---
title: 线性代数 第 8 章 · 线性变换 习题答案
aliases:
  - 线性变换 习题答案
tags:
  - 类型/习题答案
  - 线性代数/线性变换
chapter: "8"
created: 2026-10-17
updated: 2026-10-17
---

# 线性代数 第 8 章 · 线性变换（15 题）

> [!abstract] 本章速览
> 3 篇 · 15 题：线性变换的思想（8-1，5 题）、矩阵表示（8-2，5 题）、相似矩阵与基变换（8-3，5 题）。

## 8-1 线性变换的思想（5 题）

| 题号 | 结论 |
|---|---|
| 8.1.1 | (a)(c) 线性；(b)(d) 非线性 |
| 8.1.2 | $T(4,7)^{\mathsf T}=(26,31)^{\mathsf T}$；$A=\begin{bmatrix}3&2\\-1&5\end{bmatrix}$ |
| 8.1.3 | $SR\ne RS$；$R^2=-I$、$R^4=I$ |
| 8.1.4 | $A=\operatorname{diag}(1,1,0)$；$\det=0$、$\mathrm{rank}=2$ |
| 8.1.5 | 见解析 |

### 8.1.1　（判定线性）

**解**

**第 1 步：(a)。** 分量为 $x_1,x_2$ 的一次齐次式 ⇒ 线性，矩阵

$$
A=\begin{bmatrix}2&-1\\1&4\end{bmatrix}
$$

**第 2 步：(b)。** 出现 $x_1^2$，$T(2\mathbf x)=4T(\mathbf x)\ne2T(\mathbf x)$ ⇒ **非线性**。

**第 3 步：(c)。** 分量为一次齐次式 ⇒ 线性，$A=\begin{bmatrix}0&0\\1&1\end{bmatrix}$。

**第 4 步：(d)。** 出现常数项 $2$，$T(\mathbf 0)=(2,0)^{\mathsf T}\ne\mathbf 0$ ⇒ **非线性**。

**答案**　(a)(c) 线性；(b)(d) 非线性。

**易错点**　① 只看「是否含平方」而忘了常数项；② (c) 因第一分量为 $0$ 就判非线性（零映射是线性的）。

### 8.1.2　（由基上的像定矩阵）

**解**

**第 1 步：矩阵。** 列就是基向量的像：

$$
A=\begin{bmatrix}3&2\\-1&5\end{bmatrix}
$$

**第 2 步：线性组合。**

$$
T\begin{bmatrix}4\\7\end{bmatrix}=4\begin{bmatrix}3\\-1\end{bmatrix}+7\begin{bmatrix}2\\5\end{bmatrix}=\begin{bmatrix}12+14\\-4+35\end{bmatrix}=\begin{bmatrix}26\\31\end{bmatrix}
$$

**答案**　$(26,31)^{\mathsf T}$；$A$ 如上。

### 8.1.3　（不可交换的复合）

**解**

**第 1 步：矩阵。**

$$
R=\begin{bmatrix}0&-1\\1&0\end{bmatrix},\qquad S=\begin{bmatrix}1&0\\2&1\end{bmatrix}
$$

**第 2 步：(a) 两个乘积。**

$$
SR=\begin{bmatrix}0&-1\\1&-2\end{bmatrix},\qquad RS=\begin{bmatrix}-2&-1\\1&0\end{bmatrix}
$$

不相等 ✓

**第 3 步：(b) 作用于 $(1,1)$。**

$$
(SR)\begin{bmatrix}1\\1\end{bmatrix}=\begin{bmatrix}-1\\-1\end{bmatrix},\qquad (RS)\begin{bmatrix}1\\1\end{bmatrix}=\begin{bmatrix}-3\\1\end{bmatrix}
$$

**先 $R$ 后 $S$**：$(1,1)\xrightarrow{R}(-1,1)\xrightarrow{S}(-1,-1)$；**先 $S$ 后 $R$**：$(1,1)\xrightarrow{S}(1,3)\xrightarrow{R}(-3,1)$。剪切改变了「$y$ 值」，而旋转会把 $y$ 混进 $x$，故次序不同结果不同。

**第 4 步：(c) $R$ 的幂。**

$$
R^2=\begin{bmatrix}-1&0\\0&-1\end{bmatrix}=-I,\qquad R^4=I
$$

几何：转 $180°$ 等于中心对称；转 $360°$ 回到原位。

**答案**　如上。

### 8.1.4　（投影变换）

**解**

**第 1 步：(a) 线性。**

$$
T(a\mathbf x+b\mathbf y)=(ax_1+by_1,\ ax_2+by_2,\ 0)=aT(\mathbf x)+bT(\mathbf y)
$$

