矩阵的相似推导及其意义

前言

  这篇文章从上一篇文章李宏毅《Linear Algebra》学习笔记中单摘出来的一部分，由于上一篇篇幅较长，所以单拿出来记录在这里。
  本文从坐标系 → 函数在不同坐标系的不同表示 来引入similar（相似）的概念。

正文

1.Coordinate System（坐标系）

坐标系就相当于基准，便于将一个向量变得有意义，同一个向量在不同的基准下表示的内容自然不同。
拿下图举例，在左图中表示为$[84]$的向量，在右图的坐标系中却被表示为$[6-2]$.

满足下面两条的向量才可以被作为一个坐标系的基准

1. 此向量组$\mathcal{B}$ 张成 $R^n$
2. 此向量组线性无关

将这两个条件结合在一起，不难发现这其实就是子空间的基的定义。因此，子空间的基就是子空间的坐标系的基准。

之所以使用子空间的基作为坐标系的基准，是因为这样才能保证每个向量都有唯一的表示方法。
证明：
假设对每个向量都有两个不同的表示方法，那么将这两种不同的表示方法代入得出的结果应该是相等的，又因为基$\mathcal{B}$是线性无关的，当且仅当$a_n=b_n$时成立，因此不存在两种不同的表示。也就是以basis作为基准的坐标系中，每个向量只存在唯一的表示方法。


设$B$为子空间的基，$[v{]}_{\mathcal{B}}$为笛卡尔坐标系下的$v$ 向量在其他坐标系$\mathcal{B}$ 下的表示。
笛卡尔坐标系与其他坐标系间的转换

（1）其他坐标系 → 直角坐标系：$v=B[v{]}_{\mathcal{B}}$

（2）直角坐标系 → 其他坐标系： $[v{]}_{\mathcal{B}}=B^{-1}v$

可以这样类比理解：
$k$位的$N$进制转化为十进制需要从低位开始依次用系数乘以$N^k$。
又因为基 $\mathcal{B}$ 一定线性无关，所以可以用与矩阵的逆相乘的方式求出反向的解。

---

2.similar（相似）

这里是以坐标系的变换来引入“相似”这个概念的。
假设在笛卡尔坐标系中的一个点$[x_1{x}_2]$，经过一条已知直线$\mathbf{L}$ 的翻转对应的点为$T([x_1{x}_2])$，求翻转的线性关系（一个矩阵）。

  对于求一个点关于直线$\mathbf{L}$ 翻转的线性关系，由于这条直线并非$x$轴或者$y$轴，因此翻转对应的线性关系很难得出。
  假设我们以$x$ 轴为镜面进行翻转，线性关系是很容易得到的。 因为笛卡尔坐标系可以理解为是二维的单位矩阵：$\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$；翻转后，相当于$x$轴元素不变，$y$轴变为$-y$，因此线性关系可以表示为：$T=\left[\begin{array}{cc}1& 0\\ 0& -1\end{array}\right]$.

基于这种思想，可以利用上一小节学到的知识，通过变换坐标系的方法来求解关系$T$：

1. 将直线$\mathbf{L}$ 作为新的坐标系的$x$轴，取与之垂直向上的向量作为 $y$轴，建立新坐标系。
2. 新坐标系下，翻转关系$[T{]}_{\mathbf{B}}=\left[\begin{array}{cc}1& 0\\ 0& -1\end{array}\right]$
3. 根据新坐标系下的$[T{]}_{\mathbf{B}}$，求出笛卡尔坐标系的$T$.

那么，笛卡尔坐标系下的$T$ 应该怎么求呢？下面是分析过程：
  对照下面的图，位于下方的是笛卡尔坐标系，位于上方的是 $\mathbf{B}$坐标系，笛卡尔坐标系中的$v$ 通过关系$[T]$ 变为输出结果$T(v)$.
  对于其他坐标系，在上一小节提到过二者的变换关系，即：$[v{]}_{\mathbf{B}}={\mathbf{B}}^{-1}v$，根据这个变换关系，进而求得笛卡尔坐标系到其他坐标系的函数变换。

事实上，$v\to T(v)$ 与 $v\to [v{]}_{\mathbf{B}}\to [T(v){]}_{\mathbf{B}}\to T(v)$ 是殊途同归的，因此，$[T]$可以表示为：
$$[T]={\mathbf{B}}^{-1}[T{]}_{\mathbf{B}}\mathbf{B}$$写成一般情况也就是：
$$[T{]}_{\mathbf{B}}={\mathbf{B}}^{-1}\mathbf{A}\mathbf{B}$$  不难发现，$[T{]}_{\mathbf{B}}$与$[T]$ 虽然所处的坐标系不同，但是它们想要实现的作用是相同的——参考上面的例子，二者均实现翻转的功能。对于这样的变换$[T]$与$[T{]}_{\mathbf{B}}$，就将它们叫做相似（similar）。
  简单地说，一个用来表示某线性变换的矩阵，它的相似矩阵也就是此线性关系在另一个新坐标系中的表示。