《选修42第一节》课件

选修4-2第一节线性变换与二阶矩阵LinearTransformations&Second-OrderMatrices人教A版·高中数学选修·矩阵与变换专题GRADE11高二数学·选修课程CONTENTS本节内容导航六大模块·系统掌握线性变换01平面变换的直观经验回顾几何变换的直觉认知，建立图形与代数之间的桥梁02矩阵概念引入从变换到矩阵的代数表示，理解矩阵的本质含义03五类特殊线性变换旋转、反射、伸缩、切变与投影的几何意义与矩阵表达04矩阵基本运算加法、数乘与矩阵乘法的定义、几何解释与运算规则05线性变换的性质探究可逆性、复合变换与特征值等核心概念06总结与练习系统梳理知识框架，通过典型习题巩固学习成果CHAPTERCHAPTER01课程导入与知识回顾从平面图形的轴对称、旋转、相似说起回顾初中变换经验，迈向矩阵的抽象语言REVIEW初中平面变换回顾从几何直观到代数表达，矩阵统一刻画变换平面变换是把平面上的点映射到点的对应关系，初中已学的轴对称、旋转、相似都是典型例子。引入坐标系后，这些几何变换可以用代数公式表达，进而用矩阵统一刻画，实现几何与代数的深度融合。轴对称变换几何示意轴对称变换将平面图形沿一条直线折叠，得到关于该直线对称的全等图形，对称点连线被对称轴垂直平分，是最基本的保距变换之一。旋转变换将平面图形绕某定点按一定角度转动，图形形状大小不变但位置改变，旋转中心是唯一不动点，旋转角决定变换程度。相似变换将平面图形按比例放大或缩小，保持形状不变但大小改变，对应线段成比例、对应角相等，是伸缩与保距变换的组合。引入坐标系的意义借助直角坐标系，平面内的点与有序实数对一一对应，几何变换可转化为坐标之间的函数关系，为矩阵表示奠定基础。MOTIVATION从线性方程组看矩阵的动机矩阵——从具体问题中抽象出的数学结构矩阵的产生源于对线性方程组结构的抽象：把系数按行列排列成矩形数表，既保留了方程组的全部信息，又使运算规则形式化、系统化。这种从具体问题中提炼数学对象的方法，体现了数学建模的核心思想。EQUATIONSYSTEM2x+3y=74x−y=5COEFFICIENTMATRIX2374−15系数·系数·常数项01方程组的系数提取二元一次方程组含有两个未知数和两个方程，每个方程的系数和常数项构成一行数据，多个方程的数据自然形成矩形排列。将系数按原始位置排成数表后，未知数和等号可以省略不写，仅保留数值本身的结构关系，这就是矩阵的雏形。02矩阵表示的优势矩阵把分散的方程信息整合为单一数学对象，便于整体操作和存储，特别适合计算机处理大规模线性系统。矩阵运算（加减乘）对应着方程组的消元、代入等操作，使求解过程从文字叙述升级为符号演算，大幅提升效率与严谨性。DEFINITIONMATRIXTHEORY二阶矩阵的定义与记法二阶方阵·元素定位·标准记法二阶矩阵是由四个实数按确定的行列位置排列而成的矩形数表，元素的值与其位置共同决定矩阵的身份。矩阵用大写字母表示，元素用小写字母加双下标标记。01标准形式：两行两列共四个元素，用方括号括起，记作A=[ab;cd]，分号表示换行，是最基本的方阵类型。02元素定位：每个元素由行号和列号唯一确定，a₁₂表示第1行第2列元素，不可与a₂₁混淆。03整体运算：矩阵作为整体参与运算，两个矩阵只有在行数、列数都相同时才能进行比较或加减运算。04特殊矩阵：零矩阵（所有元素为0）和单位矩阵（主对角线为1、其余为0），分别扮演类似数字0和1的角色。