§3线性变换的矩阵

第七章 线性变换 学习单元3： 线性变换的矩阵_________________________________________________________● 导学 学习目标：理解线性变换在一个基下的矩阵的概念；会计算线性变换在一个基下的矩阵；理解线性变换在不同基下的矩阵的相似关系；掌握矩阵等价与矩阵相似的区别与联系。

学习建议：线性变换在一个基下的矩阵建立了线性变换与矩阵的对应关系，类似于平面上点与坐标的对应关系，有了这种对应关系，可以让线性变换问题与矩阵问题互相转化。

建议大家多看书，认真理解概念与结论。

重点难点：重点：深刻理解线性变换在一个基下的矩阵。

难点：理解线性变换在两个不同基下的矩阵的相似关系。

_________________________________________________________● 学习内容 一、线性变换的确定设V 为P 上n 维线性空间，1,,n εεL 为V 的一个基，对任何11,n n V x x ξξεε∈=++L ，()A L V ∈，则11()()()n n A x A x A ξεε=++L 。

即只要知道了1(),()n A A εεL ，则()A ξ也就确定了。

命题1 设1,,n εεL 为线性空间V 的一个基，,()A B L V ∈，则A = B 当且仅当()(),1,2,,i i A B i n εε==L 。

命题2 设1,,n εεL 为线性空间V 的一个基，1,,n ααL 为V 中一个向量组，则存在()A L V ∈，使(),1,2,,i i A i n εα==L 。

定理 设1,,n εεL 为V 的一个基，1,,n ααL 为V 中任意n 个向量，则存在唯一的()A L V ∈，使(),1,2,,i i A i n εα==L 。

