矩阵相似的意义和解释

两个n阶矩阵（方阵）相似，具有什么意义呢？
矩阵可以表示线性变换，基于此，来解释一下：

引子

{a1,…,an}, {b1,…,bn} 是n维向量空间的两组基，把bi用{a1,…,an}表示：

$$b_i=P_{1i}a_1+\cdots+P_{ni}a_n=(a_1,\cdots,a_n)\begin{pmatrix}P_{1i}\\\vdots \\P_{ni}\end{pmatrix}_{Pi}$$
即 bi 在{a1,…,an}下的坐标为Pi.
则{b1,…,bn}可以由{a1,…,an}线性表出：(b1,…,bn) = (a1,…,an)(P1,…,Pn) = (a1,…,an) P
P 叫做基变更矩阵。

1. 设一个向量在{b1,…,bn}坐标系下的坐标是v，又因为(b1,…,bn)v = (a1,…,an) Pv，所以
   Pv代表这个向量在{a1,…,an}坐标系下的坐标。
   举例来说，b1在{b1,…,bn}坐标系下的坐标是(1,…,0)^T，（^T表示转置，因为这里用的是列向量）
   P(1,…,0)^T = P1，即b1在{a1,…,an}下的坐标。

2. 在另一方面，(1,…,0)^T 也可以看作是a1在{a1,…,an}坐标系下的坐标，
   P(1,…,0)^T 计算向量a1 经过{a1,…,an}坐标系下的变换矩阵P 变换后的向量的坐标：P(1,…,0)^T = P1，
   即在{a1,…,an}坐标系下 向量b1的坐标。所以
   P 也是 从{a1,…,an}到{b1,…,bn}的线性变换 在{a1,…,an}坐标系下的表示矩阵。

---

同一个线性变换在不同坐标系的表示矩阵是相似矩阵

该n维向量空间上的线性变换 L :
L(a+b) = L(a) + L(b)
L(ka) = k L(a)

---

Similarly, [ L(a1),…,L(an) ] 可由{a1,…,an}线性表出：[ L(a1),…,L(an) ]=(a1,…,an) A
其中，

L(ai)=A1ia1+⋯+Anian=(a