线性变换的本质

一、变换：移动空间中的每个点

变换（transformation） 就是”把每个输入向量变成某个输出向量”的规则——本质是移动空间中的每一个点。

输入向量 v  ──变换 T──►  输出向量 T(v)

函数 vs 变换：数学上它就是一个函数，但用”变换”这个说法，是为了让你想象整个空间在动，而不是孤立地处理单个向量。

为什么要”看整个空间”？ 单个向量变到哪去意义有限；但如果你观察整个网格如何变形，就能”看见”这个变换的完整行为。这就是本课程可视化方法的精髓。

一个变换 $T$ 是线性变换（linear transformation），必须同时满足两条性质：

直线变换后仍是直线（不会弯曲）。

T(直线) = 直线

原点保持不动，且网格线保持平行且等距分布。

        ┌─────┐            ┌──────┐
        │     │   T         │      │
        └─────┘   ──►       └──────┘
        网格间距均匀        间距仍均匀（可缩放/旋转/剪切）

等价地，线性变换 $T$ 满足叠加性与齐次性：

$T(\mathbf{v} + \mathbf{w}) = T(\mathbf{v}) + T(\mathbf{w}) \quad \text{（叠加性）}$

$T(c\mathbf{v}) = c\,T(\mathbf{v}) \quad \text{（齐次性）}$

直观解释：

核心直觉：线性变换就是”保持网格线平行且等距”的变换。它可以是旋转、缩放、剪切，但不能是弯曲、拉伸不均匀、或移动原点的变换。

注意：平移不是线性变换！因为它把原点移走了。这是初学者最容易混淆的点。

操作建议：

观察重点：

因为有了这两条性质，我们不需要知道每个向量的变换结果——只要知道基向量变到哪，就能推出所有向量的变换结果（下一节讲）。

任意向量 v = (x, y) = x·î + y·ĵ
线性性 ⟹ T(v) = x·T(î) + y·T(ĵ)

只需记录两个基向量的像，就完整描述了一个线性变换。

变换 = 移动空间中的每个点
线性变换满足两条性质：保持直线、原点不动且网格平行等距
代数刻画： $T(\mathbf{v}+\mathbf{w}) = T(\mathbf{v})+T(\mathbf{w})$ ， $T(c\mathbf{v}) = cT(\mathbf{v})$
旋转、缩放、剪切、反射都是线性变换；平移不是
只记录基向量的像，就能描述整个变换

下一节揭示核心对应关系：矩阵就是线性变换。