下载文档原格式
线性变换的相关知识点总结一、线性变换的定义线性变换是指一个向量空间V到另一个向量空间W的一个函数T，满足以下两条性质：1.加法性质：对于向量空间V中的任意两个向量x和y，有T(x+y)=T(x)+T(y)。
2.数乘性质：对于向量空间V中的任意向量x和标量a，有T(ax)=aT(x)。
根据以上的定义，我们可以得出线性变换的几个重要性质：1. 线性变换保持向量空间中的原点不变；2. 线性变换保持向量空间中的直线和平面不变；3. 线性变换将线性相关的向量映射为线性相关的向量；4. 线性变换将线性无关的向量映射为线性无关的向量。
二、线性变换的矩阵表示在研究线性变换时，我们通常会使用矩阵来表示线性变换。
设V和W分别是n维和m维向量空间，选择它们的一组基{v1, v2, ..., vn}和{w1, w2, ..., wm}。
线性变换T可以用一个m×n的矩阵A来表示，假设向量x在基{v1, v2, ..., vn}下的坐标为[x]，向量T(x)在基{w1, w2, ..., wm}下的坐标为[T(x)]，则有[T(x)]=[A][x]。
由此可见，矩阵A中的每一列都是T(vi)在基{w1, w2, ..., wm}下的坐标，而T(vi)可以写成基{w1, w2, ..., wm}的线性组合，所以矩阵A的列向量就是线性变换T对基{v1, v2, ..., vn}下的坐标系的映射。
另外，矩阵A的行空间也是线性变换T的像空间，而零空间是T的核空间。
线性变换的基本性质在矩阵表示下也可以得到进一步的解释，例如线性变换的复合、逆变换等都可以在矩阵表示下进行研究。
因此，矩阵表示是研究线性变换的重要工具。
三、特征值和特征向量特征值和特征向量是线性代数中的一个非常重要的概念，它们在研究线性变换的性质时有非常重要的应用。
设T是一个n维向量空间V上的线性变换，那么存在一个标量λ和一个非零向量v，使得Tv=λv。
这里的λ就是T的特征值，v就是T的特征向量。
