矩阵不是「数字表格」，而是线性变换在给定基下的表示。这个视角切换是线性代数从计算走向结构的第一步：特征值、相似变换、谱定理全在这一步之后才显出意义。
线性映射与表示
满足 。选定 的基 与 的基 ， 唯一对应矩阵 （第 列 = 在 基下的坐标）。换基就是换表示：
相似矩阵是同一个变换穿不同基的外衣——因此行列式、迹、特征值与特征向量在相似下不变：它们属于变换本身，不属于矩阵。向量、矩阵、张量核心运算总结里的运算规则，在映射视角下都有对应操作（转置 → 对偶映射，矩阵乘法 → 复合）。
核与像
- ——矩阵的秩是变换的本质不变量
- 秩零化定理 ：信息损失与维数守恒
- 可逆 满射——单射与满射在有限维里殊途同归
结构保持者
问「哪些变换保什么结构」直接引出群：保内积的是正交/酉变换，保体积的是 ，保辛形式的是辛变换——总览见向量空间的结构。反过来，问「哪个方向在变换下不动」就引出特征向量：
一条不动直线，是特征值与特征向量的起点，也是一切矩阵分解（对角化、谱定理、奇异值分解 SVD）的动机——分解矩阵，就是找到它作用的最优坐标系。