MIT线性代数笔记-第三十讲

线性变换

投影是一种线性变换

线性变换的两大法则:

衍生出来的一个法则:

来看一个不满足线性变换的例子,将一个向量加上$v_0$

此例违反法则1和法则2，不满足线性变换

同样地，求向量的模也不是线性转换，由于T(-v) = -T(v)

另一个满足线性变换的例子，向量旋转

矩阵变换，满足线性变换

将三维空间的向量映射到二维空间

如果我们想了解线性变换对于整个输入空间的影响，该怎么做?

答案是找出线性变换对于输入空间基向量的影响!

坐标

坐标源自基的选择

通过矩阵表示线性变换

先为输入空间和输出空间各自定义一组基，本例中输入空间与输出空间的基相同。

注意到，我们选取的基实际上就是A的特征向量，这也使A为对角矩阵，特征值即为对角线上的值

定理:挑选特征向量为基，转换矩阵即为对角矩阵

看另一个不是对角矩阵的例子

由于这里的基不是P的特征向量，因此P不是对角矩阵

通过矩阵表示线性变换的一般方法

首先，确定输入空间和输出空间的基向量
输入空间基向量:$v_1,v_2,....v_n$
输出空间基向量:$w_1,w_2,...w_m$

找出$v_1$对于输出空间的映射:
$T(v_1) = a_{11}w_1 + a_{21}w_2 + a_{31}w_3....+a_{m1}w_m$
其中$a_{11},a_{21},...a_{m1}$即为转换矩阵A的第一列
然后依次求出A的第二列到第n列，即得到转换矩阵A

看看求导的线性转换

输入的基为:$1,x,x^2$
输出的基为:$1,x$

得到的A为:
$\left[ \begin{matrix} 0 & 1 & 0 \\ 0 & 0 & 2 \end{matrix} \right]$