矩阵结构示意图A=a(1,1)b(1,2)c(2,1)d(2,2)列(column)行(row)特殊矩阵速览O=0000零矩阵E=1001单位矩阵SpecialMatrices几种特殊的二阶矩阵零矩阵·单位矩阵·数量矩阵·对角矩阵特殊二阶矩阵各自具有独特的代数性质和几何意义——零矩阵将所有点映到原点（退化变换），单位矩阵对应恒等变换，数量矩阵对应均匀缩放，对角矩阵对应沿坐标轴方向的独立伸缩。零矩阵O=[00;00]将平面上任意向量映为零向量，对应的几何变换是把整个平面压缩到原点，是一种极端退化的线性变换。单位矩阵E=[10;01]将任意向量映为自身，对应恒等变换，在矩阵乘法中起到类似于数字1的作用。数量矩阵kE=[k0;0k]将每个向量长度变为原来的|k|倍，k>0方向不变、k<0反向，对应平面上的均匀缩放变换。对角矩阵D=[a0;0d]当a≠d时横纵坐标按不同比例缩放，对应非均匀伸缩变换，是研究一般线性变换分解的基础构件。CoreConceptLINEARALGEBRA·MATRICES&TRANSFORMATIONS矩阵如何表示平面变换二阶矩阵↔平面线性变换：一一对应的数学桥梁二阶矩阵与形如x'=ax+by、y'=cx+dy的平面变换之间存在一一对应关系：矩阵的四个元素恰好是变换公式中的四个系数。这意味着研究矩阵的代数性质等价于研究相应变换的几何性质，实现了数与形的统一。坐标变换公式给定二阶矩阵A=[ab;cd]，它作用于点P(x,y)的规则是x'=ax+by、y'=cx+dy，这个公式称为该矩阵所对应变换的坐标变换公式。线性变换的含义坐标变换公式是关于x,y的一次齐次线性表达式，因此这类变换被称为线性变换；"线性"体现在新坐标是旧坐标的线性组合，没有常数项和高次项。双重视角互补由于一一对应的存在，我们可以自由选择研究角度：遇到几何问题时用矩阵计算，遇到代数问题时用几何直观辅助理解，两种视角互为补充。适用边界并非所有平面变换都能用二阶矩阵表示，只有把原点映到原点、且保持线性结构的变换才行；平移变换不属于线性变换，需要更高阶的工具处理。θCHAPTER02五类特殊线性变换及其矩阵旋转·反射·伸缩·投影·切变的代数表示旋转反射伸缩投影切变09MATRICESROTATIONTRANSFORM旋转变换及其二阶矩阵R(θ)=[cosθ−sinθ;sinθcosθ]绕原点逆时针旋转θ角的线性变换对应矩阵R(θ)，该矩阵由旋转角的三角函数值完全确定。旋转变换保持图形形状和大小不变，是保距变换的典型代表，其矩阵的行列式恒为1。坐标公式推导：设P的极坐标为(r,α)，旋转后极角变为α+θ，利用和角公式展开即得直角坐标下的线性表达式x'=xcosθ−ysinθ，y'=xsinθ+ycosθ。列向量几何含义：R(θ)的第一列(cosθ,sinθ)是基向量e₁旋转后的像，第二列(−sinθ,cosθ)是e₂旋转后的像，体现矩阵列与基向量的对应关系。特殊角度：θ=90°时R=[0−1;10]将(x,y)映为(−y,x)；θ=180°时R=[−10;0−1]即中心对称；θ=360°时回到单位矩阵。可逆性与正交性：逆变换为旋转−θ角，对应矩阵R(−θ)恰好是R(θ)的转置，这也是正交矩阵的基本性质，行列式恒等于1。