线性代数之——相似矩阵

当 $A$ 有足够的特征向量的时候，我们有 $S^{-1}AS=\Lambda$。在这部分，$S$ 仍然是最好的选择，但现在我们允许任意可逆矩阵 $M$，矩阵 $A$ 和 $M^{-1}AM$ 称为相似矩阵，并且不管选择哪个 $M$，特征值都保持不变。

1. 相似矩阵

假设 $M$ 是任意的可逆矩阵，那么 $B=M^{-1}AM$ 相似于矩阵 $A$。

$$B=M^{-1}AM\to A=MB{M}^{-1}$$

也就是说如果 $B$ 相似于 $A$，那么 $A$ 也相似于 $B$。如果 $A$ 可以对角化，那么 $A$ 相似于 $\Lambda$，它们肯定具有相同的特征值。

相似的矩阵 $A$ 和 $M^{-1}AM$ 具有相同的特征值，如果 $x$ 是 $A$ 的一个特征向量，那么 $M^{-1}x$ 是 $B=M^{-1}AM$ 的特征向量。

$$Ax=\lambda x\to MB{M}^{-1}x=\lambda x\to B(M^{-1}x)=\lambda (M^{-1}x)$$

所有具有特征值 1 和 0 的 2×2 矩阵都是相似的，特征向量会随着 $M$ 而改变，但特征值不变。上面的例子中特征值是不重复的，这种情况很好办，但如果有重复的特征值就会比较困难了。

这些 $B$ 都和 $A$ 一样行列式为 0，秩为 1，一个特征值为 0，并且矩阵的迹为 0，所以另一个特征值也为 0。但零矩阵不和它们相似，因为只有零矩阵自己和自己相似。

从 $A$ 到 $B=M^{-1}AM$，有一些东西会改变一些则不变。

相似矩阵的特征值不变，矩阵的迹为特征值的和也不变，矩阵的行列式为特征值的乘积也不变，矩阵的秩不变，针对每个特征值的特征向量数目不变。

2. 若尔当形（Jordan Form）

上面的矩阵有三个特征值 5,5,5 在它的对角线上，唯一的特征向量是 (1, 0, 0) 的倍数，代数重数为 3，几何重数为 1。每个和它相似的矩阵 $B=M^{-1}AM$ 都有三重特征值 5,5,5，$B-5I$ 的秩也为 2，零空间的维度为 1。和这个若尔当块 $J$ 相似的矩阵都只有一个不相关的特征向量 $M^{-1}x$。

此外，$J^T$ 和 $J$ 相似，并且此时的矩阵 $M$ 正好是反恒等矩阵。

由于 $J$ 是我们能得到的最接近于对角矩阵的形式，方程 $d\mathbf{u}/dt=J\mathbf{u}$ 不能再进一步被简化，我们必须直接利用回带法解决。

对于每个 $A$，我们想要选择一个 $M$ 来使得 $M^{-1}AM$ 尽可能接近对角形式。当 $A$ 有 $n$ 个特征向量的时候，它们成为 $M$ 的列，然后 $M=S$，$S^{-1}AS=\Lambda$ 是对角矩阵。在一般情况下，特征向量会缺失，我们并不能完全对角化。假设 $A$ 有 $s$ 个不相关的特征向量，那么它相似于一个有 $s$ 个块的矩阵，每个块都像上面的矩阵 $J$ 一样，特征值位于对角线上，并且元素 1 正好位于对角线上面，其中每个块对应于一个特征值。如果有 $n$ 个特征向量 $n$ 个块，那所有的块都是 1×1 的，$J$ 也就变成了 $\Lambda$。

$A$ 相似于 $B$ 如果它们具有相同的若尔当形 $J$，其它情况都不符合。

对于每一个相似矩阵族，我们挑选出一个最特别的成员称为 $J$，这个族中其它的每个矩阵都可以表示为 $A=MJ{M}^{-1}$。这时候，我们有 $MJ{M}^{-1}MJ{M}^{-1}=M{J}^2{M}^{-1}$，因此我们依然可以用 $M{J}^{100}{M}^{-1}$ 来求解 $A^{100}$。

相似性的核心在于——让矩阵变得尽可能简单但同时保留它的必要属性。

获取更多精彩，请关注「seniusen」!