For AI agents: use /llms.txt for the Nakafa content index.
Dalam aljabar linear, konsep kesamaan atau kemiripan matriks sangat penting untuk memahami bagaimana dua matriks yang berbeda dapat menggambarkan transformasi linear yang sama pada ruang yang berbeda. Bayangkan seperti dua potret yang berbeda dari objek yang sama, tapi diambil dari sudut pandang yang berbeda.
Dua matriks dikatakan serupa atau mirip jika terdapat matriks yang dapat dibalik sehingga:
Matriks dalam hal ini disebut sebagai matriks transformasi kesamaan.
Untuk memahami mengapa kesamaan matriks begitu penting, kita perlu melihat hubungannya dengan transformasi basis. Misalkan adalah basis kanonik dan adalah basis lain dari .
Jika adalah matriks yang dapat dibalik dengan kolom :
Maka berlaku atau untuk . Matriks menggambarkan transformasi basis.
Sebuah vektor dapat dinyatakan dalam basis kanonik melalui koordinat dan dalam basis melalui koordinat :
Matriks menggambarkan transformasi koordinat.
Sekarang pertimbangkan transformasi linear . Dalam basis kanonik, dinyatakan melalui koordinat , sedangkan dalam basis melalui koordinat :
Oleh karena itu:
atau dengan kata lain:
Dalam basis , transformasi linear digambarkan oleh dengan matriks:
Inilah mengapa matriks serupa menggambarkan transformasi linear yang sama namun dilihat dari basis yang berbeda. Matriks serupa menggambarkan transformasi linear yang sama terhadap basis yang berbeda dari .
Matriks serupa memiliki beberapa sifat mendasar yang sangat berguna. Karena mereka menggambarkan transformasi linear yang sama pada ruang berbeda, matriks serupa mempertahankan karakteristik bawaan yang sama.
Berdasarkan teorema tentang matriks serupa, jika matriks dan serupa, maka keduanya memiliki:
Untuk determinan, kita dapat menunjukkan:
Karena , maka:
Jika adalah vektor eigen dari dengan nilai eigen , sehingga , maka adalah vektor eigen dari dengan nilai eigen yang sama:
Ini menunjukkan bahwa kesamaan matriks mempertahankan spektrum atau kumpulan nilai eigen, yang merupakan karakteristik dasar dari transformasi linear.
