04 矩阵的对角化

矩阵对角化的方法
嘿，咱今儿就来说说矩阵对角化这档子事儿哈！你说矩阵对角化，就好像给一个复杂的大拼图找到最简洁明了的解法。

咱先唠唠啥是矩阵对角化。

简单说呢，就是把一个矩阵变成一个特殊的形式，就像把一团乱麻理得顺顺溜溜的。

那怎么个弄法呢？这可得好好琢磨琢磨。

咱就拿个例子来说吧，就好比你有一堆七零八落的积木，你得想办法把它们摆成整齐的一排，这就是对角化的过程。

第一步呢，你得找到矩阵的特征值。

这特征值就好比是积木的关键节点，找到了它们，你就有方向啦！怎么找呢？这可得有点小技巧，算呀算呀，别嫌麻烦。

找到特征值之后呢，就得找对应的特征向量啦。

这特征向量就像是给每个关键节点配上合适的小零件，让整个结构更稳固。

然后呢，把这些特征向量按规矩摆好，嘿，就有点样子啦！就好像你把积木一块一块地摆到位。

你想想看，要是没这对角化的方法，面对那些密密麻麻的矩阵，咱不得晕头转向呀！但有了这方法，咱就有了头绪，有了方向。

比如说，在解决一些实际问题的时候，对角化就能派上大用场啦。

好比你要修一座桥，你得先搞清楚结构吧，这矩阵对角化就像是帮你
看清这座桥的关键部位，让你知道该从哪儿下手。

再比如说，在计算机图形学里，对角化能让图像的处理变得更简单
高效。

这不就像给图像来了个魔法变身嘛！
总之呢，矩阵对角化这方法可太重要啦！它就像一把钥匙，能打开
很多难题的大门。

咱可得好好掌握它，把它用得溜溜的！别小瞧了它，它的用处可大着呢！你说是不是？。

矩阵相似与对角化问题引言矩阵是线性代数中的重要概念，广泛应用于数学、物理、计算机科学等领域。

在研究矩阵的性质和应用时，矩阵相似与对角化问题是常见且重要的问题之一。

本文将对矩阵相似和对角化的概念、性质和关系加以讨论。

矩阵相似定义给定两个 n × n 矩阵 A 和 B，如果存在一个可逆矩阵 P，使得P⁻¹AP = B，则称A 和 B 相似。

记作A ∼ B。

性质矩阵相似具有以下性质：1.若A ∼ B，则B ∼ A。

2.若A ∼ B，B ∼ C，则A ∼ C。

（相似关系是传递的）3.若A ∼ B，那么 A 的特征多项式和 B 的特征多项式相同。

4.若 A 和 B 相似，则 A 和 B 具有相同的特征值和特征向量。

相似对角化对于相似矩阵 A 和 B，我们可以进行相似对角化，即将 A 变换为一个对角矩阵B。

具体步骤如下：1.设 A 是一个 n × n 矩阵，A 有 n 个线性无关的特征向量。

2.将这 n 个特征向量按列组成矩阵 P。

3.计算P⁻¹AP，得到对角矩阵 B。

对角化的好处是简化了矩阵的计算和处理，形式更加规整，便于求解特定的问题。

对角化问题定义给定矩阵 A，如果存在一个可逆矩阵 P，使得P⁻¹AP = D，其中 D 是一个对角矩阵，则称 A 可对角化。

充分条件一个矩阵 A 可对角化的充分条件是存在 n 个线性无关的特征向量。

如果 A 的 n 个特征向量线性无关，则 A 必定可对角化。

对角化步骤求解矩阵对角化的步骤如下：1.解特征方程 |A - λI| = 0，得到矩阵 A 的特征值λ1, λ2, …, λn。

2.对于每个特征值λi，解特征方程 (A - λiI)xi = 0，得到特征向量 xi。

3.如果通过步骤 2 得到的 n 个特征向量线性无关，则 A 可对角化。

将这些特征向量按列组成矩阵 P，并将对应的特征值按对角线排列得到对角矩阵D。

可对角化的性质可对角化的矩阵具有以下性质：1.可对角化的矩阵 A 的迹等于其特征值之和。

矩阵是线性代数中的重要概念，广泛应用于科学、工程和其他领域。

矩阵的特征分解和对角化是矩阵理论中的关键概念，它们在各个领域的应用非常广泛。

矩阵的特征分解是指将一个矩阵分解为特征值和特征向量的乘积的形式。

具体而言，对于一个n×n的矩阵A，特征分解可以写为A=PDP^(-1)，其中P是一个由特征向量组成的矩阵，D是一个对角矩阵，对角线上的元素是A的特征值。

特征分解的好处在于可以将一个复杂的矩阵转化为一个对角矩阵，从而简化了矩阵的计算和分析。

特征分解在物理学、工程学、计算机科学和金融学等领域中都有广泛的应用。

例如，在物理学中，特征分解可以用于描述量子力学中的粒子状态和能级。

在工程学中，特征分解可以用于矩阵的频域分析和系统动力学分析。

在计算机科学中，特征分解可以用于图像处理和模式识别。

在金融学中，特征分解可以用于资产组合的风险评估和收益预测。

特征分解的一个重要应用是矩阵对角化。

一个矩阵被称为可对角化的，如果它可以通过相似变换(diagonalizing transformation)转化为对角矩阵。

相似变换是指将一个矩阵A变换为B的过程，其中B= P^(-1)AP，P是一个可逆矩阵。

对角化的好处在于可以简化矩阵的计算和分析。

例如，对角化可以使得矩阵的幂运算变得简单，因为A^n=PD^nP^(-1)。

对角化的一个重要应用是谱分解。

谱分解是对角化的一个特殊情况，它可以将对称矩阵分解为特征向量的线性组合。

对称矩阵的谱分解可以写为A=QΛQ^T，其中Q是一个由特征向量组成的正交矩阵，Λ是一个对角矩阵，对角线上的元素是A的特征值。

谱分解在物理学、信号处理、图像处理和统计学等领域中有广泛的应用。

例如，在物理学中，谱分解可以用于描述对称量子力学系统的能级和波函数。

在信号处理中，谱分解可以用于频谱分析和滤波。

在图像处理中，谱分解可以用于图像压缩和特征提取。

在统计学中，谱分解可以用于主成分分析和数据降维。

总之，矩阵的特征分解和对角化是矩阵理论中的重要概念，它们在各个领域的科学和工程应用中都起到了关键的作用。

第四讲矩阵的对角化对角矩阵的形式比较简单，处理起来较=时，将矩阵方便，比如求解矩阵方程Ax bA对角化后很容易得到方程的解。

以前我们学习过相似变换对角化。

那么，一个方阵是否总可以通过相似变换将其对角化呢？或者对角化需要什么样的条件呢？如果不能对角化，我们还可以做哪些处理使问题变得简单呢？一、特征征值与特征向量1.定义：对n阶方阵A，若存在数λ，=,则及非零向量（列向量）x，使得Ax xλ称λ为A的特征值，x为A的属于特征值λ的特征向量。

☆ 特征向量不唯一； ☆ 特征向量为非零向量；☆ ()0I A x λ-=有非零解，则det()0I A λ-=，称det()I A λ-为A 的特征多项式。

例1 122212221A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，求其特征值和特征向量。

【解】122det()212221I A λλλλ----=------ 2(1)(5)λλ=+-，特征值为 121λλ==-，35λ=， 对于特征值1λ=-，由()0I A x --=， 1232222220222ξξξ⎡⎤⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦， 1230ξξξ++= ， 312ξξξ=-- ，可取基础解系为 1101x ⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦ ，2011x ⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦，所以属于特征值1λ=-的全部特征向量为 1122k x k x + ，其中12,k k 为不全为零的数.对于特征值5λ=，由 (5)0I A x -=，1234222420224ξξξ--⎡⎤⎡⎤⎢⎥⎢⎥--=⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦， 123ξξξ== ，可取基础解系为 3111x ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，所以属于特征值1λ=-的全部特征向量为 33k x ，其中3k 为非零的数.2. 矩阵的迹与行列式1tr nii i A a ==∑ ， 1det ni i A λ==∏ ，1tr ni i A λ==∑.3. 两个定理（1） 设A 、B 分别为m n ⨯和n m ⨯阶矩阵，则tr()tr()AB BA =（2）sylvster 定理：设A 、B 分别为m n ⨯和n m ⨯阶矩阵，则 det()det()m nm n I AB I BA λλλ--=-.即：AB 与BA 的特征值只差零特征值的个数，非零特征值相同。

