线性变换
我们之前学习了零空间、行空间、行列式、特征值,都是源于对于矩阵的了解,但是矩阵只是在给定坐标下对线性变换的描述,所以线性代数是核心
变换我们有如
T : R 2 − > R 2 , 这 是 一 种 映 射 , 一 个 输 入 对 应 着 一 个 输 出 T:R^2->R^2,这是一种映射,一个输入对应着一个输出 T:R2−>R2,这是一种映射,一个输入对应着一个输出
线性变换中,必须要满足线性即,对于变换T有:
1 、 T ( w + v ) = T ( w ) + T ( v ) 1、T(w+v)=T(w)+T(v) 1、T(w+v)=T(w)+T(v)
2 、 T ( c w ) = c T ( w ) 2、T(cw)=cT(w) 2、T(cw)=cT(w)
下面是一些例子
-
1、投影是线性变换,满足上面两个性质
-
2、平移变换不是线性变换,不满足上面两个性质
-
3、求模长不是线性变换,不满足上面两个性质,比如 c = − 2 c=-2 c=−2时不满足
-
4、旋转45是线性变换,满足上面两个性质
-
同时,我们可以用 T ( x ) = A x T(x)=Ax T(x)=AxA矩阵来描述这种线性变换,即每一个变换都对应着一个矩阵A
-
假设T表示线性变换,对于两个线性无关的向量 v 1 , v 2 v_1,v_2 v1,v2有
v1,v2线性组合的所有向量可以通过v1,v2计算出来,即
T ( v ) = T ( c 1 v 1 + c 2 v 2 ) = c 1 T ( v 1 ) + c 2 T ( v 2 ) T(v)=T(c_1v_1+c_2v_2) = c_1T(v_1)+c_2T(v_2) T(v)=T(c1v1+c2v2)=c1T(v1)+c2T(v2)
由此我们如果给定一组基向量,求解出T(v1)~T(vn)则我们有可以求解空间内任意的变换
T ( v ) = T ( c 1 v 1 + c 2 v 2 + c 3 v 3 + c 4 v 4 + … … ) = c 1 T ( v 1 ) + c 2 T ( v 2 ) + c 3 T ( v 3 ) + c 4 T ( v 4 ) + … … T(v)= T(c_1v_1+c_2v_2+c_3v_3+c_4v_4+……)=c_1T(v_1)+c_2T(v_2)+c_3T(v_3)+c_4T(v_4)+…… T(v)=T(c1v1+c2v2