**第 2 步：(b) 矩阵。**

$$
A=\begin{bmatrix}1&0&0\\0&1&0\\0&0&0\end{bmatrix}
$$

**第 3 步：(c) 幂等。** $A^2=A$；几何上「投影到 $xy$ 平面」两次，第二次已无 $z$ 分量可丢，结果不变。

**第 4 步：(d) 奇异。** $\det A=0$、$\operatorname{rank}A=2<3$ ⇒ **不可逆**（$z$ 方向的信息被抹掉，无法还原）。

**答案**　如上。

### 8.1.5　（由基上的像定变换）

**解**

**第 1 步：(a)** 用线性性：

$$
T(\mathbf x)=3T(\mathbf v_1)-2T(\mathbf v_2)=3(\mathbf v_1+\mathbf v_2)-2(2\mathbf v_1-\mathbf v_2)=-\mathbf v_1+5\mathbf v_2
$$

**第 2 步：(b) 关于 $\mathcal B$ 的矩阵。**

$$
[T]_{\mathcal B}=\begin{bmatrix}1&2\\1&-1\end{bmatrix},\qquad M=\begin{bmatrix}\mathbf v_1&\mathbf v_2\end{bmatrix}=\begin{bmatrix}1&1\\1&-1\end{bmatrix}
$$

由 $A=M[T]_{\mathcal B}M^{-1}$，其中 $M^{-1}=\frac12\begin{bmatrix}1&1\\1&-1\end{bmatrix}$：

$$
A=\begin{bmatrix}1&1\\1&-1\end{bmatrix}\begin{bmatrix}1&2\\1&-1\end{bmatrix}\cdot\frac12\begin{bmatrix}1&1\\1&-1\end{bmatrix}=\frac12\begin{bmatrix}3&1\\3&-3\end{bmatrix}
$$

**第 3 步：验证。** $A\mathbf v_1=(2,0)^{\mathsf T}=\mathbf v_1+\mathbf v_2$ ✓；$A\mathbf v_2=(1,3)^{\mathsf T}=2\mathbf v_1-\mathbf v_2$ ✓

**第 4 步：(c) 总是存在。** 因为 $\mathcal B$ 是基，任给两幅像都能唯一确定一个线性变换（把任意 $\mathbf x=\sum c_i\mathbf v_i$ 定义为 $\sum c_iT(\mathbf v_i)$，线性性自动成立）。

**答案**　如上。

## 8-2 线性变换的矩阵表示（5 题）

| 题号 | 结论 |
|---|---|
| 8.2.1 | $[T]_{\mathcal B}=\begin{bmatrix}-3&0\\5&2\end{bmatrix}$ |
| 8.2.2 | 四句都**对** |
| 8.2.3 | 求导矩阵幂零；$\ker$ 为常数、$\mathrm{im}=\mathbf P_2$ |
| 8.2.4 | $[T]_{\mathcal B}=\operatorname{diag}(0,2,2)$ |
| 8.2.5 | 见解析 |

### 8.2.1　（换基计算）

**解**

**第 1 步：(a) $M$ 与逆。**

$$
M=\begin{bmatrix}1&1\\1&0\end{bmatrix},\qquad M^{-1}=\begin{bmatrix}0&1\\1&-1\end{bmatrix}
$$

**第 2 步：(b) 相似变换。**

$$
[T]_{\mathcal B}=M^{-1}AM=\begin{bmatrix}0&1\\1&-1\end{bmatrix}\begin{bmatrix}2&0\\0&-3\end{bmatrix}\begin{bmatrix}1&1\\1&0\end{bmatrix}=\begin{bmatrix}-3&0\\5&2\end{bmatrix}
$$

**第 3 步：逐列验证。** $T(\mathbf v_1)=A(1,1)^{\mathsf T}=(2,-3)^{\mathsf T}$，在 $\mathcal B$ 下坐标为 $(-3,5)^{\mathsf T}$ ✓（解 $c_1(1,1)+c_2(1,0)=(2,-3)$ 得 $c_1=-3,c_2=5$）；$T(\mathbf v_2)=A(1,0)^{\mathsf T}=(2,0)^{\mathsf T}$，坐标为 $(0,2)^{\mathsf T}$ ✓