90°[0−1;10]180°[−10;0−1]360°[10;01]ROTATIONMATRIX[cosθ−sinθsinθcosθ]detR(θ)=cos²θ+sin²θ=1REFLECTIONTRANSFORMATION反射变换及其二阶矩阵ReflectionMatrices&GeometricInterpretation反射变换是关于某条直线的对称映射，常见情形包括关于x轴、y轴和直线y=x的反射，各自对应简单的二阶矩阵。反射是保距变换但会改变图形的定向，其矩阵的行列式为-1，这与旋转变换（行列式为+1）形成鲜明对比。反射变换的几何效果与矩阵对应关于坐标轴的反射关于x轴反射：纵坐标取反、横坐标不变，矩阵为[10;0−1]，几何效果是将图形上下翻转，x轴上的点保持不动。关于y轴反射：横坐标取反、纵坐标不变，矩阵为[−10;01]，几何效果是将图形左右翻转，y轴上的点保持不动。关于斜线的反射关于y=x反射：横纵坐标互换，矩阵为[01;10]，几何效果是将图形沿对角线翻折，直线y=x上的点不动。一般公式：关于过原点且倾斜角为α的直线的反射矩阵为[cos2αsin2α;sin2α−cos2α]，可通过旋转—反射—旋转的复合推导得到。TRANSFORMATIONSTRETCH伸缩变换及其二阶矩阵对角矩阵[k₁0;0k₂]的几何意义与面积效应伸缩变换沿两个坐标轴方向独立缩放，是最直观的非保距线性变换。均匀伸缩保持图形相似，非均匀伸缩改变形状但不改变平行关系。面积之比为|k₁k₂|，即矩阵行列式的绝对值。对角矩阵结构：伸缩变换的矩阵为[k₁0;0k₂]，k₁控制水平方向缩放倍数，k₂控制垂直方向缩放倍数，两者可独立取值。均匀缩放（位似）：当k₁=k₂=k时，所有方向等比放缩，图形保持相似；k>1时放大，0<k<1时缩小，k<0时还包含关于原点的对称。非均匀伸缩：改变图形形状——正方形变矩形，圆变椭圆——但平行线仍平行、共线点仍共线，这是线性变换的共性。行列式与面积：面积效应由det=k₁k₂决定：|det|>1时面积扩大，|det|<1时缩小，det<0时伴随定向反转，揭示行列式的几何意义。均匀缩放k₁=k₂形状不变，大小改变非均匀伸缩k₁≠k₂形状改变，平行不变面积比|k₁·k₂|=|det(A)|伸缩变换对图形的拉伸压缩效果TRANSFORMATIONPROJECTIONOrthogonalProjection·IdempotentMatrix投影变换及其二阶矩阵投影变换将平面上的点正交投射到某条过原点的直线上，对应矩阵的秩为1、行列式为0，因此不可逆。投影矩阵具有幂等性（A²=A），即连续投影两次与投影一次效果相同，这一性质刻画了投影的本质特征。坐标轴上的投影关于x轴的投影：保留横坐标、丢弃纵坐标，矩阵[10;00]将(x,y)映为(x,0)，整个平面被压扁到x轴上。关于y轴的投影：保留纵坐标、丢弃横坐标，矩阵[00;01]将(x,y)映为(0,y)，整个平面被压扁到y轴上。投影变换的性质幂等性：投影矩阵A满足A²=A，因为已经落在目标直线上的点再次投影不会移动，这是投影区别于其他变换的关键代数特征。不可逆性：投影把二维信息压缩为一维，丢失了垂直于投影方向的分量，因此不存在逆变换；从矩阵角度看，行列式为0意味着不可逆。正交投影的几何过程示意LINEARTRANSFORMATIONSHEAR切变变换及其二阶矩阵切变变换沿一个坐标轴方向施加与另一坐标成正比的位移，几何效果是将图形"推斜"而不改变面积（行列式恒为1）。切变保持一组平行线不变，同时使与之相交的直线发生倾斜，是研究一般线性变换分解的重要组件。平行于x轴的切变—新横坐标x′=x+ky，纵坐标y′=y不变，矩阵[1k;01]中k为切变因子，k>0向右倾、k<0向左倾。