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。

线性变换的矩阵表示与相似矩阵线性代数是数学中一个重要的分支，研究向量空间和线性变换的性质以及相应的代数结构。

在线性代数中，线性变换是其中一个重要的概念，它可以用矩阵表示，并且与相似矩阵有着密切的关系。

一、线性变换的矩阵表示线性变换是指保持向量空间中的线性结构不变的变换。

在二维或三维向量空间中，线性变换可以用一个矩阵来表示。

以二维向量空间为例，设有向量v=(v₁, v₂)，线性变换v将其映射为向量v=(v₁, v₂)，则可以使用矩阵v来表示v的线性变换，即：[v₁] [v₁₁, v₁₂] [v₁][v₂] = [v₂₁, v₂₂] × [v₂]其中，矩阵v=[v₁₁, v₁₂; v₂₁, v₂₂]表示线性变换v的矩阵表示。

这种矩阵表示的好处在于可以简化线性变换的计算，尤其是在高维向量空间中。

二、相似矩阵的定义相似矩阵是指具有相同特征值的矩阵。

设有两个v×v矩阵v和v，如果存在一个可逆矩阵v使得v=v⁻¹vv成立，则称矩阵v和v相似，矩阵v称为相似变换矩阵。

三、线性变换的矩阵表示与相似矩阵的联系线性变换的矩阵表示与相似矩阵有着密切的联系。

以二维向量空间为例，设有一个线性变换v的矩阵表示为v=[v₁₁, v₁₂; v₂₁, v₂₂]，我们希望找到一个矩阵v使得v=v⁻¹vv中的矩阵v与v相似。

根据相似矩阵的定义，我们可以得到v=v⁻¹vv的形式。

对于二维向量空间来说，v为一个2×2的可逆矩阵，假设v=[v₁₁, v₁₂; v₂₁, v₂₂]，则v可表示为：[v₁₁, v₁₂][v₂₁, v₂₂]若要使得v=v⁻¹vv成立，只需令v⁻¹=[v₁₁, v₁₂; v₂₁, v₂₂]即可。

则v的形式为：[v₁₁, v₁₂][v₂₁, v₂₂]通过矩阵相乘的运算可以得到：[v₁₁, v₁₂] [v₁₁, v₁₂][v₂₁, v₂₂] × [v₂₁, v₂₂]由此可以得到v=[v₁₁, v₁₂; v₂₁, v₂₂]与v=[v₁₁, v₁₂;v₂₁, v₂₂]相似的条件为：[v₁₁, v₁₂] [v₁₁, v₁₂][v₂₁, v₂₂] = [v₂₁, v₂₂]也就是说，要使得两个矩阵相似，只需保证其对应位置上的元素相等即可。

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。

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。

线性变换的矩阵表⽰千⾥之⾏始于⾜下，重视基础才是本质。

在矩阵论中提到的线性变换是⼀个相对抽象的概念，先给出相关定义定义：设V 是数域K 上的线性空间，T 是V 到⾃⾝的⼀个映射，使对任意向量x ∈V ，V 中都有唯⼀的向量y 与之对应，则称T 是V 的⼀个变换或者算⼦，记Tx =y ，称y 为x 在T 下的象，⽽x 是y 的原象（象源）这个T 类似于数学分析中的函数y =f (x )，不过那⾥是数量函数，这⾥是向量函数。

如果变换T 满⾜⼀定的线性变换要求T (kx +ly )=kT (x )+lk (y )，则T 为V 的⼀个线性变换。

概念类⽐到数量函数，线性变换T 的也是很好理解的。

但是在具体计算过程中，我们怎么把抽象的概念具体化？这就涉及到线性变换的矩阵表⽰。

从定义⼊⼿的话，如果需要确定线性变换T ，则需要找到V 中所有向量在T 下的象。

事实上不需要这么⿇烦的。

V 中所有向量都可以由V 的基向量组(x 1,x 2,……,x n )线性表⽰，加上T 是V 的线性变换，则V 中所有象都可以由基象组(Tx_1,Tx_2,……,Tx_n)线性表⽰。

设T 是线性空间V n 的线性变换，x ∈V n ,且x 1,x 2,……,x n 是V n 的⼀个基，则x =a 1x 1+a 2x 2+……+a n x n Tx =a 1(Tx 1)+a 2(Tx 2)+……+a n T (x n )令Tx 1=a 11x 1+a 21x 2+……+a n 1x n Tx 2=a 12x 1+a 22x 2+……+a n 2x n ……Tx n =a 1n x 1+a 2n x 2+……+a nn x n 在处理具体问题时，采⽤矩阵乘法的形式表⽰上述公式组：T (x 1,x 2,……,x n )=(Tx 1,Tx 2,……,Tx n )=(x 1,x 2,……,x n )A 这个A 称为线性变换T 在V n 的基x 1,x 2,……,x n 下的矩阵，简称A 为T 的矩阵。

线性变换的矩阵表示与坐标变换线性变换是线性代数中非常重要的概念之一。

它是指将一个向量空间中的向量按照一定的规则进行变换的操作。

线性变换可以通过矩阵进行表示，并且与坐标变换之间存在着紧密的联系。

一、线性变换的定义与性质线性变换是指满足以下两个性质的向量空间之间的映射：1. 对于任意的两个向量u和v，线性变换T(u+v) = T(u) + T(v)；2. 对于任意的标量k和向量u，线性变换T(ku) = kT(u)。

线性变换具有一些重要的性质：1. 零向量的线性变换结果仍为零向量：T(0) = 0；2. 线性变换保持向量空间中向量间的线性组合关系；3. 线性变换将向量空间中所有向量的零向量映射到目标向量空间的零向量。

二、矩阵表示线性变换线性变换可以通过矩阵来表示。

假设V和W是两个向量空间，维数分别为n和m，线性变换T: V→W可以表示为一个m×n的矩阵A。

对于向量v∈V，其在基底B={b1,b2,...,bn}下的坐标表示为[v]B =[x1,x2,...,xn]^T，T(v)在基底B'={b1',b2',...,bm'}下的坐标表示为[T(v)]B'= [y1,y2,...,ym]^T，则矩阵A表示了从基底B到基底B'的坐标变换关系。

具体而言，矩阵A的第j列为T(bj)在基底B'下的坐标表示的列向量。

通过矩阵向量乘法，可以得到变换后向量的坐标表示。

即：[T(v)]B' = A[v]B三、从坐标变换到线性变换以上我们讨论了线性变换如何通过矩阵表示，现在我们来看看如何从给定的坐标变换得到对应的线性变换矩阵。

考虑二维向量空间的坐标变换示例。

假设向量空间V的基底为B={e1,e2}，向量空间W的基底为B'={e1',e2'}。

将V中的向量v表示为[v]B = [x1,x2]^T，W中的向量T(v)表示为[T(v)]B' = [y1,y2]^T。