矩阵对角化方法范文首先，我们先来了解一下矩阵的对角化概念。

对于一个n阶方阵A，如果存在一个可逆矩阵P和一个对角阵D，使得A=PDP^(-1)，则称A可对角化，P为可逆矩阵，D为对角阵。

接下来，我们将讨论矩阵对角化的具体步骤和方法。

设A为n阶方阵，我们要对其进行对角化分解。

具体步骤如下：1.求A的特征值和特征向量：求解方程，A-λI，=0，其中λ为特征值，I为单位矩阵。

解该方程可得到A的特征值λ1,λ2,...,λn。

然后，将每个特征值代入(A-λI)X=0，其中X为特征向量，解该方程可得到A对应于每个特征值的特征向量X1,X2,...,Xn。

2.构造特征矩阵P：将特征向量组成的矩阵P=[X1,X2,...,Xn]。

3.求P的逆矩阵P^(-1)：由于P是由特征向量构成的，因此P一般是可逆的。

4.构造对角阵D：对角阵D为以特征值λ1,λ2,...,λn为对角线元素所构成的阵。

5.验证：计算A=PDP^(-1)，验证是否满足等式。

通过以上步骤，我们可以得到矩阵A的对角化结果。

为了更好地理解矩阵对角化方法，接下来我们通过一个实例进行阐述。

假设有一个3阶方阵A=[1,0,-1;1,2,0;4,1,3]。

首先，我们求解特征多项式，A-λI，=0，得到特征值的解为λ1=-1，λ2=2，λ3=4然后，我们将每个特征值代入(A-λI)X=0，求解特征向量。

以λ1=-1为例，代入(A+I)X=0，解该方程可得特征向量X1=[1,1,-1]。

以此类推，我们可以得到所有特征向量。

接下来，我们构造特征矩阵P，将特征向量组成的矩阵P=[X1,X2,X3]。

然后，求解P的逆矩阵P^(-1)。

最后，构造对角阵D，以特征值为对角线元素，得到D=[-1,0,0;0,2,0;0,0,4]。

最后一步，我们验证计算A=PDP^(-1)是否成立。

经过计算，我们得到矩阵A=PDP^(-1)。

通过上述实例，我们可以看出，矩阵对角化的方法主要分为求解特征值和特征向量、构造特征矩阵P、求解P的逆矩阵P^(-1)和构造对角阵D。

第四章 矩阵的对角化对于一个矩阵，如何寻找一个适当的变换，在将其变为简单矩阵的同时，保留原矩阵的一些重要特征，这是矩阵论中一个非常重要的问题.在这一问题的研究中，矩阵的特征值和特征向量的概念起着非常重要的作用.拉普拉斯在19世纪初提出了矩阵的特征值的概念.1854年，若尔当研究了矩阵化为标准形的问题.1885年,埃尔米特证明了一些特殊矩阵的特征根的性质，后人称之为埃尔米特矩阵的特征根性质，凯莱1858年发表了一篇论文《矩阵论的研究报告》，文中研究了方阵的特征方程和特征值的一些基本结果，克莱布什等证明了对称矩阵的特征根性质.在这一问题的研究史上，值得重点介绍的是下面两位数学家：第一位是柯西，他首先给出了特征方程的术语，并证明了阶数超过3的矩阵有特征值及任意阶实对称矩阵都有实特征值；给出了相似矩阵的概念，并证明了相似矩阵有相同的特征值.第二位是弗罗贝尼乌斯，正是他引入了矩阵的相似变换、合同矩阵、正交矩阵等重要概念，并讨论了正交矩阵和合同矩阵的一些重要性质.矩阵的特征值、特征向量和仿真的对角化理论与方法是矩阵理论的重要组成部分，它不仅在数学的各个分支有重要作用，而且在其他学科如工程技术、数量经济分析等领域有着广泛的应用.本章主要讨论方阵的特征值与特征向量理论及方阵在相似意义下的对角化问题，并应用这些理论和方法解决一些实际问题.§4.1 矩阵的特征值和特征向量一、特征值和特征向量的概念在工程实践及经济管理等许多领域中，经常会遇到矩阵的特征值和特征向量的问题.例 4.1.1 经济发展与环境污染是当今世界亟待解决的两个突出问题.为了研究某地区经济发展与环境污染之间的关系，可建立如下数学模型：设，分别为某地区目前 x 0 y 0 的环境污染水平与经济发展水平，，分别为该地区若干年后的环境污染水平与经济 x 1 y 1 发展水平，且有如下关系{ x 1 = 3x 0 +y 0 ，y 1 = 2x 0 +2y 0 .令， ， α0=( x 0 y 0 )α1=( x1 y 1 )A =(3 12 2)，则上述关系的矩阵形式为：α1=Aα0 .