平行于y轴的切变—新纵坐标y′=y+kx，横坐标x′=x不变，矩阵[10;k1]，效果是将图形沿竖直方向推斜。行列式恒为1—det=1×1−k×0=1，说明切变不改变面积，与伸缩变换形成对比；虽然形状变了，但"占据的空间量"保持不变。生活中的切变—推倒一摞整齐的书籍、风吹歪一排树木、剪刀剪纸时的错位，都是切变变换的直观体现。切变使矩形变为平行四边形M线性代数COMPARISONSummary五类特殊变换的综合对比SpecialLinearTransformations—Overview五类特殊线性变换各有独特的代数与几何特征：旋转和反射是保距变换（行列式±1），伸缩改变尺度（行列式k₁k₂），投影退化不可逆（行列式0），切变保面积但变形（行列式1）。它们的矩阵形式简洁规律，构成了研究一般二阶矩阵的基础构件。变换类型矩阵形式几何效果行列式可逆性旋转(θ)[cosθ-sinθ;sinθcosθ]绕原点转动θ角1可逆反射(x轴)[10;0-1]上下翻转-1可逆伸缩(k₁,k₂)[k₁0;0k₂]沿轴独立缩放k₁k₂k₁k₂≠0时可逆投影(x轴)[10;00]压扁到x轴0不可逆切变(x方向)[1k;01]水平推斜1可逆i五类变换覆盖了保距、缩放、退化和剪切四种基本类型，任意二阶矩阵都可分解为这些基本变换的复合。EXAMPLEROTATIONMATRIX例题：求旋转变换的矩阵与像点标准步骤·矩阵构建·像点计算·结果验证求解旋转变换问题的标准步骤是：先根据旋转角写出矩阵R(θ)=[cosθ−sinθ;sinθcosθ]，再将点的坐标代入矩阵乘法计算像点。注意角度单位统一为弧度或度数，三角函数值的精确表达优于近似小数。01构建旋转矩阵确定旋转角θ=30°，代入旋转矩阵公式得R=[cos30°−sin30°;sin30°cos30°]，查特殊角三角函数值得R=[√3/2−1/2;1/2√3/2]。02计算像点坐标将A(1,0)写成列向量[1;0]，左乘矩阵R得A'=[√3/2×1+(−1/2)×0;1/2×1+√3/2×0]=[√3/2;1/2]，即A'(√3/2,1/2)。03验证结果正确性A'到原点距离应为1（旋转保距），计算(√3/2)²+(1/2)²=3/4+1/4=1，验证通过；A'在第一象限且与x轴夹角30°，符合预期。04推广与总结若求任意点P(x,y)旋转30°后的像，只需计算R[x;y]即可。矩阵一旦确定就可反复使用，体现了矩阵表示的高效性。EXAMPLE例题：先反射再伸缩的复合变换矩阵乘法顺序·几何验证·反例警示复合变换的矩阵等于各变换矩阵按作用顺序从右到左相乘：先作用A再作用B，则复合矩阵为BA而非AB。这是因为矩阵作用于向量是左乘，B(Av)=(BA)v。矩阵乘法不满足交换律，顺序错误会导致完全不同的变换结果。01明确变换顺序题目要求"先反射再伸缩"，即对任意向量v先做Av再做B(Av)，所以复合矩阵是BA而不是AB，这是矩阵乘法顺序的核心规则。02分别写出并计算反射A=[1,0;0,−1]，伸缩B=[1,0;0,2]按正确顺序计算：BA=[1×1+0×01×0+0×(−1);0×1+2×00×0+2×(−1)]=[1,0;0,−2]03几何验证取点(1,1)，逐步验证：Step1反射(1,1)→(1,−1)Step2伸缩(1,−1)→(1,−2)复合矩阵直算：[1,0;0,−2]·[1;1]=[1;−2]，结果一致✓04反例警示：切勿依赖巧合若顺序颠倒为AB=[1,0;0,−1]·[1,0;0,2]=[1,0;0,−2]本例恰好AB=BA，是因为两个矩阵都是对角阵可交换。