例 设V 为P 上n 维线性空间，()A L V ∈，A 不可逆，证明存在V 的非零线性变换B ，使得BA = 0。

§3.1 矩阵的运算（1）第三章矩阵矩阵的加法定义1111112121121212222221122n n n n m m m m mn mn a b a b a b a b a b a b a b a b a b +++⎡⎤⎢⎥+++⎢⎥+=⎢⎥⎢⎥+++⎣⎦A B 设有两个 矩阵 和 n m ⨯[]ij a =A [],ij b =B 那么矩阵与 的和 A B 记作 规定为,+A B 只有当两个矩阵是同型矩阵时，才能进行加法运算.（可加的条件）注矩阵的加法235178190, 645, 368321-⎡⎤⎡⎤⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦设矩阵矩阵则A B 213758169405336281+-++⎡⎤⎢⎥=+-++⎢⎥⎢⎥+++⎣⎦3413755.689⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦对应元相加例1+A B矩阵的加法;+=+A B B A ()()++=++A B C A B C ；+=+=；A OO A A 矩阵加法的运算律 [],ij a =A 设矩阵 （交换律）（结合律）（加法单位元）(1)(2) (3) (4) 规定 [],ija -=-A 称之为 的负矩阵.A ()(),+-=-+=A A A A O ().-=+-A B A B （加法逆元）规定矩阵的减法为：+=+⇒=.A B A C B C (5) 加法消去律成立，即数量乘法111212122211[].n nij m n m m mn ka ka ka kaka ka k ka ka ka ka ⨯⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦A 规定数 k 与矩阵 A 的数量乘积为定义2数量乘法()();k l kl =A A ()k l k l +=+A A A ；()k k k +=+.A B A B 数量乘法的运算规律(1) (2)(3)矩阵的加法和数量乘法统称为矩阵的线性运算 .设为A , B 为矩阵，k, l 为数： m n ⨯矩阵的乘法（矩阵与矩阵相乘）定义3设 是一个 矩阵， m n ⨯[]ij a =A 记作 C =AB.[]ij b =B 是一个 矩阵， n s ⨯规定矩阵 与 的乘积是一个 的矩阵 A Bm s ⨯[],ij c =C 其中 11221nij i j i j in nj ikkjk c a b a b a b ab ==+++=∑()1,2,;1,2,,,i m j s ==矩阵的乘法1212[,,,]j j i i in nj b b a a a b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦1122i j i j in nj a b a b a b =+++1n ik kj ij k a b c ===∑行乘列法则可乘条件：左矩阵的列数=右矩阵的行数11211300514-⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦设，A 034121.311121⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦B 例20311212113031051412⎡⎤-⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦-⎣⎦C AB .⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦5-61022-17乘积矩阵的“型” ？ A m n ⨯B n s ⨯C m s⨯=1111⎡⎤=⎢⎥--⎣⎦设，A 例300,00⎡⎤=⎢⎥⎣⎦AB 22,22⎡⎤=⎢⎥--⎣⎦BA .BA AB ≠故1111-⎡⎤=⎢⎥-⎣⎦，B 则矩阵的乘法（1）矩阵乘法一般不满足交换律； 若 ，则称矩阵 与是乘法可交换的. =AB BA A B 定义3=AB O ⇒;==或A O B O （2） ()≠-=若而A O A B C O，⇒=B C.注意：(),+=+A B C AB AC ();+=+B C A BA CA ()()()k k k ==AB A B A B （其中 k 为数）;n m ;m n m n m n ⨯⨯⨯==A E E A A 矩阵的乘法()();=AB C A BC 矩阵乘法的运算规律 (1) (2) (3) (4) （结合律） （左分配律）（右分配律）（乘法单位元）11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩，，，11121121222212n n m m mn n a a a x a a a x a a a x ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111122121122221122n n n n m m mn n a x a x a x a x a x a x a x a x a x ⎡⎤+++⎢⎥+++⎢⎥⎢⎥⎢⎥+++⎢⎥⎣⎦12m b b b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦=AX =β⇔=（矩阵形式）AX β ==00（齐次线性方程当时组的矩阵形式），AX β .