线性变换的本质 |
您所在的位置:网站首页 › 线性变换l › 线性变换的本质 |
来源:b站课程,线性代数的本质 【直观详解】线性代数的本质 | Go Further | Stay Hungry, Stay Foolish (charlesliuyx.github.io) 使用基来理解线性变换矩阵乘法如上图,由X2Y2--->X1Y1的旋转矩阵为:
若X2Y2--->X1Y1的旋转矩阵为A,则A可以理解为:构成X2Y2空间的一组基在X1Y1空间中的表示 其实质上代表了同一个向量如何将其在X2Y2空间中的表示(表示:即一个线性组合)转化到X1Y1空间中的表示 注意为什么得到基的表示A之后,就能通过矩阵乘法得到X2Y2空间中任意向量u2在X1Y1空间中的表示u1呢?(u1=A*u2) 线性变换的齐次性和叠加性 设X2Y2空间的一组基为(X2,Y2,Z2) 设X1Y1空间的一组基为(X1,Y1,Z1) 这两组基的表示基于同一组基(相当于世界坐标系) 则对于u2,有 对于u1,有 注意u1,u2是同一个向量在不同线性空间中的表示
故 若基(X2,Y2,Z2)在X1Y1空间中的表示为A,即
不妨说为什么需要第三行和第三列, 使用第三列显然因为后续可以引入平移变换,使用第三行则是因为可以构成齐次的形式 平移只看原点的相对位置(第三列)(原坐标系原点相对于转换到的坐标系原点的位置) 使用基和线性空间的方式理解线性方程组解的情况定义:非齐次线性方程组 按照线性空间的视角来看,A是对向量x进行线性变换的一组基,设系数矩阵A的秩为p,那么意味着A会将线性空间变换至p维 系数矩阵的秩表示基张成空间的维数x1 增广矩阵的秩表示基和目标向量b张成空间的维数x2 ①x1 x1 = x2时候,类似二维空间的一组基(A)进行三维线性组合(x)用于表示二维向量(b),显然这种组合是不唯一的(第三维度可为任意数),且有无穷多种可能。 注意理解,虽然此处的x和b是维度相同的且都为n,但这里二维空间(二维向量b)指的是x1(x2)的大小。 线性组合x是三维的,但正是因为系数矩阵A(基)的秩为二维,所以其被投影至二维,其第三维也就在此作用下可为任意数 矩阵知识:线性方程组解的情况_线性方程组的解的三种情况 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |