线代--矩阵的相似性

作者: 倪桦 | 来源:发表于2023-01-17 20:59 被阅读0次

线代--矩阵的相似性
线代（二）：矩阵
线代--标准正交矩阵
线代--矩阵与空间
线代--矩阵对角化
线代-- 矩阵的QR分解
线代--矩阵的秩和矩阵的逆
线代--单位矩阵与逆矩阵
线代--矩阵的概念和矩阵的基本运算
矩阵的 Frobenius norm (Frobenius 范数

定义：如果矩阵 $A,B$ 满足 $A = P^{-1}BP$ 则称 $A$ 和 $B$ 相似。

相似性 可解释为"不同视角下观察相同的内容得到的表现形式是相似的"（类比从同一方向不同远近观察同一个物体，呈现的是形状一样但大小不一样的画面）。

在矩阵相似 $A = P^{-1}BP$ 中，矩阵 $P$ 代表观察视角 ，也即 $P$ 代表一个坐标系【本质是坐标转换矩阵】，则 $A$ 所代表的线性变换是在 $P$ 坐标系下观察的 $B$ 变换。本质是在不同坐标系下观察相同的变换但得到的矩阵的表观内容是不一样的。

$A = P^{-1}BP$ 的几何定义说明：
对于一个 $P$ 坐标系的向量 $[\vec x]_P$ 应用变换 $A$ 就有: $\ \ \ A*[\vec x]_P = P^{-1}BP*[\vec x]_P$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \$ 根据坐标变换可知： $P*[\vec x]_P$ 是将 $P$ 坐标系的向量 $[\vec x]_P$ 转换到标准坐标系下 $[\vec x]_\varepsilon = P*[\vec x]_P$ 进行描述；
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \therefore BP*[\vec x]_P \rightarrow B[\vec x]_\varepsilon$ 表示对在标准坐标系下的向量 $[\vec x]_\varepsilon$ 进行 $B$ 变换；
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \$ 又根据坐标变换可知： $P^{-1} [\vec x]_{\varepsilon}$ 表示将标准坐标系下的向量 $[\vec x]_{\varepsilon}$ 转换到 $P$ 坐标系下进行描述为 $[\vec x]_{P}$ ；
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \therefore P^{-1}BP[\vec x]_{P}=P^{-1}*B[\vec x]_\varepsilon$ 描述的是将标准坐标系下 $B$ 变换后的向量 $[\vec x]_\varepsilon$ 变换回 $P$ 坐标系下，等价了在 $P$ 坐标系下应用了 $A$ 变换的向量 $[\vec x]_P$ 。因此定义了变换矩阵 $A$ 与 $B$ 的相似，也即 $A，B$ 表征了同一种变换，这里的 $B$ 变换矩阵是标准坐标系下 $\varepsilon$ 下描述的，而 $A$ 变换矩阵是在 $P$ 坐标系下描述的，从而 $A$ 变换解释为是在 $P$ 坐标系下描述的 $B$ 变换矩阵。

等式变形： $A = P^{-1}BP \rightarrow B = PAP^{-1}$
$A = P^{-1}BP$ 是对夹在 $P，P^{-1}$ 之外的 $A$ 变换矩阵在 $P$ 坐标系下进行描述；
$B = PAP^{-1}$ 是对夹在 $P，P^{-1}$ 之内的 $A$ 变换矩阵在 $P$ 坐标系下进行描述。

特征方程与矩阵相似

矩阵相似背后的重要特征: $A$ 和 $B$ 矩阵如果表征相同的变换，那么它们的特征方程相同，特征值一样!** 所以说，特征方程和特征值标识的是矩阵所代表的变换的特征，不同的坐标系下矩阵的描述可能会改变，但是矩阵所表示的变换不变。
证明:
$\ \ \ \ \ \because \det(A -\lambda I) = \det (P^{-1}BP - \lambda I)$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (P^{-1}BP - \lambda P^{-1}P)$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (P^{-1}(B - \lambda I)P)$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (P^{-1}) * \det (B - \lambda I) *\det (P)$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (B - \lambda I)*\det (P^{-1})\det (P)$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (B - \lambda I)*\det (P^{-1}P)$ ###参考行列式计算
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ = \det (B - \lambda I)$

$\ \ \ \ \ \therefore \det(A -\lambda I) = \det (B - \lambda I)$ 从而当 $A$ 和 $B$ 矩阵相似，其特征方程是一样的。
在不同坐标系下观察的表现形式不同但表征相同变换的矩阵的相似性被其特征值所表征。

引出问题:观测一个对象可以从任意视角进行观察，那么在这些视角中，就会存在一个最佳视角，从这个视角进行观察可以更容易的对观察对象进行描述以及方便计算。

线代--矩阵的相似性
定义：如果矩阵满足则称和相似。相似性可解释为"不同视角下观察相同的内容得到的表现形式是相似的"（类比从同...
线代（二）：矩阵
线性方程组假设有 n个未知数 m个方程的线性方程组如下所示：其中，若（第个方程的常数项）不全为0，此方程组称为...
线代--标准正交矩阵
之前学习过矩阵的空间视角，也就是把空间的一组基的向量按列排列构成矩阵的列向量，这个空间也就等价于矩阵的列空间，这样...
线代--矩阵与空间
标准空间：欧拉空间是对现实空间的规则抽象和推广（从n<=3推广到有限n维空间）。一个标准二维空间由互相垂直的两个标...
线代--矩阵对角化
基于矩阵相似，寻找一个最优坐标系对标准坐标系下的变换进行描述，使得到一个非常简单的变换从而帮助加速运算--该问题应...
线代-- 矩阵的QR分解
对于一个矩阵，如果它的列向量之间线性无关，那么它就可以分解成。是一个标准正交矩阵是一个上三角形式的矩阵矩阵的这种形...
线代--矩阵的秩和矩阵的逆
1、矩阵的行最简形式的一般形式上一章节引入了矩阵的和，其中矩阵的行空间的维度就是行秩，矩阵的列空间的维度就是列秩...
线代--单位矩阵与逆矩阵
1、单位矩阵单位矩阵的特点是对角线为1(行号等于列号的单元元素值为1 )，其它元素值为0, 是一个方阵，且有，当...
线代--矩阵的概念和矩阵的基本运算
向量是对数的拓展，一个向量代表的是一组数；矩阵是对向量的拓展，一个矩阵代表的是一组向量。矩阵形式的4种应用:...
矩阵的 Frobenius norm (Frobenius 范数
有时候为了比较真实的矩阵和估计的矩阵值之间的误差或者说比较真实矩阵和估计矩阵之间的相似性，我们可以采用 Frob...