例4cos sin ,,sin cos OP ϕϕϕϕ-⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦设矩阵平面向量x A y cos ,sin ,x r y r θθ=⎧⎨=⎩于是x y ⎡⎤⎢⎥⎣⎦A cos sin sin cos x y ϕϕϕϕ-⎡⎤⎡⎤=⎢⎥⎢⎥⎣⎦⎣⎦cos()sin()r r θϕθϕ+⎡⎤=⎢⎥+⎣⎦例5cos cos sin sin cos sin sin cos r r r r θϕθϕθϕθϕ-⎡⎤=⎢⎥+⎣⎦,,OP r θ设的长度为幅角为则cos sin sin cos x y x y ϕϕϕϕ-⎡⎤=⎢⎥+⎣⎦111x OP y ⎡⎤==⎢⎥⎣⎦.OP ϕ这是把向量按逆（或顺）时针旋转角的旋转变换xyopp 1θϕ11cos sin ,sin cos .x x y y x y ϕϕϕϕ=-⎧⎨=+⎩（线性变换）小结（1）只有当两个矩阵是同型矩阵时，才能进行加法运算；（2） ≠=若而A O AB AC ，⇒;=B C 且矩阵相乘一般不满足交换律；（3）只有当左矩阵的列数等于右矩阵的行数时，两个矩阵才能相乘，矩阵的数乘运算与行列式的数乘运算不同； 可交换的典型例子：同阶对角阵；数量阵与任何同阶方阵. k n E ≠=若而A O BA CA ，⇒=B C.( 4 )§3.1 矩阵的运算（2）方阵的幂·矩阵多项式·迹第三章矩阵定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.一般地， (),,.AB A B A B ⨯≠∈k k k n n注2 注3时，以下结论成立：AB BA =当 (1)();AB A B =kkk222(2)()2;A B A AB B +=++22(3)()();A B A B A B +-=-,,A B ⨯∈n n11(4)()C C .A B A AB AB B --+=+++++mmm k m kkmmm例1解 ,A ⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦2121214=01010112.01A A ⎡⎤=⎢⎥⎣⎦设求其中为正整数mm ,（）32141216,010101A A A ⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦()122.01A ⎡⎤=≥⎢⎥⎣⎦mm m 由此归纳出方阵的幂112(1)1212,010101A A A --⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦k k k k ()122.01A ⎡⎤=≥⎢⎥⎣⎦m m m 用数学归纳法证明当 时，显然成立.2=m 假设 时成立， 1=-m k 所以对于任意的m 都有=m k 则时，方阵的幂解法二 利用二项式定理122()m m m mA EB EC B=+=+202,.00⎡⎤=⎢⎥⎣⎦B B O 其中=且这种方法适用于主对角元全相同的三角形矩阵求幂 2,=+A E B ,E B 显然与乘法可交换由二项式定理有2E B=+m 100212.010001m ⎡⎤⎡⎤⎡⎤=+=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦m1110()A A A A E --=++++m m m m n f a a a a 为方阵 A 的矩阵多项式.例如 2()524,f x x x =--12,11⎡⎤=⎢⎥-⎣⎦A 22524A A E --1412101116524211101811--⎡⎤⎡⎤⎡⎤⎡⎤=--=⎢⎥⎢⎥⎢⎥⎢⎥-----⎣⎦⎣⎦⎣⎦⎣⎦定义2A ⨯∈设n n ，称()A =f：注f g g fA A A A()()()()运算性质 定义3设A 是n 阶方阵，称A 的主对角线上所有元素之和为方阵的迹(trace )，记为11221tr .A ==+++=∑nnn ii i a a a a (1) tr()tr tr ;A B A B ⨯⨯⨯⨯+=+n n n n n n n n (2) tr()tr();A A ⨯⨯=n n n n k k (3) tr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m ntr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m n设A , B 为 n 阶方阵， 求证.AB BA E -≠n tr()tr()tr()0,--AB BA =AB BA = 证明： tr()0,n n =≠E 故 . n -≠AB BA E 例2§3.1 矩阵的运算（3）矩阵的转置·方阵的行列式第三章矩阵例 123,458A ⎡⎤=⎢⎥⎣⎦T ;A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦142538叫做 的转置矩阵， m n A ⨯m n A ⨯把矩阵的行依次变为同序数的列得到的新矩阵， 定义1T A 记作. 思考 T A A 与的关系?⨯→⨯的变化型m n n m(1) : '(,)=元的变化ij ji i j a a (2) ：TA A 与的关系?矩阵的转置()()T T 1;=A A ()()T T T 2;+=+A B A B ()()T T 3;A A =k k 注 性质(2)和(4)可推广到有限个矩阵的情形()()T T T T12122;s s '+=+A A ++A A A ++A ()()T T T T 12114.s s s -'=A A A A A A ()()T T T 4.=AB B A (倒序)矩阵的转置与其它矩阵运算的关系若矩阵A 满足 A A =T ，()n ,,,j ,i a a ji ij 21==201035.157A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦例为对称阵如注：对称矩阵为方阵，元素以主对角线为对称轴 对应相等 .例1 (对称矩阵）则称 A 为对称矩阵 .注 对任意矩阵 A,和 均是对称矩阵. T A A T AA对称矩阵的数乘、和、乘积是否为对称矩阵？思考：练习1 对任意实矩阵 A, 若 则 . T A A =O ,A =O练习2 若实对称矩阵 A 满足 则 . 2A =O ,A =O 设A ，B 为同阶实对称矩阵，则AB 为实对称矩阵当且仅当AB =BA .若矩阵A 满足 A A =-T ，013105.350A ⎡⎤⎢⎥=--⎢⎥⎢⎥-⎣⎦例为反对称阵如注：反对称矩阵为方阵，且例2 (反对称矩阵）则称 A 为反对称矩阵 . 0-≠⎧=⎨=⎩ji ij a i j a i j证明任一 n 阶方阵 A 都可表示成一个对称矩阵与一个反对称矩阵之和. 证明： ()T T A A +T A A =+()T T A A -T A A =-22T T A A A A A -++=证毕.