**第 4 步：(c) 不变量。** $\operatorname{tr}A=-1=\operatorname{tr}[T]_{\mathcal B}$；$\det A=-6=-6$ ✓

**答案**　如上。

### 8.2.2　（四条判断）

**解**

**第 1 步：(a) 对。** $\operatorname{rank}T\le\dim\mathbb R^2=2<3=\dim\mathbb R^3$ ⇒ $\dim\ker T\ge1$ ⇒ 有非零核向量 ⇒ 非单射。

**第 2 步：(b) 对。** $\operatorname{rank}T\le3<5$ ⇒ 像空间不能占满 $\mathbb R^5$ ⇒ 非满射。

**第 3 步：(c) 对。** $\ker T=\{\mathbf 0\}$ ⇒ $\dim\ker=0$ ⇒ $\operatorname{rank}T=3$ ⇒ 满射（方阵时单射 ⟺ 满射）。

**第 4 步：(d) 对。** 秩—零化度：$3+\dim\ker T=4\Rightarrow\dim\ker T=1$。

**答案**　四句都对。

### 8.2.3　（求导算子）

**解**

**第 1 步：(a) 矩阵。** $T(1)=0$、$T(x)=1$、$T(x^2)=2x$、$T(x^3)=3x^2$，坐标为列：

$$
[T]_{\mathcal B}=\begin{bmatrix}0&1&0&0\\0&0&2&0\\0&0&0&3\\0&0&0&0\end{bmatrix}
$$

**第 2 步：(b) 核与像。**

$$
\ker T=\operatorname{span}\{1\}\ (\dim1),\qquad \operatorname{im}T=\mathbf P_2=\operatorname{span}\{1,x,x^2\}\ (\dim3)
$$

$1+3=4=\dim\mathbf P_3$ ✓

**第 3 步：(c) 特征值。** 上三角，对角全 $0$ ⇒ 唯一特征值 $0$（代数重数 $4$）。而

$$
\dim E_0=4-\operatorname{rank}\left([T]_{\mathcal B}\right)=4-3=1<4
$$

⇒ **不可对角化**。

**第 4 步：(d) 四次幂。**

$$
[T]_{\mathcal B}^4=O
$$

意义：次数 $\le3$ 的多项式求四次导必为零——算子是**幂零**的（这正是它不可对角化的根源）。

**答案**　如上。

### 8.2.4　（分块对角化）

**解**

**第 1 步：(a) 矩阵。**

$$
A=\begin{bmatrix}1&1&0\\1&1&0\\0&0&2\end{bmatrix}
$$

**第 2 步：(b) 核与像。**

$$
\ker T=\operatorname{span}\left\{(-1,1,0)^{\mathsf T}\right\}\ (\dim1),\qquad \operatorname{im}T=\operatorname{span}\left\{(1,1,0)^{\mathsf T},(0,0,1)^{\mathsf T}\right\}\ (\dim2)
$$

$1+2=3$ ✓

**第 3 步：(c) 新基下的矩阵。** 计算三个基向量的像并求坐标：

$$
T(1,-1,0)=\mathbf 0,\qquad T(1,1,0)=2(1,1,0),\qquad T(0,0,1)=2(0,0,1)
$$

故

$$
[T]_{\mathcal B}=\begin{bmatrix}0&0&0\\0&2&0\\0&0&2\end{bmatrix}=\operatorname{diag}(0,2,2)
$$

**第 4 步：(d) 为什么分块对角。** 新基的第一向量张成 $\ker T$（特征值 $0$），另两个张成 $\operatorname{im}T$（特征值 $2$）——基按「核 + 像」分组，矩阵自然分块对角。几何含义：$T$ 在核方向把向量压成零，在像方向把向量放大 $2$ 倍。

**答案**　如上。

### 8.2.5　（幂等变换）

**解**

**第 1 步：(a)** 矩阵表示满足 $[T^2]=[T]^2=A^2=A=[T]$，而矩阵相同意味着变换相同，故 $T^2=T$。

**第 2 步：(b) 分解存在性。**

$$
\mathbf x=\left(\mathbf x-T\mathbf x\right)+T\mathbf x
$$

其中 $T(\mathbf x-T\mathbf x)=T\mathbf x-T^2\mathbf x=\mathbf 0$ ⇒ 第一项在 $\ker T$；第二项显然在 $\operatorname{im}T$。

**第 3 步：唯一性。** 若 $\mathbf x\in\ker T\cap\operatorname{im}T$，则 $\mathbf x=T\mathbf y$ 且 $T\mathbf x=\mathbf 0$，故

$$
\mathbf x=T\mathbf y=T^2\mathbf y=T\mathbf x=\mathbf 0
$$

⇒ $\mathbb R^n=\ker T\oplus\operatorname{im}T$。

**第 4 步：(c) 投影的例子。** $T(x_1,x_2,x_3)=(x_1,x_2,0)$：$\ker T=z$ 轴、$\operatorname{im}T=xy$ 平面，分解为「法向分量 + 平面分量」。

**第 5 步：(d) 不可逆。** $A^2=A$、$A\ne I,O$ ⇒ 既有特征值 $0$ 又有 $1$ ⇒ $\det A=0$ ⇒ 不可逆。

**答案**　如上。$\blacksquare$

## 8-3 相似矩阵与基变换（5 题）

| 题号 | 结论 |
|---|---|
| 8.3.1 | $B=\frac15\begin{bmatrix}21&12\\12&14\end{bmatrix}$；新基正交 |
| 8.3.2 | 相似；不相似；不相似；相似 |
| 8.3.3 | $\lambda=1$（二重）；**不可对角化**；$A^{10}=\begin{bmatrix}21&-10\\40&-19\end{bmatrix}$ |
| 8.3.4 | 四条证明 |
| 8.3.5 | Jordan 形即 $A$ 本身 |

### 8.3.1　（对称矩阵的正交换基）

**解**

**第 1 步：(a) $M$ 与逆。** $\det M=-1-4=-5$：

$$
M=\begin{bmatrix}1&2\\2&-1\end{bmatrix},\qquad M^{-1}=\frac15\begin{bmatrix}1&2\\2&-1\end{bmatrix}
$$

（$M$ 的列正交且等长 $\sqrt5$，故 $M^{-1}=\frac1{5}M^{\mathsf T}$。）

**第 2 步：(b) $B$。**

$$
AM=\begin{bmatrix}9&8\\6&2\end{bmatrix},\qquad B=M^{-1}AM=\frac15\begin{bmatrix}21&12\\12&14\end{bmatrix}
$$

**第 3 步：(c) 逐列验证。** $T(\mathbf v_1')=(9,6)^{\mathsf T}$，解 $c_1(1,2)+c_2(2,-1)=(9,6)$ 得 $c_1=\frac{21}5$、$c_2=\frac{12}5$ ✓（第一列）。

**第 4 步：(d) 不变量。** $\operatorname{tr}A=7=\operatorname{tr}B$；$\det A=6=\det B$；特征值 $6,1$ 相同 ✓

**第 5 步：(e) 特殊之处。** 两个基向量正交（$(1,2)\cdot(2,-1)=0$）、等长 ⇒ $M$ 是「正交矩阵的 $\sqrt5$ 倍」⇒ $B$ 仍对称（因为 $A$ 对称时正交相似保持对称）。若基为标准正交，$B$ 就是对角矩阵——这里的 $B$ 不对称对角，说明 $A$ 的这组特征向量还没选对。

**答案**　如上。

### 8.3.2　（四对矩阵的相似性）

**解**

**第 1 步：(a) 相似。** 两者特征值都是 $1,3$（$\operatorname{tr}=4$、$\det=3$），且特征值互异 ⇒ 都可对角化到 $\operatorname{diag}(1,3)$ ⇒ 相似。

**第 2 步：(b) 不相似。** $A=2I$ 可对角化；$B=\begin{bmatrix}2&7\\0&2\end{bmatrix}$ 的 $\dim E_2=2-1=1<2$ 不可对角化。可对角化性在相似下不变 ⇒ 不相似。

**第 3 步：(c) 不相似。** $A$ 的特征值为 $\pm\mathrm i$，$B=I$ 的特征值为 $1,1$；特征值不同 ⇒ 不相似。

**第 4 步：(d) 相似。** $A=B$，取 $P=I$ 即得。

**答案**　相似；不相似；不相似；相似。

### 8.3.3　（一道「有陷阱」的题）

**解**

**第 1 步：(a) 特征值。** $\operatorname{tr}=2$、$\det=1$：

$$
\lambda^2-2\lambda+1=(\lambda-1)^2=0\ \Longrightarrow\ \lambda=1\ (\text{二重})
$$

特征向量：$A-I=\begin{bmatrix}2&-1\\4&-2\end{bmatrix}$，$\operatorname{rank}=1$ ⇒ $\dim E_1=1$，$E_1=\operatorname{span}\{(1,2)^{\mathsf T}\}$。

**第 2 步：(b) 无解。** 因 $\dim E_1=1<2$，$A$ **不可对角化**，不存在可逆 $S$ 使 $S^{-1}AS=\Lambda$ 为对角。

> [!warning] 原题 (b) 的前提不成立
> 按题给矩阵计算，$A$ 的特征值 $1$ 代数重数 $2$、几何重数 $1$，**不能对角化**。它的最简相似形是 Jordan 块
> $$J=\begin{bmatrix}1&1\\0&1\end{bmatrix}$$
> 若把 $A$ 改成 $\begin{bmatrix}3&-2\\2&-1\end{bmatrix}$（$\operatorname{tr}=2$、$\det=1$ 但 $\operatorname{rank}(A-I)=0$）则可对角化。

**第 3 步：(c) $A^{10}$。** 令 $N=A-I=\begin{bmatrix}2&-1\\4&-2\end{bmatrix}$，则 $N^2=O$，故

$$
A^{10}=(I+N)^{10}=I+10N=\begin{bmatrix}21&-10\\40&-19\end{bmatrix}
$$

**第 4 步：(d) 说明。** 可对角化的充要条件是每个特征值的几何重数等于代数重数；此处不满足。$S^{-1}$ 用二阶公式 $\frac{1}{ad-bc}\begin{bmatrix}d&-b\\-c&a\end{bmatrix}$（若可对角化时）。

**答案**　$\lambda=1$（二重），不可对角化；$A^{10}$ 如上。

### 8.3.4　（相似关系的四条性质）

**解**

设 $B=P^{-1}AP$。

**第 1 步：(a) 转置。** $B^{\mathsf T}=\left(P^{-1}AP\right)^{\mathsf T}=P^{\mathsf T}A^{\mathsf T}\left(P^{-1}\right)^{\mathsf T}=P^{\mathsf T}A^{\mathsf T}\left(P^{\mathsf T}\right)^{-1}$，故 $A^{\mathsf T}\sim B^{\mathsf T}$。

**第 2 步：(b) 逆。** $\det B=\det A\ne0$ ⇒ $B$ 可逆；且

$$
B^{-1}=\left(P^{-1}AP\right)^{-1}=P^{-1}A^{-1}P
$$

⇒ $B^{-1}\sim A^{-1}$。

**第 3 步：(c) 多项式。** 由 $B^k=P^{-1}A^kP$ 逐项相加得

$$
p(B)=\sum c_kB^k=P^{-1}\left(\sum c_kA^k\right)P=P^{-1}p(A)P
$$

⇒ $p(A)\sim p(B)$。

**第 4 步：(d) 幂等性。** $B^2=P^{-1}A^2P=P^{-1}AP=B$。$\blacksquare$

### 8.3.5　（Jordan 块）

**解**

**第 1 步：(a)** 上三角 ⇒ $\lambda=5$，代数重数 $2$。$A-5I=\begin{bmatrix}0&1\\0&0\end{bmatrix}$，$\operatorname{rank}=1$ ⇒ 几何重数 $2-1=1$。

**第 2 步：(b)** 几何重数 $1<$ 代数重数 $2$ ⇒ 只有一个线性无关特征向量 ⇒ 不可对角化。

**第 3 步：(c) Jordan 形。** 由于 $A$ 本身已经是 Jordan 块

$$
J=\begin{bmatrix}5&1\\0&5\end{bmatrix}=A
$$

即「与 $A$ 相似的最简形式」就是它自己（Jordan 标准形在相似意义下唯一）。

**第 4 步：(d) 广义特征向量。** $(A-5I)^2=O$；但 $A-5I\ne O$。取 $\mathbf v=(0,1)^{\mathsf T}$，则 $(A-5I)\mathbf v=(1,0)^{\mathsf T}=:\mathbf e$ 是特征向量，而 $\mathbf v$ 本身不是特征向量——它叫**广义特征向量**（$(A-5I)^2\mathbf v=\mathbf 0$ 但 $(A-5I)\mathbf v\ne\mathbf 0$）。链 $\mathbf e\to\mathbf v$ 正是 Jordan 块的结构。

**第 5 步：(e) 现实例子。** 8-2.3 的求导算子 $D$：$D^4=O$ 但 $D\ne O$，幂零而不可对角化；同理「移位」矩阵（如 $\begin{bmatrix}0&1\\0&0\end{bmatrix}$）也是。

**答案**　如上。
