嘿，这个问题确实看起来应该能手动梳理清楚，但要抓准同时相似的核心等价条件，得结合单个矩阵相似性的基础，再重点关注矩阵对的“联动相容性”——毕竟两个矩阵同时被相似变换作用，可不是各自相似就行的。既然所有矩阵都在代数闭域上且可对角化，咱们分情况把准则拆解清楚：

基础必要条件（先满足单个相似） #

首先得保证对应矩阵各自相似：

• A₁与B₁相似（即它们有相同的特征多项式，或者说相同的特征值及重数）
• A₂与B₂相似（同理）

但这只是必要条件，远远不够，关键是下面的相容性条件：

分场景的等价判定准则 #

因为是2×2可对角化矩阵，我们按第一个矩阵的特征值情况分两类讨论：

场景1：A₁是纯量矩阵（即A₁ = λI，λ∈K）

此时由于A₁与B₁相似，B₁也必须是同一个纯量矩阵λI。这种情况下，同时相似的等价条件就简化为：A₂与B₂相似。
原因很简单：任何能把A₂相似变换到B₂的可逆矩阵X，都会自动满足XA₁X⁻¹ = XλIX⁻¹ = λI = B₁。

场景2：A₁有两个不同的特征值λ₁≠λ₂

由于A₁可对角化，它的两个特征子空间V₁=ker(A₁-λ₁I)和V₂=ker(A₁-λ₂I)都是1维的。此时A₂在这两个子空间上的限制必然是标量（因为子空间是1维的）：设A₂|_{V₁}=a₁I，A₂|_{V₂}=a₂I，也就是在A₁的对角化基下，A₂是对角矩阵diag(a₁,a₂)。

对于(B₁,B₂)，因为B₁与A₁相似，它也有特征值λ₁,λ₂，对应的1维特征子空间W₁,W₂，B₂在这些子空间上的限制是b₁,b₂，即B₂在B₁的对角化基下是diag(b₁,b₂)。

这时，同时相似的等价条件是：(a₁,a₂)与(b₁,b₂)要么完全相同，要么是置换后的结果（即(a₁,a₂)=(b₂,b₁)）。
这是因为我们可以通过置换特征子空间的基顺序（对应置换矩阵的相似变换）来匹配两种对角排列的情况。

统一的核心准则（不分场景） #

如果想用更统一的语言描述，那就是：

存在一个可逆矩阵X使得XA₁X⁻¹=B₁且XA₂X⁻¹=B₂，当且仅当：

1. A₁与B₁相似，A₂与B₂相似；
2. 对于A₁的每个特征值λ和A₂的每个特征值μ，联合特征子空间ker(A₁-λI)∩ker(A₂-μI)的维数，等于ker(B₁-λI)∩ker(B₂-μI)的维数。

这个统一准则其实覆盖了上面的所有场景：比如场景1中，A₁=λI，联合特征子空间就是ker(A₂-μI)，维数自然和B₂的对应特征子空间一致，也就是A₂与B₂相似的条件；场景2中，联合特征子空间要么是1维（当λ=λ₁,μ=a₁或λ=λ₂,μ=a₂）要么是0维，置换后维数也能对应上。

备注：内容来源于stack exchange，提问作者Gargantuar