例3所以 为对称矩阵.T A A +T ,A A =+T ()A A =-- 所以 为反对称矩阵. T A A -方阵的行列式设 A 与 B 都是数域 上的 n 阶方阵, 则()T1;A A =()3;AB A B =()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系方阵的行列式n n n n n A O E B ⨯⨯-A B =n n nO AB E B ⨯=-2(1)n n E AB =--2(1)n n AB +=-.AB =证明： 22222A O E B ⨯⨯-111221221112212200001001a a a a b b b b =--12111111122122111221220001001a a b a b a a b b b b =--111112211112122221221112212200001001a b a b a b a b a a b b b b ++=--111112211112122221112221211222221112212200001001a b a b a b a b a b a b a b a b b b b b ++++=--222O AB E B ⨯=-设 A 与 B 都是数域 上的 n 阶方阵, 则 ()T 1;A A =()3;AB A B =(可推广到有限个) 一般的， +.A B A B ≠+特别地 ,A A =mm ()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系 其中m 为非负整数.24000200,00430034A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥-⎣⎦设2.A 求k 22A A =k k2242443()(4(25))10.0234=⋅=⋅-=-k k k 解 例4证明奇数阶反对称矩阵的行列式为零.例5§3.2 初等矩阵第三章矩阵定义1elementary matrix 阶单位矩阵经过一次矩阵的初等变换所得到的矩阵称为阶即初等矩阵n n （），E B −−−−−→一次初等变换行或列为一个初等矩阵n 1,23100010010100.001001E B ⎡⎤⎡⎤⎢⎥⎢⎥=−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦对换行为一个初等矩阵例如初等矩阵的类型及表示方法1[()],0E ≠初等倍乘矩阵n i k k ） .0E ≠即以数乘单位矩阵的第行(或第列).n k i i i i r c 11[()]11E E ⨯⨯⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦kn n ki k k 或i ←第行初等矩阵的类型及表示方法2[()],0E +≠初等倍加矩阵n i j k k ） .0E ≠即将的某行元素的倍加到另一行(或列)上去.n k 11[())]11E E ++⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i jj ir kr n n c kc k i j k 或←i 第行←j 第行[()]E >+n i j k i j 当时,为下三角 .初等矩阵的类型及表示方法3[,],E 初等对换矩阵n i j ） E n 即对调的某两行或某两列.11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行11[()]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n i k k i ←第行1[()],0E ≠初等倍乘矩阵n i k k ） .2[()],0E +≠初等倍加矩阵n i j k k ） .11[())]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥+=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n k i j k ←i 第行←j 第行()i j <3[,],E 初等对换矩阵n i j ） 11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行注初等矩阵的转置矩阵仍为同类型的初等阵.Ti k i k=1)[()][()];E En nT+=+i j k j i kE E2)[()][()];n nTi j i j=3)[,][,].E En n初等矩阵的应用揭示： 初等矩阵与矩阵的初等变换的关系.11121314212223243132333411⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦a a a a a a a a k a a a a 111213142122232313233434⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦k a a a a a a a a a ka ka ka 111213142122232431323334111a a a a a a a a k a a a a ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111214212221323343133234a a a a a a a a a ka ka a k ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦()i k A i r k ⨯相当于以数乘的第行；111211212[()]E A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦n m m m m i i in n a a a i k a ka ka a a a k i ←第行[()]E A 左以矩阵乘m i k ，[()]n E i k A 右乘而以矩阵，其结果结论: 相当于以数k 乘A 的第i 列 .()i c k ⨯。

