方阵相似判定是线性代数中的一个重要概念，它涉及到方阵的特征值和特征向量。通过解决具体的例题，我们可以更好地理解和掌握这一方法。下面，我将通过几个例题，结合一图，帮助你轻松学会方阵相似判定方法。
例题一：判定两个方阵是否相似
题目：判断方阵 ( A = \begin{pmatrix} 2 & 1 \ 0 & 2 \end{pmatrix} ) 和 ( B = \begin{pmatrix} 1 & 0 \ 0 & 2 \end{pmatrix} ) 是否相似。
解答：
- 计算特征值：首先，我们需要计算两个方阵的特征值。对于方阵 ( A )，其特征多项式为 ( \det(A - \lambda I) = \det\begin{pmatrix} 2-\lambda & 1 \ 0 & 2-\lambda \end{pmatrix} = (2-\lambda)^2 - 0 = \lambda^2 - 4\lambda + 4 )。解得特征值 ( \lambda_1 = \lambda_2 = 2 )。
对于方阵 ( B )，其特征多项式为 ( \det(B - \lambda I) = \det\begin{pmatrix} 1-\lambda & 0 \ 0 & 2-\lambda \end{pmatrix} = (1-\lambda)(2-\lambda) = \lambda^2 - 3\lambda + 2 )。解得特征值 ( \lambda_1 = 1 )，( \lambda_2 = 2 )。
- 比较特征值：由于 ( A ) 和 ( B ) 的特征值不完全相同，我们进一步检查它们的特征向量。如果存在非零向量 ( \mathbf{v} ) 使得 ( (A - \lambda I)\mathbf{v} = 0 ) 和 ( (B - \lambda I)\mathbf{v} = 0 )，则 ( A ) 和 ( B ) 相似。
通过计算，我们发现 ( A ) 和 ( B ) 的特征向量不同，因此 ( A ) 和 ( B ) 不相似。
例题二：判定方阵是否相似于对角矩阵
题目：判断方阵 ( C = \begin{pmatrix} 1 & 2 \ 0 & 1 \end{pmatrix} ) 是否相似于对角矩阵。
解答：
计算特征值：方阵 ( C ) 的特征多项式为 ( \det(C - \lambda I) = \det\begin{pmatrix} 1-\lambda & 2 \ 0 & 1-\lambda \end{pmatrix} = (1-\lambda)^2 = \lambda^2 - 2\lambda + 1 )。解得特征值 ( \lambda_1 = \lambda_2 = 1 )。
判断特征值：由于 ( C ) 的特征值只有一个，且为重根，我们需要判断 ( C ) 是否有 ( 2 ) 个线性无关的特征向量。通过计算，我们发现 ( C ) 有两个线性无关的特征向量，因此 ( C ) 相似于对角矩阵。
一图教你轻松学会
为了帮助你更好地理解方阵相似判定方法，以下是一张图解：
图解说明：
- 左图：展示了方阵 ( A ) 和 ( B ) 的特征值和特征向量。
- 右图：展示了方阵 ( C ) 的特征值和特征向量，以及它相似于对角矩阵的情况。
通过以上例题和图解，相信你已经对方阵相似判定方法有了更深入的理解。记住，多做题、多思考是掌握这一方法的关键。