若该地区目前的环境污染水平与经济发展水平，则若干年后的环境污染水α0=( x0 y 0)=(11)平与经济发展水平为，α1=Aα0=(3 12 2) ( x 0 y 0 )=(3 12 2) (11)= (44)=4 (11)=4α0即这里，4就是矩阵的一个特征值，是矩阵的对应于4的一个特征向量.Aα0=4α0 . A α0 A 定义 4.1.1 设为阶矩阵，若存在数 和维非零列向量，使得A n λ n α ；Aα=λα则称为矩阵的特征值，是矩阵一个特征值，称为的属于（或对应于）特征值 λ A α0 A α0 A λ的特征向量.由特征值、特征向量的定义可得（1）若为的属于的特征向量，则对于非实数，也是的属于的特征向量. α A λk k α A λ （2）若为的属于的特征向量，则当时，也是的属于α1，α2 A λα1+α2 ≠0 α1+α2 A 的特征向量.λ （3）若为的互异特征值，分别为的属于的特征向量，则λ1， λ2 A α1，α2 A λ1， λ2 .α1≠α2 证 若，则，即，故.由于 α1≠α2 Aα1≠Aα2 λ1α1=λ2α2=λ2α1 (λ1-λ2)α1=0，所以，矛盾.因此.λ1≠λ2α1≠0 α1≠α2 例 4. 1. 2 求阶方阵的一个特征值与所对应的特征向量. n A =(a b b ⋯ bb a b ⋯ b ⋮ ⋮ ⋮ ⋮b b b ⋯ a )解 取维向量，则n α=(1，1，1)TAα=(a b b ⋯ bb a b ⋯ b⋮ ⋮ ⋮ ⋮b b b ⋯ a)(11⋮1)=(a +(n -1)b a +(n -1) b ⋮ a +(n -1) b)，故 是的一个特=[a +(n -1) b ](11⋮1)= [a +(n -1) b ] αλ=a +(n -1) b A 征值，是 属于特征值的一个特征向量.α A λ=a +(n -1) b 将（4.1.1）写成下面形式.(λE ‒A ) α=0根据定义，特征向量就是齐次线性方程组α. （4.1.2）(λE ‒A ) α=0的非零解.由于（4.1.2）有非零解的充要条件是其系数行列式等于零，故知阶矩阵的 n A 特征值满足方程λ .|λE ‒A |=0为叙述方便，引入下面的概念.定义4. 1. 2 .，称A =(a ij )n ×n f (λ)=|λE ‒A |=|λ-a 11 a 12 ⋯ -a 1n -a 21 λ-a 22 ⋯ -a 2n⋮ ⋮ ⋮-a n1 -a n2 ⋯ λ- a nn|为矩阵 的特征多项式，称为的特殊矩阵，称为的特征方程.A λE ‒A A |λE ‒A |=0 A 二、特征值与特征向量的计算求阶矩阵的特征值和特征向量，可按如下步骤进行：n A （1）计算的特征多项式，求出特征方程的全部根，，，.A |λE ‒A | |λE ‒A |=0 λ1λ2⋯λn对每个特征值，求解齐次线性方程组.设它的一个基础λi (i =1，2，⋯，n )(λi E ‒A ) x =0解系为，，，，则的属于的全部特征向量为αi 1 αi 2 ⋯αini A λ i k 1αi 1+k 2αi 2+⋯+k n iαini其中为不全为零的任意常数.k 1，k 2，⋯，k ni 限于本教材适用范围，我们将不讨论的复特征值和特征向量.A 例 4.1.3 求矩阵A =(2 -2 0- 2 1 -20 -2 0)的特征值与特征向量.解 矩阵的特征多项式A f (λ)=|λE ‒A |=|λ-2 2 02 λ-1 20 2 λ|=λ(λ-1)(λ-8)-8(λ-1)=(λ+2)(λ-1)(λ-4)由，得的特征值为，，.|λE ‒A |=0 A λ1=-2λ2=1λ3=4对于，解齐次线性方程组，即解方程组λ1=-2(-2E ‒A )x =0,，(- 4 2 02 -3 20 2 -2)(x 1x 2x 3)=(000)得基础解系，所以对应于，的全部特征向量为（ξ1=(1，2，2)Tλ1=-2k 1ξ1）.k 1≠0对于，解齐次线性方程组 ，即解方程组λ2=- 2 (E ‒A )x =0(- 1 2 02 0 20 2 1)(x 1x 2x 3)=(00)得基础解系，所以对应于的全部特征向量为ξ2=(2，1，‒2)T λ2= 1 （）..k 2ξ2k 2≠0对于，解齐次线性方程组 ，即解方程组λ3= 4 (4E ‒A )x =0，(2 2 023 20 2 4)(x 1x 2x 3)=(0)得基础解系，所以对应于的全部特征向量为（ξ3=(2，-2，1)Tλ3= 4 k 3ξ3）..k 3≠0例4.1.4 求矩阵的特征值与特征向量 A =(3 2 42 0 24 2 3)解 矩阵的特征多项式为Af (λ)=|λE ‒A |=|λ-3 - 2 -- 2 λ - -4 -2 λ |λ+1 0 -(λ+1)- 2 λ -2 -4 -2 λ-3|=,(λ+1)2(λ‒8)由，得的特征值为，.