线性变换的矩阵表示线性变换是数学中的重要概念，它在许多领域都有广泛应用。

线性变换可以通过矩阵表示，这种表示形式方便计算和讨论线性变换的性质。

本文将介绍线性变换的矩阵表示以及相关概念和性质。

1. 线性变换的定义线性变换是指满足以下两个条件的映射：(1) 对于任意向量u和v以及实数a和b，线性变换T满足T(a*u +b*v) = a*T(u) + b*T(v)。

(2) 线性变换T对于向量的加法和数乘运算封闭，即T(u + v) = T(u) + T(v)，T(k*u) = k*T(u)（k为实数）。

2. 矩阵表示的意义线性变换的矩阵表示可以将线性变换转化为矩阵的乘法运算，从而方便计算和分析线性变换的性质。

对于任意线性变换T，可以找到一个矩阵A，使得对于任意向量u，有T(u) = A*u。

矩阵A被称为线性变换T的矩阵表示。

3. 线性变换的矩阵表示方法线性变换的矩阵表示可以通过以下步骤得到：(1) 选择标准基下的基向量，分别记作e1, e2, ..., en。

(2) 对于每个基向量ei，计算线性变换T(ei)的坐标表示，得到矩阵A的第i列。

(3) 将所有计算得到的列向量排列起来，得到矩阵A。

4. 矩阵表示的性质线性变换的矩阵表示具有以下性质：(1) 线性变换的合成对应于矩阵的乘法。

对于线性变换T1和T2，它们的矩阵表示分别为A和B，则它们的合成线性变换对应的矩阵表示为A*B。

(2) 线性变换的逆对应于矩阵的逆。

若线性变换T存在逆变换，它们的矩阵表示分别为A和A^-1，则逆变换对应的矩阵表示为A^-1。

(3) 线性变换的像空间和核空间可以通过矩阵表示进行刻画。

像空间对应于矩阵的列空间，而核空间对应于矩阵的零空间。

5. 矩阵表示的例子考虑一个二维平面上的旋转变换，将向量绕原点逆时针旋转θ度。

选择标准基下的基向量为e1 = (1, 0)和e2 = (0, 1)。

对于基向量e1，旋转变换后的坐标表示为cosθ*e1 - sinθ*e2。

矩阵的线性变换
1 矩阵的线性变换
矩阵的线性变换是一种数学方法，它可以用来描述图像、物体等
的变换方式。

由于可以有效地描述物体变换过程，矩阵的线性变换得
到了许多研究者的青睐。

2 矩阵的具体定义
矩阵是一种数据结构，用以表示一类对象以及其属性之间的关系。

它由一个矩形结构组成，由行列交叉形成。

一个矩阵可以表达一个或
多个函数的变换过程，其结构具有一定的稳定性，不同行列的元素的
变化规律都是一致的。

3 矩阵的线性变换
矩阵的线性变换是一种基于矩阵的变换方法，它可以有效地描述
几何中物体的变换过程。

矩阵的线性变换可以将几何中物体变换为目
标状态，并可以将通过变换可以获得几何曲线、平面、曲面等的直观
表示。

4 应用
矩阵的线性变换的应用非常广泛，可以用于描述世界上任何物体
的变换。

它是绘图学、图像处理、机器学习等领域的重要组成。

例如，矩阵的线性变换可用于描述图像的缩放、旋转、平移等变换，从而实
现图像分析与处理。

此外，还可以用于运动跟踪、物体识别、机器人控制等场景。

5 总结
矩阵的线性变换是一种数学方法，具有建模灵活性和简单性的特点。

它可以有效解决几何形状的变换问题，广泛应用于计算机视觉、图像处理、机器学习等领域中。

未来，矩阵的线性变换将在计算机科学等更广阔的领域中发挥重要作用。

线性变换的矩阵
1. 什么是线性变换
线性变换是指，将一个空间（原空间）中的数据点通过一种特定
的方式变换到另一个空间（目标空间）中的过程。

例如，一个空间中
的三维坐标点可以通过适当的变换被转换为另一个空间的二维坐标点。

线性变换可以使用数学方法描述，其中一种常用的方法是使用矩阵表示。

2. 线性变换的矩阵
矩阵是一种结构，用来表示线性变换。

其中，每一行和每一列分
别代表着原空间中的特征向量，矩阵中的元素则描述了这些特征向量
之间的线性关系。

当选定某种变换时，使用这些元素数值就可以确定
变换矩阵。

线性变换的矩阵融合了一种空间变换的信息，并且这种变换在该
空间的动态可以被精细控制，因此，线性变换的矩阵也被用于数值分
析中各种过程的模拟。

线性变换的矩阵除了可以应用在数学领域之外，还被用于统计学、机器学习、计算机图形学等很多领域中。

例如，线性变换的矩阵可以
被应用在图像处理中，将原始图像像素值转换到另一种像素值序列，
从而获得清晰的图像。

3. 总结
综上所述，线性变换的矩阵是一种结构，它不仅用于描述空间变换的信息，还被用于数值分析、统计学、机器学习、计算机图形学等诸多领域中。

它可以帮助我们进行准确、高效的运算，可以获得更好的处理结果。

第三讲 线性变换及其矩阵一、线性变换及其运算定义：设V 是数域K 上的线性空间，T 是V 到自身的一个映射，使得对于V 中的任意元素x 均存在唯一的V y ∈与之对应，则称T 为V 的一个变换或算子，记为=Tx y称y 为x 在变换T 下的象，x 为y 的原象。

