贡献者： 叶月2_; addis
- 本文处于草稿阶段。
欠缺线性映射的矩阵表示 eq。
注：本篇使用爱因斯坦求和约定。
矩阵是线性映射在特定基下的表示，每一列表示基向量被映射后的结果。即 $f( \boldsymbol{\mathbf{e}} _i)=a^j_i \boldsymbol{\mathbf{e}} _j$，对任意向量作用输出一个向量，是一个 $(1,1)$ 型张量：
\begin{equation}
f(b^i \boldsymbol{\mathbf{e}} _i)=b^ia^j_i \boldsymbol{\mathbf{e}} _j~.
\end{equation}
或者写成矩阵形式，令 $b^i$ 表示基向量组为 $\{ \boldsymbol{\mathbf{e}} _i\}$ 下的任意向量 $ \boldsymbol{\mathbf{x}} $：
\begin{equation}
A \boldsymbol{\mathbf{x}} = a^j_i b^i~.
\end{equation}
最后一项为确定一组基后矩阵作用在向量下的简化表达，$a^j_i$ 表示矩阵 $A$ 的第 $j$ 行第 $i$ 项。
因此我们可以改变空间的基向量组，从而得到线性映射的不同表示。比如令 $\{ \boldsymbol{\mathbf{e}} _i\},\{ \boldsymbol{\mathbf{\theta}} _i\}$ 为同一线性空间下的两组基，$A=(a^i_j),B=(b^i_j)$ 分别为同一线性映射在不同基下的表示。这两组基通过矩阵 $Q$ 联系在一起：
\begin{equation}
\boldsymbol{\mathbf{\theta}} _i=q^j_i \boldsymbol{\mathbf{e}} _j~,
\end{equation}
那么我们可以找到两个矩阵的关系：
\begin{equation}
\begin{aligned}
f( \boldsymbol{\mathbf{\theta}} _i)&=b^j_i \boldsymbol{\mathbf{\theta}} _j\\
&=b^j_i q^k_j \boldsymbol{\mathbf{e}} _k\\
&=f( a^j_i \boldsymbol{\mathbf{e}} _j)=a^j_iq^k_j \boldsymbol{\mathbf{e}} _k
\end{aligned}~.
\end{equation}
即：$QB=AQ$。
定义 1 相似变换
设 $A,B$ 为 $n$ 阶矩阵，若存在 $n$ 阶可逆方阵 $Q$，使得
\begin{equation}
Q^{-1}AQ=B~,
\end{equation}
则称 $A$
相似于 $B$，该运算称为对 $A$ 进行相似变换，可逆矩阵 $Q$ 称为过渡矩阵。
式 3 实际上是：
\begin{equation}
\begin{pmatrix}
\boldsymbol{\mathbf{e}} _1& \boldsymbol{\mathbf{e}} _2& \boldsymbol{\mathbf{e}} _3&... & \boldsymbol{\mathbf{e}} _n
\end{pmatrix}
\begin{pmatrix}
q^1_1& q^1_2 &q^1_3 & ...&q^1_n\\
q^2_1& q^2_2 &q^2_3 & ...&q^2_n \\
...& ... & ...&...&... \\
q^n_1& q^n_2 &q^n_3 & ...&q^n_n
\end{pmatrix}=\begin{pmatrix} \boldsymbol{\mathbf{\theta}} _1& \boldsymbol{\mathbf{\theta}} _2& \boldsymbol{\mathbf{\theta}} _3&... & \boldsymbol{\mathbf{\theta}} _n\end{pmatrix}~.