但一般情况下AB≠BA，切勿依赖巧合！LINEARTRANSFORMATION变换相等与矩阵相等的关系EqualityofTransformations⇔EqualityofMatrices两个线性变换相等的充要条件是它们对应的二阶矩阵相等，即a₁=a₂、b₁=b₂、c₁=c₂、d₁=d₂。这一结论源于线性变换由其在基向量上的作用唯一确定：只要e₁和e₂的像相同，整个变换就相同，而基向量的像恰好构成矩阵的两列。01变换相等的定义σ=ρ意味着对平面内任意点P，σ(P)与ρ(P)是同一点；验证时只需检查基向量e₁=(1,0)和e₂=(0,1)的像是否相同。02矩阵相等的定义A=B意味着同位置元素全部相等，即a₁₁=b₁₁、a₁₂=b₁₂、a₂₁=b₂₁、a₂₂=b₂₂；这是纯粹的数值比较。03两者的等价性σ(e₁)是A的第一列，σ(e₂)是第二列；若σ=ρ则两列分别相等，故A=B；反之若A=B则对任意v，Av=Bv，故σ=ρ。04应用价值判断两个看似不同的变换描述是否实质相同，只需写出各自矩阵并逐元素比较；在化简复合变换、验证答案时非常实用。CORECONCLUSIONσ=ρ⇔a₁b₁c₁d₁=a₂b₂c₂d₂×+λΣdetCHAPTER03二阶矩阵的运算基础矩阵乘法·加法·数乘及其运算律HMATRIXTRANSFORMOPERATIONMultiplication二阶矩阵与平面向量的乘法二阶矩阵与列向量的乘法Av=[ax+by;cx+dy]是线性变换的代数实现：矩阵的行与向量的分量做内积，结果向量的每个分量都是原分量的线性组合。这一运算将几何变换完全转化为数值计算，是整个矩阵理论的基石。运算规则：矩阵A的第i行与向量v的各分量对应相乘再求和，得到结果向量的第i个分量；即(Av)ᵢ=Σⱼaᵢⱼvⱼ，这是矩阵乘法通用定义在2×1情形的特例。几何含义：Av就是变换A将点v映射到的像点；例如旋转矩阵R(θ)乘以[x;y]就给出旋转后的坐标，无需记忆变换公式，只需做矩阵乘法。运算要求：矩阵的列数必须等于向量的行数（此处2=2），否则乘法无定义；结果向量的行数等于矩阵的行数，此处仍为2维。计算技巧：可将矩阵两列分别看作e₁和e₂的像，则Av=x·(Ae₁)+y·(Ae₂)，即结果是两个列向量的线性组合，系数恰为v的分量。矩阵乘向量的计算过程与几何意义H数学课堂IDENTITYMATRIXCONCEPT恒等变换与单位矩阵的角色单位矩阵E=[10;01]在矩阵乘法中扮演"乘法单位元"的角色：对任意二阶矩阵A，EA=AE=A恒成立。几何上E对应恒等变换（不动变换），代数上它是矩阵群的单位元素，也是判断可逆性的基准。IdentityMatrixE[1001]EA=AE=A恒等变换的定义：对平面内任意点P，σ(P)=P，即不做任何改变；它是最简单的线性变换，对应坐标公式x'=x，y'=y，系数矩阵即单位矩阵E。左乘与右乘均不变：EA=A是因为E的每一行只保留A对应行的元素；AE=A是因为E的每一列只保留A对应列的元素；E确实是双侧单位元。单位矩阵的唯一性：若存在矩阵F使得FA=A对所有A成立，取A=E得FE=E，又因EF=F，故F=E；单位矩阵是唯一的。应用——解矩阵方程：在AX=B中，若A可逆，两边左乘A⁻¹得A⁻¹AX=EX=X=A⁻¹B，E的出现保证了化简的正确性，类似于方程两边除以非零数。