最后更新: 2025-10-20 16:05 查看: 578 次反馈能力测评会员8.2元/月赞助

线性变换的意义

## 线性变换的意义
在大多数的教科书中, 线性映射和线性变换被区别为两个概念。如果映射是发生在一个集合上的同一个坐标系中, 线性映射就被称为线性变换。线性变换作为线性映射的特例, 就是把集合上的两个坐标系合并为一个。

> 简单理解：二维到二维是变换，比如平面图形的旋转变换。 三维到二维是映射，比如灯光照射在球体上，墙面上留下球的影子，这就把三维球体映射成了二维平面。

例如把二维平面圆的映射整合成变换如图 1-16 所示, 以原点为不变轴心, 把 $\Pi_2$ 平面旋转放平, $y_1$ 轴重合于 $x_1$ 轴, $y_2$ 轴重合于 $x_2$ 轴, 两平面合二为一。

![图片](/uploads/2025-10/22550c.jpg){width=600px}
 
 整合后的图形用平面直角坐标系表示就是图 1-17。

![图片](/uploads/2025-10/ca3065.jpg){width=500px}
 
 
直角坐标系下的图形清楚地显示了一个圆被线性变换为一个椭圆。相应地，圆上的一个向量 $\boldsymbol{a}_1$ 映射为椭圆上的向量 $\boldsymbol{b}_1$ 。圆和椭圆都在同一个线性空间——平面上 (平面就是空间)。

### 例子

在线性代数中, 我们主要讨论的是由矩阵所决定的线性变换的各种特性。下面看两个具体的线性变换的例子 (下面的 “'”为线性变换 $T($ ) 的另一种简单写法)。
在平面上所有从原点出发的向量构成的二维线性空间中, 把所有向量绕原点作同样角度的旋转是一个线性变换。
如图 1-18 中向量旋转角度是直角。这时向量的和 $\boldsymbol{a}_1+\boldsymbol{a}_2\left(=\boldsymbol{a}_3\right)$ 旋转所得到的向量 $\boldsymbol{a}_3{ }^{\prime}$ 恰好等于 $\boldsymbol{a}_1$ 和 $\boldsymbol{a}_2$ 旋转所得到的向量 $\boldsymbol{a}_1{ }^{\prime}$ 和 $\boldsymbol{a}_2{ }^{\prime}$ 之和 $\boldsymbol{a}_1{ }^{\prime}+\boldsymbol{a}_2{ }^{\prime}$; 数 $k$ 与向量 $\boldsymbol{a}_1$ 的乘积 $k \boldsymbol{a}_1$ 旋转所得到的向量 $\left(k \boldsymbol{a}_1\right)^{\prime}$ 恰好等于数 $k$ 与向量 $\boldsymbol{a}_1$ 旋转所得到的 $\boldsymbol{a}_1{ }^{\prime}$ 的数乘积 $k \boldsymbol{a}_1{ }^{\prime}$ 。这就是说:

$$
\begin{gathered}
\left(a_1+a_2\right)^{\prime}=a_1{ }^{\prime}+a_2{ }^{\prime}, \\
\left(k a_1\right)^{\prime}=k a_1{ }^{\prime} 。
\end{gathered}
$$

![图片](/uploads/2025-10/9d0b6b.jpg){width=600px}
 
  
另一个例子 (见图 1-19): 在建立了空间笛卡尔直角坐标系的三维向量空间中, 把每一个向量投影在坐标面 $x o y$ 上, 也是一个

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：线性映射的意义

下一篇：线性几何推广与高维度空间

本文对您是否有用？有用 (1) 无用 (0)