相似矩阵与线性变换.docVIP

相似矩阵与线性变换 　　摘 要：研究向量空间的线性变换时，相似矩阵就会很自然地出现。在选定一组基后，线性变换就和矩阵建立了一一对应关系。相似矩阵是同一线性变换在不同基下的矩阵。因此如果从线性变换的角度理解两个相似矩阵之间的关系，并由此可以容易的解释两个相似矩阵的特征值是相同的，但是它们的特征向量不一定相同。对于初学者来说，由于学时较少，很少会详细地讲解线性变换的内容，因此我们希望能够用比较简洁，初等的方式讲解线性变换以及它与相似矩阵的这些关系。从而应用线性变换的概念理解相似矩阵的特征值和特征向量。 　　关键词：相似矩阵 特征向量 特征值 线性变换 　　中图分类号：O15 文献标识码：A 文章编号：1674-098X（2015）08（c）-0024-02 　　Similar Matrix and Linear Transformation 　　Zhou Zhongguo 　　（College of Science Hehai University，Nanjing Jiangsu，210098，China） 　　Abstract：The concept of similar matrix appears when we investigate the linear transformation on vector space. After fixing a basis of the vector space， the set of linear transformations is put into one-to-one correspondence with the set of matrix. Hence from the point of view of linear transformation it is to helpful to understand the relation between similar matrice and explain their eigenvalues and eigenvectors. But the linear transformation will not been taught a few for lack of time for learners. So we give a simple and elementary introduction to linear transformations and applying the notation of linear transformation it is also explained that why the two similar matrice have same eigenvalue but have not same eigenvectors in general. 　　Kew Words：Similar Matrix；Eigenvectors；Eigenvalue；Linear Transformation 　　矩阵的相似是线性代数课程中一个非常重要的概念，这个概念刻画了矩阵之间的重要关系，而且相似矩阵有许多共同的性质。我们知道两个相似的矩阵有相同的特征值[1-4]，这是许多初学《线性代数》课程的同学都知道的，但是对于它们为什么不一定有相同的特征向量，很多同学就不理解了。从矩阵的角度对这个问题不容易理解，其实如果从线性变换的角度看待相似矩阵，它们之间的关系就会比较直接，容易理解多了。 　　因为相似矩阵本质上是在研究线性变换时很自然地出现的，不过对于初学者来说，由于学时较少的关系，关于线性变换的这些内容一开始并不会讲得太多，太清楚，甚至有时候没有时间来讲。 　　为了帮助初学者理解这一问题，本文从线性变换的角度，以比较简洁、初等的方式来解释相似矩阵之间的关系，希望能够用较少的概念、语言解释相似矩阵及其特征值、特征向量的关系。 　　1 特征值、特征向量与相似矩阵 　　设是阶矩阵，如果非零向量满足： 　　则称是的特征向量；是属于特征向量的特征值。如果对两个矩阵存在可逆矩阵使得： 　　则称为相似矩阵。 　　根据定义，可以比较容易地得到相似矩阵有相同的特征值。假设是矩阵的特征向量，有 如果设，则有 　　所以是的特征向量，并且特征值仍为。 　　从上面的论证可以看到：如果是的特征向量，对应特征值是，则是的特征向量，并且特征值仍为。这样一般说来，所以两个相似矩阵的特征向量并不一定相同。这个论证不是特别严格，没有考虑到特征值是重根的情况，而且不容易理解怎么会有这样的结果。下面从线性变换的角度再来看看这个问题。 　　2 线性变换的定义与性质 　　设是维实向量空间，是的一组基。是的一个线性变