线性代数｜证明：线性变换在两个基下的矩阵相似

前置定义 1（基变换公式、过渡矩阵）　设 ${\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_n$ 及 ${\mathbf{\beta }}_1,\cdots ,{\mathbf{\beta }}_n$ 是线性空间 $V_n$ 中的两个基，
$$\{\begin{array}{rl}& {\mathbf{\beta }}_1=p_{11}{\mathbf{\alpha }}_1+p_{21}{\mathbf{\alpha }}_2+\cdots +p_{n1}{\mathbf{\alpha }}_n\\ & {\mathbf{\beta }}_2=p_{12}{\mathbf{\alpha }}_1+p_{22}{\mathbf{\alpha }}_2+\cdots +p_{n2}{\mathbf{\alpha }}_n\\ & \cdots \\ & {\mathbf{\beta }}_n=p_{1n}{\mathbf{\alpha }}_1+p_{2n}{\mathbf{\alpha }}_2+\cdots +p_{nn}{\mathbf{\alpha }}_n\end{array}$$
把 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$ 这 $n$ 个有序向量记作 $({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)$，记 $n$ 阶矩阵 $\mathbf{P}=(p_{ij})$，利用向量和矩阵的形式，$(1)$ 式可表示为
$$({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)=({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{P}$$
$(1)$ 式或 $(2)$ 式称为 基变换公式，矩阵 $\mathbf{P}$ 称为由基 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$ 到基 ${\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$ 的过渡矩阵。

定义详见 “基变换与坐标变换”。

前置定义 2　设 $T$ 是线性空间 $V_n$ 中的线性变换，在 $V_n$ 中取定一个基 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$，如果这个基在变换 $T$ 下的像（用这个基线性表示）为
$$\{\begin{array}{rl}& T({\mathbf{\alpha }}_1)=a_{11}{\mathbf{\alpha }}_1+a_{21}{\mathbf{\alpha }}_2+\cdots +a_{n1}{\mathbf{\alpha }}_n\\ & T({\mathbf{\alpha }}_2)=a_{12}{\mathbf{\alpha }}_1+a_{22}{\mathbf{\alpha }}_2+\cdots +a_{n2}{\mathbf{\alpha }}_n\\ & \cdots \cdots \cdots \\ & T({\mathbf{\alpha }}_n)=a_{1n}{\mathbf{\alpha }}_1+a_{2n}{\mathbf{\alpha }}_2+\cdots +a_{nn}{\mathbf{\alpha }}_n\end{array}$$
记 $T({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)=(T({\mathbf{\alpha }}_1),T({\mathbf{\alpha }}_2),\cdots ,T({\mathbf{\alpha }}_n))$，则上式 $(6)$ 可表示为
$$T({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)=({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{A}$$
其中
$$\mathbf{A}=\left(\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right)$$
那么，$\mathbf{A}$ 就称为 线性变换 $T$ 在基 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$ 下的矩阵。

定义详见 “【推导】线性变换的矩阵表达式”。

---

定理 1　设线性空间 $V_n$ 中取定两个基
$${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n;{\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$$
由基 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$ 到基 ${\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$ 的过渡矩阵为 $\mathbf{P}$，$V_n$ 中的线性变换 $T$ 在这两个基下的矩阵依次为 $\mathbf{A}$ 和 $\mathbf{B}$，那么 $\mathbf{B}={\mathbf{P}}^{-1}\mathbf{A}\mathbf{P}$。

证明　因为基 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$ 到基 ${\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$ 的过渡矩阵为 $\mathbf{P}$，所以根据前置定义 1，有
$$({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)=({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{P}\text{\hspace{1em}(1)}$$
由于 ${\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$ 线性无关，所以矩阵 $\mathbf{P}$ 可逆。有
$$({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)=({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n){\mathbf{P}}^{-1}\text{\hspace{1em}(2)}$$
因为线性变换 $T$ 在这两个基下的矩阵依次为 $\mathbf{A}$ 和 $\mathbf{B}$，所以根据前置定义 2，有
$$T({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)=({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{A}\text{\hspace{1em}(3)}$$

$$T({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)=({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)\mathbf{B}\text{\hspace{1em}(4)}$$

于是，依次代入式 $(4)$、式 $(1)$、式 $(3)$、式 $(2)$，有
$$\begin{array}{rl}({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)\mathbf{B}& =T({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n)\\ & =T[({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{P}]\\ & =[T({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)]\mathbf{P}\\ & =({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)\mathbf{A}\mathbf{P}\\ & =({\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n){\mathbf{P}}^{-1}\mathbf{A}\mathbf{P}\end{array}$$
因为 ${\mathbf{\beta }}_1,{\mathbf{\beta }}_2,\cdots ,{\mathbf{\beta }}_n$ 线性无关，所以
$$\mathbf{B}={\mathbf{P}}^{-1}\mathbf{A}\mathbf{P}$$
得证。