线性代数相似与等价的关系
向量相似的性质？
向量相似的性质？
相似的充要条件是它们的特征矩阵等价，这个结论超出了线性代数的范围，必要条件是行列式相等，特征值相同，迹相等。
当两个矩阵都可对角化时，相似的充要条件是特征值相同，对角化后看特征值。
若A与对角矩阵相似，则称A为可对角化矩阵，若n阶方阵A有n个线性无关的特征向量，则称A为单纯矩阵。
相似矩阵具有相同的可逆性，当它们可逆时，则它们的逆矩阵也相似
矩阵等价有什么性质？
1，等价矩阵的性质：
2，矩阵A和A等价（反身性）；
3，矩阵A和B等价，那么B和A也等价（等价性）；
4，矩阵A和B等价，矩阵B和C等价，那么A和C等价（传递性）；
5，矩阵A和B等价，那么IAI＝KIBI。（K为非零常数）
6，具有行等价关系的矩阵所对应的线性方程组有相同的解
87，对于相同大小的两个矩形矩阵，它们的等价性也可以通过以下条件来表征：
（1）矩阵可以通过基本行和列操作的而彼此变换。
（2）当且仅当它们具有相同的秩时，两个矩阵是等价的。
扩展资料：
A进行一系列初等变换直到B，则A与B等价，即存在一个逆矩阵PQ，使B＝PAQ，则AB秩相同。
AB的相似度是存在，但逆矩阵P使B＝P－1ap，所以相似度结论强于等价性。
它们有更多的性质相同的特征值，相同的行列式
等价通常意味着你可以通过初等变换将它转换成另一个矩阵，本质上就是通过与另一个矩阵具有相同的秩。这是一个非常宽泛的条件。它并不适用于很多地方。
A和B很相似，有一个不变矩阵P，使得Pap＾－1＝B，这是线性代数或高等代数中最重要的关系，高等代数中有一半都在处理这个关系。相似导致等价。
线性代数：矩阵相似和对角化？
对角化和相似对角化是没有区别的，取对角化矩阵的时候，在满足特征值分别可取与原矩阵阶数相同的特征向量时，该对角矩阵即与原矩阵相似，所以说这两个其实是同一件事的不同说法。
相似是一种等价关系，对角化相当于对一类矩阵在相似意义下给出了一种简单的等价形式，这对理论分析是方便的。相似的矩阵拥有很多相同的性质，比如特征多项式，特征根，行列式……如果只关心这类性质，那么相似的矩阵可以看作没有区别的，
这时研究一个一般的可对角化的矩阵，只要研究它的标准形式，一个对角矩阵就可以了。而对角矩阵是最简单的一类矩阵，研究起来非常方便。这个过程相当于在一个等价类中选取最顺眼的元素研究。
向左转|向右转
扩展资料：
对角矩阵是指只有主对角线上含有非零元素的矩阵，即，已知一个n×n矩阵
向左转|向右转
，
如果对于
向左转|向右转
，则该矩阵为对角矩阵。如果存在一个矩阵
向左转|向右转
，使
向左转|向右转
的结果为对角矩阵，则称矩阵
向左转|向右转
将矩阵
向左转|向右转
对角化。
对于一个矩阵来说，不一定存在将其对角化的矩阵，但是任意一个n×n矩阵如果存在n个线性不相关的特征向量，则该矩阵可被对角化。
矩阵相似于对角矩阵的条件
充要条件
n阶矩阵A相似于对角矩阵的充要条件是A有n个线性无关的特征向量。
证明过程：
（1）必要性。
设有可逆矩阵P，使得
向左转|向右转
令矩阵P的n个列向量为
向左转|向右转
，则有
向左转|向右转
因而
向左转|向右转
，因为P为可逆矩阵，所以
为线性无关的非零向量，它们分别是矩阵A对应于特征值
的特征向量。