最后更新: 2023-11-11 20:09 ● 参与者查看: 272 次纠错分享评论参与项目

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。

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。整合后的图形用平面直角坐标系表示就是图 1-17。
![图片](/uploads/2023-11/image_20231111294bfdd.png)

![图片](/uploads/2023-11/image_202311112525774.png)
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)。

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/2023-11/image_20231111daad67d.png)
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, 也是一个变换（投影变换）。这时, 向量 $\boldsymbol{a}=\cdot(a, b, c)$, 在此变换下的像为 $\boldsymbol{a}^{\prime}=(a, b, 0)$, 不难推知, 此时也有 $\left(\boldsymbol{a}_1+\boldsymbol{a}_2\right)^{\prime}=\boldsymbol{a}_1{ }^{\prime}+\boldsymbol{a}_2{ }^{\prime},(k \boldsymbol{a})^{\prime}=k \boldsymbol{a}^{\prime}$ 。
![图片](/uploads/2023-11/image_20231111ed507d0.png)
这两个变换有一个共同的性质: 两个向量之和变换后, 所得的向量恰好是把这两个向量变换后所得向量之和; 数 $k$ 与一个向量数乘后进行变换, 所得的向量恰好是数 $k$ 与把此向量变换后所得向量的乘积。此即所谓的可加性和比例性。这种使向量之间加法与数乘法关系都不受影响的变换——线性变换, 它与线性空间的运算相适应, 能够反映线性空间中向量的内在联系, 是线性空间的重要变换。故线性变换的定义如下:
数域 $F$ 上线性空间 $V$ 中的变换 $T$ 若满足条件:

$$
\begin{aligned}
& T(\boldsymbol{a}+\boldsymbol{b})=T \boldsymbol{a}+T \boldsymbol{b} \quad(\boldsymbol{a}, \boldsymbol{b} \in V) \\
& T(k \boldsymbol{a})=k T \boldsymbol{a} \quad(k \in F, \boldsymbol{a} \in V)
\end{aligned}
$$

则称 $T$ 为 $V$ 中的线性变换。

上一篇：线性映射的意义

下一篇：没有了

本文对您是否有用？有用 (0) 无用 (0)

0 条评论写评论

更多笔记