线性空间中的任何一个对象,通过选取基和坐标的办法,都可以表达为向量的形式。
在线性空间中选定基之后,向量刻画对象,矩阵刻画对象的运动,用矩阵与向量的乘法施加运动。
(选取基后,对象用向量表示,对象的运动用矩阵表示)
矩阵的本质是运动的描述。
矩阵也可以理解成一个坐标系。
因为对象的变换等价于坐标系的变换。
Ma = b
在同一个基下,向量a在M的变换下,变成b。
Ma = Ib
在M坐标系下量出向量a 和 在I坐标系下量出向量b 是同一个向量。
所以看特征值和特征向量:(M的特征值是λ,特征向量是a)
Ma = λa
在M坐标系下量出向量a和 在I坐标系下量出向量λa是同一个向量。
或者:
在同一个基下,向量a经过M矩阵变换,其方向不发生变化,长度变成λ倍。
矩阵是线性空间中的线性变换的一个描述。在一个线性空间中,只要我们选定一组基,那么对于任何一个线性变换,都能够用一个确定的矩阵来加以描述。
理解这句话的关键,在于把“线性变换”与“线性变换的一个描述”区别开。一个是那个对象,一个是对那个对象的表述。
同样一个线性变换,可以有多种不同方法来描述(不同矩阵)。
若矩阵A与B是同一个线性变换的两个不同的描述(之所以会不同,是因为选定了不同的基,也就是选定了不同的坐标系),则一定能找到一个非奇异矩阵P,使得A、B之间满足这样的关系:
A = P-1BP
相似矩阵:就是同一个线性变换的不同的描述矩阵。
矩阵的迹 = 对角线的和 = 特征值的和
行列式等于特征值的乘积。行列式的几何意义是线性变换的有向体积。
参考:
矩阵的特征:特征值,特征向量,行列式,trace
https://zhuanlan.zhihu.com/p/25955676
矩阵理解
https://blog.csdn.net/myan/article/details/647511
https://blog.csdn.net/myan/article/details/649018
https://blog.csdn.net/myan/article/details/1865397