若变化T 还满足()()()+=+T kx ly k Tx l Ty ,,,∀∈∈x y V k l K称T 为线性变换。

[例1] 二维实向量空间12i 2R R ξξξ⎧⎫⎡⎤⎪⎪=∈⎨⎬⎢⎥⎪⎪⎣⎦⎩⎭，将其绕原点旋转θ角的操作就是一个线性变换。

[证明] 12x ξξ⎡⎤=⎢⎥⎣⎦ 12y Tx ηη⎡⎤==⎢⎥⎣⎦112212cos sin sin cos ηξθξθηξθξθ=-⎧⎨=+⎩ 1122cos sin sin cos ηξθθηξθθ-⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦2R ∈θ1η2η1ξ2ξxyo可见该操作为变换，下面证明其为线性变换12x x x ⎡⎤∀=⎢⎥⎣⎦ 12z z z ⎡⎤=⎢⎥⎣⎦2R ∈，,R k l ∈11112222=kx lz kx lz kx lz kx lz kx lz +⎡⎤⎡⎤⎡⎤++=⎢⎥⎢⎥⎢⎥+⎣⎦⎣⎦⎣⎦11221122cos sin ()sin cos cos sin cos sin sin cos sin cos ()()kx lz T kx lz kx lz x z k l x z k Tx l Tz θθθθθθθθθθθθ+-⎡⎤⎡⎤+=⎢⎥⎢⎥+⎣⎦⎣⎦--⎡⎤⎡⎤⎡⎤⎡⎤=+⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦=+ ∴ T 是线性变换。

[例2] 次数不超过n 的全体实多项式n P 构成实数域上的一个1n +维的线性空间，其基可选为{}n x x x ,,,,12 ，微分算子dD dx=是n P 上的一个线性变换。

[证明] 显然D 对n P 而言是变换，要证明D 满足线性变换的条件n ,P f g ∀∈，,R k l ∈()()()D kf lg k Df l Dg +=+∴ D 是n P 上的线性变换。

向量空间中的线性变换和矩阵变换在线性代数中，向量空间是一个重要的概念，它是一组元素的集合，这些元素可以相加和相乘，满足一些特定的规则。

线性变换和矩阵变换则是向量空间中的基本操作，它们有着重要的应用，例如在机器学习和物理学等领域中。

一、线性变换的定义和性质线性变换是指将一个向量空间中的向量映射到另一个向量空间中的向量的变换。

严格地说，线性变换应该满足以下两个性质：1. 对于任意向量a和b，有T(a+b) = T(a) + T(b)；2. 对于任意向量a和标量k，有T(ka) = kT(a)。

这两个性质分别对应向量的加法和乘法。

线性变换不仅用于向量空间中，还可以应用于其他数学领域，例如微积分和拓扑学等。

线性变换有很多重要的性质，例如：1. 线性变换可以用矩阵表示；2. 线性变换保持向量空间的结构不变；3. 线性变换可以有逆变换，逆变换也是线性变换。

这些性质使得线性变换成为了一个非常常见的数学工具。

二、矩阵变换的定义和性质矩阵变换是指将一个向量空间中的向量用矩阵相乘的方式进行变换。

矩阵变换的定义可以表示为：T(x) = Ax其中T表示矩阵变换，A表示一个矩阵，x表示一个向量。

矩阵变换中的矩阵A具有很多特殊的性质，例如：1. 矩阵A可以表示线性变换；2. 矩阵A的行列式为0时，矩阵A不可逆，否则可逆；3. 矩阵A的秩表示变换后空间的维度；4. 矩阵A的特征值和特征向量可以用于描述变换的性质。

矩阵变换可以方便地进行计算，并且可以应用于很多实际问题中。

三、线性变换与矩阵变换的关系线性变换和矩阵变换有着密切的关系。

事实上，线性变换可以用矩阵表示，也可以通过矩阵变换来实现。

具体来说，任何一个线性变换T都可以表示成矩阵变换的形式：T(x) = Ax其中x表示一个向量，A表示一个矩阵。

如果我们在一个标准基下进行求解，那么矩阵A的每一列就是变换后的基向量的坐标。

同时，任何一个矩阵变换也可以表示成线性变换的形式。

对于任意矩阵A，可以定义一个线性变换T，使得：T(x) = Ax这里的x同样表示一个向量。