两个n阶矩阵(方阵)相似,具有什么意义呢?
矩阵可以表示线性变换,基于此,来解释一下:
引子
{a1,…,an}, {b1,…,bn} 是n维向量空间的两组基,把bi用{a1,…,an}表示:
bi=P1ia1+⋯+Pnian=(a1,⋯,an)⎛⎝⎜⎜P1i⋮Pni⎞⎠⎟⎟Pi
即 bi 在{a1,…,an}下的坐标为Pi.
则{b1,…,bn}可以由{a1,…,an}线性表出:(b1,…,bn) = (a1,…,an)(P1,…,Pn) = (a1,…,an) P
P 叫做基变更矩阵。
设一个向量在{b1,…,bn}坐标系下的坐标是v,又因为(b1,…,bn)v = (a1,…,an) Pv,所以
Pv代表这个向量在{a1,…,an}坐标系下的坐标。
举例来说,b1在{b1,…,bn}坐标系下的坐标是(1,…,0)^T,(^T表示转置,因为这里用的是列向量)
P(1,…,0)^T = P1,即b1在{a1,…,an}下的坐标。在另一方面,(1,…,0)^T 也可以看作是a1在{a1,…,an}坐标系下的坐标,
P(1,…,0)^T 计算向量a1 经过{a1,…,an}坐标系下的变换矩阵P 变换后的向量的坐标:P(1,…,0)^T = P1,
即在{a1,…,an}坐标系下 向量b1的坐标。所以
P 也是 从{a1,…,an}到{b1,…,bn}的线性变换 在{a1,…,an}坐标系下的表示矩阵。
同一个线性变换在不同坐标系的表示矩阵是相似矩阵
该n维向量空间上的线性变换 L :
L(a+b) = L(a) + L(b)
L(ka) = k L(a)
Similarly, [ L(a1),…,L(an) ] 可由{a1,…,an}线性表出:[ L(a1),…,L(an) ]=(a1,…,an) A
其中,
L(ai)=A1ia1+⋯+Anian=(a