线性代数的动态观-线性变换（二）

2019独角兽企业重金招聘Python工程师标准>>>

切记：向量必须在给定的基下才有意义，而线性变换只是一个运动规则。

一般说来同样的运动规则在不同的基下对同样的坐标向量产生的位置变化是不一样的，具体的例子请参考线性代数的动态观-线性变换（一）开头部分，既然要看出运动的变化就要把它们放到标准单位向量组成的基下进行比较，将坐标向量放大2倍，在标准正交基下将坐标向量移到坐标向量的位置上，但在基下将坐标向量移到坐标向量的位置上从标准单位向量基下看实际上是将坐标向量移动到坐标向量的位置上，很明显它们的变化轨迹是不一样的。要使他们看起来一样该怎么办？先直观理解一下：

在p1下通过T1将A移到A1上相当于在p2下通过T2将A`移到A1`上，p3也是一样还可以引申出p4、p5、p6....下的等价变换。

由此可得同一个线性变换有无数个不同基下的等价变换。

以上是具体例子，接下来进行泛化并谈谈相似矩阵：

1、相似矩阵描述的是同一个作用力或者运动在不同的基下的表现形式；

2、

3、向量X在空间1中对应的坐标为X1，空间2中对应的坐标为X2，从线性代数的动态观-线性变换（一）中可知p-1.X1=X2，p.B.p-1.X1=A.X1，化简得:

A=p.B.p-1或者A.p=p.B或者B.p-1=p-1.A或者B=p-1.A.p

4、在一开始的具体例子中T1、T2、T3的值是相等的，这个既是偶然也是必然例子就不列举，可以从“线性代数的集合意义”这本书上看。

5、将相似矩阵用现实的例子作类比就是同样的现象从不同的角度观看，比如N个人围成一个圈，然后在他们中间放一个圆形轨道，让玩具小火车绕着轨道行驶，火车的运动轨迹是固定的，但对于每个人来说火车相对于他们每个人的方向都是不一样的。

转载于:https://my.oschina.net/u/1268334/blog/3043175