相似矩阵与线性变换.docx

相似矩阵与线性变换 Similar Matrix and Linear Transformation Zhou Zhongguo ( College of Science Hehai University ，Nanjing Jiangsu ， 210098，China) ：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. KewWords：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。 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。 线性变换的定义与性质 设是维实向量空间，是的一组基。是的一个线性变换。所谓 线性变换就是满足下面的线性关系的一个映射： 先来看看所谓的线性是什么意思。 我们知道， 向量空间不过 是一些向量放在一起， 由于它们之间可以相加， 数和向量之间有 数乘，即定义了向量加法和数乘运算。 这些向量之间建立了联系， 形成了一种结构， 成为向量空间。 而线性变换的要求可以理解为 向量的和的像等于向量的像的和。 也就是说线性变换保持向量空 间的运算。保持向量空间的结构。 再从线性变换的定义可以看出， 两个向量的线性组合的像其 实可由的像决定。 又由于向量空间中的任一向量都是基的线性组 合，所以任一向量的像都由的像决定， 因此线性变换也就完全由 这组基的像决定。把这一过程用符号表示出来就是，在此基下， 假设可以如下详细地给出： 这里就是在基在的坐标。 因此由线性关系，