矩阵对角化
对角方阵是一个矩阵,它的所有非零项都在对角线上: 一个方阵被称为对角化的如果它类似于对角矩阵。也就是说, 如果有一个可逆矩阵,是否可以对角化 还有一个对角矩阵 这样
矩阵 对角化的: 另一方面,矩阵 是不可对角化的,如下所示。
由基的变换定理,一个 矩阵 的条目场 是否可对角化当且仅当有基 组成的特征向量的 在接下来的内容中,我们将主要假设 或 但这个定义对任意场都是有效的。 这立即延伸到对的对角化的定义线性变换:如果 有限维的向量空间,我们称之为线性变换吗 是否可以对角化 由特征向量组成
因此,对角化一个矩阵的过程包括计算它的特征向量,并遵循基变换定理的公式来计算矩阵 而且 矩阵对角化在许多涉及矩阵的计算中很有用,因为与乘任意方阵相比,乘对角矩阵非常简单。特别是,一个可对角化矩阵的幂可以很容易地计算,一旦矩阵 而且 皆知,如能矩阵指数.
具有不同特征值的对角化
审查特征值和特征向量.
关于可对角化矩阵的第一个定理表明,一大类矩阵是自动可对角化的。
如果 是一个 矩阵 不同的特征值,然后 对角化的。
明确,让 这些特征值。然后 在哪里 列的 是的特征向量吗 与特征值
让 是一个带有特征值的特征向量 关键的事实是 是线性无关的。要看这个,让 是最大的正整数 是线性无关的。如果 然后是依赖关系 对于一些系数 现在两边同时乘以 得到 原方程两边同时乘以 而不是让 这两个方程相减得到 但这是不可能的 是线性无关的。注意,非常重要的是 是不同的,因为至少有一个 非零,那么系数呢 也是非零的,如果 如果不是明显的,左边的系数可能都是零即使某些 非零。
所以 而且 是线性无关的。这给出了特征向量的一组基 因此 对角化的。事实上,如果 列向量是的矩阵 然后让 是 单位矩阵的列;然后 对所有 所以 但是矩阵乘以 就给了 列。所以 而且 有相同的 列, 所以它们是相同的矩阵: 或
Non-diagonalizable矩阵
从上一节的定理得到的直觉是,有两种方法可以使矩阵无法对角化。一是它的特征值可以“存在”在其他更大的场中。这在某种意义上是一个表面问题,可以通过传递到更大的领域来纠正。例如,如果矩阵有实数项,它的特征值可能是复数,因此矩阵可以对角化 不需要对角化
的旋转矩阵 是不是对角化结束了 事实上,它没有真正的特征值:如果 是一个在 然后 = 反时针旋转 但不难检验它有两个不同的特征值 自特征多项式是 所以 是对角化的
矩阵无法对角化的第二种方式更为基本。的代数基本定理应用于特征多项式表明,总有 复特征值,用多重性计算。但这并不意味着每个方阵都可以对复数对角化。每个特征值的多重性对于决定矩阵是否可对角化很重要:如我们所见,如果每个多重性是 矩阵是自动对角化的。这是一个特征值具有多重性的例子 而且矩阵是不可对角化的:
让 的特征多项式 是 所以只有一个特征值, 由于相似的矩阵具有相同的特征值(实际上,相同的特征多项式),如果 如果可以对角化,它就类似于一个对角矩阵 作为它唯一的特征值,也就是单位矩阵。但唯一类似于单位矩阵的矩阵是单位矩阵: 对所有 所以 不能对角化的。
还有其他的方法 不能对角化,例如通过计算对应的特征空间的大小 并表明没有特征值的基
注意,在特征多项式中有重复根并不意味着矩阵不可对角化:举一个最基本的例子 单位矩阵是可对角化的(实际上是对角化),但它只有一个特征值 与多样性
更一般地,矩阵的特征值有两个多重性的概念。我们上面提到的多重性,因子的指数 在特征多项式中,称为代数多重性.特征空间的维数对应于 被称为几何重数.证明代数多重性总是不难 几何多重性,所以 当且仅当这些多重度对每个特征值相等时是否可对角化 参见维基百科约旦标准型为更多的细节。
例子
斜向移动
特征值就是根 的特征多项式: 我们找到两个特征值的特征向量:
- 我们要选的一个解是
- 我们要选的一个解是 .
基变定理中的规定使我们立即得到矩阵 而且 :
- .
然后我们有
斜向移动 .
这个过程以同样的方式开始:
只有两个特征值,特征值 有代数多重性 由于特征多项式因子为 所以还不清楚 是否可以对角化直到我们知道是否有足够的特征向量在 特征空间 的几何多重性 是 或
我们找到这些特征值的特征向量:
什么可以计算高斯消去法: 哪个是由向量张成的零空间
可以通过高斯-乔丹消去法计算: 它有一个二维零空间,比如由向量张成的空间 而且这表明 是否真的可以对角化,因为有“足够的”特征向量可以张成空间
我们可以把矩阵写出来 而且 :
- .
检验起来很简单 根据需要。
注意,矩阵 而且 并不是唯一的。 是否唯一取决于对角线项的重新排列,但是 有更多的自由度:而列向量来自 -维特征空间被确定为一个常数倍,来自较大特征空间的列向量可以完全任意地选择,只要它们构成其特征空间的一组基。
应用程序
对角线矩阵相对容易计算,相似的矩阵有许多共同的特性,所以对角线矩阵非常适合计算。特别是,许多应用涉及计算矩阵的大幂,如果矩阵是对角线的,这是很容易的。但是,如果 然后 因为 中间的项都崩溃了。
求一个封闭的公式 斐波纳契数 通过观察矩阵的幂
看一下的前几次幂 我们有 所以自然的猜想是 这很容易用归纳法证明。基本情况是清楚的,归纳步骤是 根据需要。
剩下唯一要做的就是计算 特征多项式是 的根是 而且 在哪里 是黄金比例而且 是它的共轭。
的 的零空间 哪个是一维的,张成的 所有的 的取代了 的,所以结论是 在哪里
把这些放在一起 (我们并不关心第二列,尽管它并不难计算多少)。
特别是,左下方的元素,它是 用归纳法,等于 这是比奈的公式为
更多关于求幂和求解微分方程的应用在维基百科上矩阵幂运算.