从动态观来看就是把一个三维中的点移到二维空间中（这是一种降维比如投影，日常生活中将物体通过灯光映射到墙面上就是投影）

注意：线性组合与线性变换有着本质的不同。当采用线性组合的视角来看时，得到的向量是一个与当前坐标系相关的自由向量，组合的权重就构成了在当前基下的坐标向量；当采用线性变换的视角来看时，得到的向量是一个坐标向量，反映的是坐标位置的变化也就是运动，当给出Ax并没有指定基时可以默认x是单位矩阵下的坐标向量，此时实际向量与坐标向量值相等！

在进一步讨论前需理解基的变换：

设基A=，基B=，由于，因此简写成B=A.P，这个P叫做基的变换矩阵。

给定向量X，X=A.X1'，X=B.X2'，则A.X1'=B.X2'，可进一步写成A.X1'=A.P.X2'，得到X1‘=P.X2'或X2’=.X1'。基相当于一种视角，以线性代数的静态观-向量空间（一）中提到的10块钱为例，x=10元，基A=1角，基B=1分，P=1/10角，=10分，X1‘=100角，X2’=1000分，X1‘=X2’/10或X2‘=10*X1’，完全与以上结论一致。（注意：一维空间也是向量空间），总结一下基变换矩阵就是将向量在当前坐标系下的坐标通过基变换矩阵得到另一个基下的坐标。

转载于:https://my.oschina.net/u/1268334/blog/3042545