\end{equation}
相似关系是同阶矩阵群的等价关系(等价关系用 $\sim $ 表示)，这种关系具有下列性质：
- 反身性 $A\sim A$
- 对称性 若 $A\sim B$，则 $B\sim A$
- 传递性 若 $A\sim B\,,B\sim C$，则 $A\sim C$
由于相似变换是对同一空间的不同基向量组进行一一映射，因而相似变换是矩阵乘法群上的自同构，并具有如下性质（假设 $A\sim B$）：
- $ \operatorname {R}(A)= \operatorname {R}(B)$；
- $A$ 与 $B$ 的行列式相同：$|A|=|B|$；
- $A$ 与 $B$ 的迹相同：$ \operatorname {Tr}A= \operatorname {Tr}B$；
- 若 $A$ 可逆，则 $B$ 也可逆，且 $A^{-1}\sim B^{-1}$；
- $kA\sim kB\,,A^m\sim B^m$，其中 $k$ 为任意常数，$m\in \mathbb Z^{+}$；
- 若 $f(x)$ 是任意多项式，则 $f(A)\sim f(B)$。
以上六点性质在线性映射的角度上看都是很好理解的，只要抓住相似矩阵是同一线性映射在不同基下的表示这一意义即可。在矩阵角度上也非常好证，比如第五点的 $A^m\sim B^m$：
\begin{equation}
B^m=(Q^{-1}AQ)^m=Q^{-1}AQQ^{-1}AQ...Q^{-1}AQ=Q^{-1}A^mQ~.
\end{equation}
在量子力学中，相似变换也无处不在，我们一般称之为表象变换。由于量子力学中的矩阵定义在复数域上，且基向量组都满足正交归一关系，因此相似变换是保距变换（正交变换），且过渡矩阵 $Q$ 是酉矩阵，满足：$Q^{\dagger}=Q^{-1}$1。
由于相似变换改变了空间的基，因此向量的坐标表示也发生了变化。设相似变换前后的基向量组分别为 $\{ \boldsymbol{\mathbf{e}} _i\}$ 与 $\{ \boldsymbol{\mathbf{\theta}} _i\}$，且对于任意向量有：
\begin{equation}
\boldsymbol{\mathbf{x}} =x^i \boldsymbol{\mathbf{e}} _i=x'^i \boldsymbol{\mathbf{\theta}} _i~.
\end{equation}
设过渡矩阵为 $Q$，即 $ \boldsymbol{\mathbf{\theta}} _i=Q^j_i \boldsymbol{\mathbf{e}} _j$，代入上式得：
\begin{equation}
x'^i \boldsymbol{\mathbf{\theta}} _i=x'^iQ^j_i \boldsymbol{\mathbf{e}} _j=x^i \boldsymbol{\mathbf{e}} _i~.
\end{equation}
即 $ \boldsymbol{\mathbf{x}} '=Q^{-1} \boldsymbol{\mathbf{x}} $。由这个关系，我们可以进一步证明一个几何结论：
相似变换不改变矩阵的本征值和本征向量。
1. 对角化
若相似变换可以使矩阵变为对角矩阵，我们把这个过程称为对角化，并称 $A$可对角化。从定理 3 可知，$A$ 可对角化的充要条件是 $A$ 有 $n$ 个线性无关的本征向量。结合定理 1 “不同本征值的本征向量线性无关” 和推论 1 “不同本征值的本征向量组线性无关” 可知，如果 $A$ 满足以下两种情况，则 $A$ 可对角化。
推论 1
如果 $n$ 阶矩阵 $A$ 有 $n$ 个不同的本征值，则 $A$ 一定可以对角化。
推论 2
$n$ 阶方阵 $A$ 可对角化当且仅当 $A$ 有 $n$ 个本征值（包括重根），且每个本征值的几何重数等于代数重数。
可以证明，实对称矩阵一定可以对角化。2
1. ^ 由复数域上的保距关系：$ \boldsymbol{\mathbf{x}} ^{\dagger}Q^{\dagger}Q \boldsymbol{\mathbf{x}} = \boldsymbol{\mathbf{x}} ^{\dagger} \boldsymbol{\mathbf{x}} $ 得。
2. ^ 参见合同变换一节。
致读者： 小时百科一直以来坚持所有内容免费，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 10 元，我们一个星期内就能脱离亏损， 并保证在接下来的一整年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。