相似矩阵可以理解为同一个线性变换在不同坐标系下的矩阵表示。
有一张地图,可以用不同的坐标系来表示上面的位置。比如,可以用经纬度来表示,也可以用直角坐标系来表示。虽然坐标系不同,但是地图上表示的地理位置是相同的。
一个房间,可以用不同的坐标系来描述房间里的物体。可以用地毯的左下角作为原点,地毯的边作为坐标轴;也可以用房间的中心作为原点,房间的墙作为坐标轴。虽然坐标系不同,但房间里的物体并没有改变。
相似矩阵就是线性代数中的这种“不同坐标系下的同一张地图”。
如果对于两个n阶方阵A和B,存在一个可逆矩阵P,使得:
B = P^(-1)AP
那么我们称矩阵A和B相似。
直观理解:
这里出现了一个迹,矩阵的迹(trace)是指方阵主对角线上的所有元素之和。通常用tr(A)表示矩阵A的迹。
缩放因子之和: 矩阵的迹可以看作是矩阵对空间进行线性变换时,在各个主方向上的缩放因子之和。
对于一个n阶方阵A,其元素为a(i,j),则矩阵A的迹定义为:
tr(A) = a(1,1) + a(2,2) + ... + a(n,n)