数学基础 -- 线性代数之线性变换

线性变换

线性变换 是线性代数中的一个基本概念,它描述了一种特殊的函数,该函数将一个向量空间中的向量映射到另一个向量空间中,并且保持向量加法和标量乘法的性质。具体来说,设 V V V 和 W W W 是两个向量空间,一个映射 T : V → W T: V \rightarrow W T:V→W 被称为线性变换,当且仅当对于任意的向量 u , v ∈ V \mathbf{u}, \mathbf{v} \in V u,v∈V 和标量 c ∈ R c \in \mathbb{R} c∈R (或 C \mathbb{C} C),以下两条性质成立:

  1. 加法保持性 : T ( u + v ) = T ( u ) + T ( v ) T(\mathbf{u} + \mathbf{v}) = T(\mathbf{u}) + T(\mathbf{v}) T(u+v)=T(u)+T(v)
  2. 标量乘法保持性 : T ( c u ) = c T ( u ) T(c\mathbf{u}) = cT(\mathbf{u}) T(cu)=cT(u)

例子

  1. 二维平面上的旋转:

    • 设 T : R 2 → R 2 T: \mathbb{R}^2 \rightarrow \mathbb{R}^2 T:R2→R2 是一个将二维平面上的向量绕原点旋转 θ \theta θ 角度的变换。若 v = ( x y ) \mathbf{v} = \begin{pmatrix} x \\ y \end{pmatrix} v=(xy),则经过变换 T T T 后:
      T ( v ) = ( cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ) ( x y ) = ( x cos ⁡ θ − y sin ⁡ θ x sin ⁡ θ + y cos ⁡ θ ) T(\mathbf{v}) = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x\cos\theta - y\sin\theta \\ x\sin\theta + y\cos\theta \end{pmatrix} T(v)=(cosθsinθ−sinθcosθ)(xy)=(xcosθ−ysinθxsinθ+ycosθ)
      这个变换保持了向量加法和标量乘法的性质,因此是一个线性变换。
  2. 二维平面上的缩放:

    • 设 T : R 2 → R 2 T: \mathbb{R}^2 \rightarrow \mathbb{R}^2 T:R2→R2 是一个将向量 v \mathbf{v} v 进行均匀缩放的变换。对于缩放系数 k k k, T ( v ) = k v T(\mathbf{v}) = k\mathbf{v} T(v)=kv。如果 v = ( x y ) \mathbf{v} = \begin{pmatrix} x \\ y \end{pmatrix} v=(xy),则:
      T ( v ) = k ( x y ) = ( k x k y ) T(\mathbf{v}) = k\begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} kx \\ ky \end{pmatrix} T(v)=k(xy)=(kxky)
      这个变换同样保持了向量加法和标量乘法的性质,是一个线性变换。
  3. 投影变换:

    • 设 T : R 3 → R 2 T: \mathbb{R}^3 \rightarrow \mathbb{R}^2 T:R3→R2 是一个将三维向量投影到二维平面的变换。假设投影到 x y xy xy 平面上,则:
      T ( x y z ) = ( x y ) T\begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix} T xyz =(xy)
      这个变换也保持了向量加法和标量乘法的性质,因此是线性变换。

这些例子展示了线性变换如何将向量空间中的向量映射到另一个向量空间,并且不改变向量的线性结构。

相关推荐
databook15 分钟前
线性判别分析(LDA):降维与分类的完美结合
python·机器学习·scikit-learn
硅谷秋水36 分钟前
大语言模型智体的综述:方法论、应用和挑战(下)
人工智能·深度学习·机器学习·语言模型·自然语言处理
林泽毅1 小时前
SwanLab Slack通知插件:让AI训练状态同步更及时
深度学习·机器学习·强化学习
Shockang2 小时前
机器学习的一百个概念(5)数据增强
人工智能·机器学习
蚍蜉撼树谈何易4 小时前
机器学习的定义及分类
人工智能·机器学习·分类
gang_unerry12 小时前
量子退火与机器学习(2):少量实验即可找到新材料,黑盒优化➕量子退火
人工智能·机器学习·量子计算·量子退火
Chaos_Wang_13 小时前
NLP高频面试题(二十八)——Reward model是如何训练的,怎么训练一个比较好的Reward model
人工智能·机器学习·自然语言处理
vonchenchen114 小时前
nara wpe去混响学习笔记
机器学习·音视频·音频·信息与通信·信号处理
邴越15 小时前
人工智能、机器学习经典计算机课程
人工智能·机器学习