3.43 的证明
这段表达式的目标是分析某个莫比乌斯变换矩阵的特征值与迹（trace）之间的关系。首先，我们解释一下给定的表达式，然后详细说明每一步的推导过程。
表达式为： \[ \sqrt{\operatorname{m}}+\frac{1}{\sqrt{\operatorname{m}}}=\operatorname{tr}\left\{[F][M][F]^{-1}\right\}=\operatorname{tr}\left\{[F]^{-1}[F][M]\right\}=\operatorname{tr}\left[M\right]=a+d \]
-
解释矩阵规范化和迹： 假设我们有一个莫比乌斯变换矩阵 \( M \)： \[ M = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \] 我们要找到这个矩阵的规范化形式，使其行列式为1： \[ [M]_{\text{norm}} = \frac{1}{\sqrt{ad - bc}} \begin{pmatrix} a & b \\ c & d \end{pmatrix} \] 但是这里直接给出的是一个特定形式的矩阵 \(\tilde{M}\)，其行列式已经是1的形式： \[ \tilde{M} = \begin{pmatrix} \sqrt{m} & 0 \\ 0 & \frac{1}{\sqrt{m}} \end{pmatrix} \] 这个矩阵的迹为： \[ \operatorname{tr}\left\{\tilde{M}\right\} = \sqrt{m} + \frac{1}{\sqrt{m}} \]
-
相似变换和迹不变性： 我们知道矩阵的迹在相似变换下是不变的，即对于任意可逆矩阵 \(F\)，有： \[ \operatorname{tr}\left\{F M F^{-1}\right\} = \operatorname{tr}\left\{M\right\} \] 这意味着如果我们选择合适的 \(F\)，那么： \[ \operatorname{tr}\left\{[F][M][F]^{-1}\right\} = \operatorname{tr}\left\{M\right\} \]
-
特征值的迹表示： 对于一个 \(2 \times 2\) 的矩阵 \( M \) ，其特征值之和等于其迹： \[ \operatorname{tr}\left\{M\right\} = a + d \]
-
代入迹的表达式： 回到给定的表达式： \[ \sqrt{\operatorname{m}}+\frac{1}{\sqrt{\operatorname{m}}}=\operatorname{tr}\left\{[F][M][F]^{-1}\right\}=\operatorname{tr}\left\{[F]^{-1}[F][M]\right\}=\operatorname{tr}\left[M\right]=a+d \] 这个表达式说明，假设我们已经知道规范化矩阵 \(\tilde{M}\) 的特征值是 \(\sqrt{m}\) 和 \(\frac{1}{\sqrt{m}}\)，那么这个矩阵的迹可以表示为： \[ \sqrt{\operatorname{m}} + \frac{1}{\sqrt{\operatorname{m}}} \] 由于迹在相似变换下是不变的，任何矩阵 \(M\) 在进行规范化和相似变换后的迹都等于原始矩阵的迹 \(a + d\)。所以，最终的迹等于矩阵 \(M\) 的主对角线元素之和： \[ \operatorname{tr}\left[M\right] = a + d \] 因此，这个过程展示了如何通过相似变换和规范化来验证迹的不变性，并与矩阵特征值联系起来。
为什么说矩阵的迹在相似变换下是不变的
矩阵的迹在相似变换下是不变的，这一性质源自矩阵乘法和迹的定义。我们可以通过以下几点来解释这一事实：
定义和性质
-
矩阵迹的定义： 对于一个 \( n \times n \) 的矩阵 \( A \)，其迹（trace）定义为对角线上元素之和： \[ \operatorname{tr}(A) = \sum_{i=1}^{n} a_{ii} \]
-
相似矩阵的定义： 如果 \( A \) 和 \( B \) 是两个 \( n \times n \) 矩阵，且存在一个可逆矩阵 \( P \) 使得： \[ B = P^{-1}AP \] 则称矩阵 \( A \) 和 \( B \) 是相似的。
迹的线性性和相似变换的不变性
-
线性性： 迹具有线性性，即对于任意两个 \( n \times n \) 矩阵 \( A \) 和 \( B \)，以及标量 \( \alpha \) 和 \( \beta \)，有： \[ \operatorname{tr}(\alpha A + \beta B) = \alpha \operatorname{tr}(A) + \beta \operatorname{tr}(B) \]
-
迹的乘积性质： 迹还具有乘积性质，即对于任意两个 \( n \times n \) 矩阵 \( A \) 和 \( B \)，有： \[ \operatorname{tr}(AB) = \operatorname{tr}(BA) \]
相似变换下迹的不变性
现在，让我们证明迹在相似变换下是不变的。 假设 \( B = P^{-1}AP \)，其中 \( P \) 是一个可逆矩阵，我们要证明： \[ \operatorname{tr}(B) = \operatorname{tr}(A) \] 根据相似变换的定义，我们有： \[ B = P^{-1}AP \] 计算 \( B \) 的迹： \[ \operatorname{tr}(B) = \operatorname{tr}(P^{-1}AP) \] 利用迹的乘积性质（\(\operatorname{tr}(XY) = \operatorname{tr}(YX)\)），我们可以重排矩阵乘积： \[ \operatorname{tr}(P^{-1}AP) = \operatorname{tr}(AP P^{-1}) \] 注意到 \( P P^{-1} \) 是单位矩阵 \( I \)： \[ AP P^{-1} = AI = A \] 因此： \[ \operatorname{tr}(P^{-1}AP) = \operatorname{tr}(A) \] 这就证明了矩阵的迹在相似变换下是不变的。因此，相似变换不会改变矩阵的对角线元素之和，即不会改变矩阵的迹。直观理解
相似变换可以看作是对矩阵的一种“重排列”，它改变了矩阵的基底，但并不改变矩阵本质上的特征，如特征值和迹。因此，无论我们如何通过相似变换改变矩阵的表示形式，其本质属性（如迹）保持不变。