OPERATIONSMATRIXALGEBRA矩阵的加法运算及性质矩阵加法是对应元素的逐项相加，要求两个矩阵行列数相同。它继承了实数加法的全部运算律（交换律、结合律、零元、负元），使所有二阶矩阵构成一个加法群。加法的定义与计算逐元素相加：A+B的(i,j)元素等于aᵢⱼ+bᵢⱼ，计算时只需对齐位置逐个做数的加法，不涉及交叉项，比矩阵乘法简单得多。前提条件：只有行数和列数都相同的矩阵才能相加，2×2矩阵只能与2×2矩阵加，不能与2×3或3×2矩阵加。加法的运算律交换律与结合律：A+B=B+A，(A+B)+C=A+(B+C)，证明只需利用实数加法的相应性质逐元素验证。零元与负元：A+O=A，A+(−A)=O，其中−A=[−aᵢⱼ]；这些性质使二阶矩阵集合在加法下构成阿贝尔群。ADDITIONEXAMPLE1357+2468=371115对应位置元素逐个相加A+B=B+A交换律A+O=A零元SCALARMULTIPLICATIONPAGE23矩阵的数乘运算及性质矩阵数乘kA是将A的每个元素都乘以实数k，它与矩阵加法配合构成交换环上的模结构。几何上，kA对应的变换是原变换A后再做k倍均匀缩放——数乘是连接标量世界与矩阵世界的桥梁。01数乘的定义kA的(i,j)元素为k·aij，把k乘进矩阵的每一个格子。当k=0时得零矩阵，k=1时得原矩阵，k=−1时得负矩阵。02与加法的配合k(A+B)=kA+kB（数乘对矩阵加法的分配律），(k+l)A=kA+lA（数乘对标量加法的分配律），保证线性组合的良好行为。03与矩阵乘法的关系k(AB)=(kA)B=A(kB)，标量可自由进出矩阵乘法；书写时标量通常写在矩阵左边，kA≠Ak（后者未定义，除非理解为kE）。04几何解读若A对应变换σ，则kA对应"先σ再均匀缩放k倍"；当A=E时，kE即为纯缩放变换，解释了数量矩阵对角线上有相同值。OPERATIONSMATRIX·MULTIPLICATION二阶矩阵的乘法运算矩阵乘法AB的定义是"行乘列求和"：(AB)ᵢⱼ=Σₖaᵢₖbₖⱼ。对二阶矩阵而言，每个元素涉及两项乘积之和。几何上AB对应先做变换B再做变换A的复合变换，因此矩阵乘法的顺序与变换作用的顺序相反，这是理解矩阵乘法不可交换的关键。乘法的计算规则行乘列原则：AB的(1,1)元素＝A第1行·B第1列＝ae+bg，(1,2)元素＝A第1行·B第2列＝af+bh，依此类推共四个元素，每个都是两个乘积之和。记忆口诀："左行右列，对应相乘再相加"；计算时建议用手指或笔尖追踪A的行和B的列，避免错位，初学者最容易犯的错误就是行列搞混。乘法的几何含义复合变换对应：若A对应σ、B对应ρ，则AB对应σ∘ρ（先ρ后σ）；验证：(AB)v＝A(Bv)＝σ(ρ(v))，正是先作用ρ再作用σ的结果。顺序的重要性：由于变换复合一般不可交换（先旋转再反射≠先反射再旋转），矩阵乘法也不满足交换律，AB≠BA是常态而非例外。COREFORMULA

AB=[ae+bg

af+bh][ce+dg

cf+dh]

其中A=[ab;cd]，B=[ef;gh]，结果矩阵每个元素由"左行×右列"对应相乘再求和得到。注意：AB≠BA矩阵乘法不满足交换律，AB对应先B后A的复合变换CHAPTER04线性变换的基本性质探究保原点·保线性·保直线的三大特征H线性代数基础PROPERTIESPROPERTYONE性质一：线性变换保持原点不动线性变换的第一个基本性质是保持原点不动：A·0=0对所有矩阵A成立。这源于矩阵乘法中每一行与零向量的内积必为零。该性质是线性变换的必要条件——若某个变换不把原点映到原点，它一定不是线性变换，也就不可能用二阶矩阵表示。代数证明设A=[ab;cd]，则A[0;0]=[a×0+b×0;c×0+d×0]=[0;0]，每一步都是实数乘法中0的性质，无需任何额外假设。几何含义无论做什么样的旋转、反射、伸缩、投影或切变，原点始终待在原地不动；这是所有线性变换的共同底线，也是检验一个变换是否线性的快速判据。与平移的区别平移T(x,y)=(x+a,y+b)当(a,b)≠(0,0)时T(0,0)=(a,b)≠(0,0)，所以平移不是线性变换；要处理平移需要引入齐次坐标和三阶矩阵。推论若已知某变换σ满足σ(O)≠O，则可立即断定σ不能用二阶矩阵表示，无需进一步验证其他条件，这在判断题中是非常高效的排除法。PROPERTIESLINEARALGEBRA性质二：线性变换保持向量线性运算线性变换的两个核心性质——可加性A(u+v)=Au+Av和齐次性A(ku)=kAu——合称线性性质，它们保证了变换与向量运算可以交换顺序。这两条性质等价于A(αu+βv)=αAu+βAv，即线性组合的像等于像的线性组合，这正是"线性"一词的精确数学含义。可加性与齐次性可加性A(u+v)=Au+Av：两个向量之和的像等于各自像之和，证明只需展开矩阵乘法并利用实数加法的分配律逐元素验证即可。齐次性A(ku)=kAu：数乘向量的像等于数乘像向量，标量k可以自由穿过矩阵，这是因为矩阵每个元素乘以k后求和等于先求和再乘k。线性性质的应用简化计算：若已知Ae₁和Ae₂，则对任意v=xe₁+ye₂，Av=xAe₁+yAe₂，无需重新做矩阵乘法，直接用基向量的像做线性组合即可。判定非线性：若某变换不满足可加性或齐次性中的任一条，则它不是线性变换；例如T(v)=v+(1,0)不满足齐次性（T(0)≠0），故非线性。图：线性变换对单位正方形的作用效果——面积变化反映行列式的大小LINEARALGEBRAPROPERTIES性质三：线性变换把直线变成直线线性变换保持共线性和平行性：共线三点的像仍共线，平行直线的像仍平行。这是因为直线可以参数化为p+tv，其像为Ap+tAv仍是直线（或当Av=0时退化为点）。该性质保证了线性变换不会把直的变弯、不会破坏平行关系，是计算机图形学中矩阵变换广泛应用的几何基础。共线性保持：若B=A+t(C−A)，则B′=A′+t(C′−A′)，因为线性变换保持加法和数乘；所以像点B′仍在A′C′连线上，共线关系不被破坏。平行性保持：两直线方向向量分别为u和v，若u∥v则u=kv；变换后Au=kAv仍平行，所以平行直线的像仍平行（除非像退化为点）。退化情形：当直线方向向量v满足Av=0时，整条直线被压成一个点；这只在A不可逆（行列式为0）时发生，如投影变换把垂直于投影轴的直线压成一点。应用价值：在计算机图形学中，正因为线性变换保直线，所以只需变换多边形的顶点就能得到变换后的多边形，无需逐像素处理，极大提升了渲染效率。基向量在变换下的像构成矩阵列M线性代数TRANSFORMATIONSCONCEPT重要线性变换对单位正方形的作用单位正方形是理解线性变换的最佳测试图形：它的像是一个以A的两列为邻边的平行四边形（可能退化）。第一列决定了水平方向的变形，第二列决定了竖直方向的变形，两者共同决定了面积缩放比|det(A)|和定向是否反转。这种"看图识矩阵"的能力是几何直觉的核心。单位正方形的像四个顶点的像：O→O（原点不