|λE ‒A |=0A λ1= λ2=-1 λ3=8对于，解齐次线性方程组，即解方程组λ1= λ2=-1(-E ‒A )x =0，(- 4 - 2 -4- 2 - 1 -2- 4 - 2 -4)(x 1x 2x 3)=(000)得基础解系，，所以对应于的全ξ1=(-1，2，0)T ξ2=(2，1，‒2)Tλ1= λ2=-1部特征向量为不全为零）.k 1ξ1+k 2ξ2（k 1，k 2 对于，解齐次线性方程组，即解方程组λ3=8(8E ‒A )x =0，(5 -2 -4- 2 8 -2- 4 - 2 5 )(x 1x 2x 3)=(00)得基础解系，所以对应于的全部特征向量为（）.ξ3=(-1，2，0)Tλ3=8 k 3ξ3k 3≠0例4.1.5求矩阵的特征值与特征向量 A =(3 2 42 0 24 2 3)解 矩阵的特征多项式为A f (λ)=|λE ‒A |=|λ-3 1 -- 2 λ - -1 1 λ-2||λ-2 1 -1λ-2 λ -1 0 1 λ-2|=,(λ-2)2(λ‒1)由，得的特征值为，.|λE ‒A |=0A λ1= λ2=2 λ3=1对于，解齐次线性方程组，即解方程组λ1= λ2=2(2E ‒A )x =0，(- 1 1 -1- 2 2 -1- 1 1 0)(x 1x 2x 3)=(000)得基础解系，所以对应于的全部特征向量为ξ1=(1，1，0)Tλ1= λ2= 2 （）.k 1ξ1k 1≠0对于，解齐次线性方程组，即解方程组λ3=1(E ‒A )x =0，(- 2 1 -1- 2 1 -1- 1 1 -1)(x 1x 2x 3)=(000)得基础解系，所以对应于的全部特征向量为（.ξ2=(0，1，1)Tλ3= 1 k 2ξ2k 2≠0）三、特征值与特征向量的性质定理4.1.1 阶矩阵与有相同的特征值.n A A T证 由，知与有相同的特征多项式，故有相同的特|λE ‒A T|=|(λE ‒A )T|=|λE ‒A | A A T 征值.定理4.1.2 设 ，，，，为方阵的个特征值，则有A =(a ij )n ×n λ1λ2⋯λn A n （1）λ1λ2⋯λn =|A |（2）λ1+λ2+⋯+λn =a 11+a 22+⋯+a nn 证 （1）根据多项式因式分解与方程根的关系，有（4.1.3）|λE ‒A |=(λ-λ1)(λ-λ2)⋯(λ-λn )令，得，即λ=0|-A |=(-λ1)(-λ2)⋯(-λn )=(-1)nλ1λ2⋯λn |A |=λ1λ2⋯λn（2）比较（4.1.3）式两端的系数，右端为，而左端含λn -1-(λ1+λ2+⋯+λn )的项来自的主对角线元乘积项，其含的λn-1|λE ‒A |(λ-a 11)(λ-a 22)⋯(λ-a nn ) λn-1系数为，因此.-(a 11+a 22+⋯+a nn )λ1+λ2+⋯+λn =a 11+a 22+⋯+a nn 我们将阶矩阵的主对角线元之和称为矩阵的迹，记为，即n A A tr （A ）=tr （A ）a 11+a 22+⋯+a nn =∑=nk 1a kk推论4.1.1 阶矩阵可逆的充分条件是它的任一特征值不等于零.n A 定理4.1.3 若为的特征值，是对应的特征向量，则 λ A α （1）为的特征值（）；a λ a A a 为常数（2）为的特征值（）；λk A kk 为正整数（3）为的多项式，则为的特征值；若φ(x ) x φ( λ)φ(A )（4）若可逆，则为的特征值，为的特征值.A 1λA -11λ|A |A *证 由题意，对于，有.α≠0 Aα=λα（1）因为，故为的特征值.(a A )α=a (Aα)=(a λ)αa λ a A （2）由，得，假设Aα= λα A 2α=A ( Aα)=A ( λα)=λ( Aα)= λ2α，A k-1α=λk-1α于是，由数学归纳法知结论成立.A k α=A ( Ak-1α)=A ( λk -1α)=λk-1( Aα)= λk α（3）设，由（2）可得φ(x )=a 0x m +a 1x m-1+⋯+a m-1x+a mφ(A )α=(a 0A m +a 1A m -1+⋯+a m-1A+a m E ) α =a 0A m α+a 1A m-1α+⋯+a m -1Aα+a m α=a 0λm α+a 1λm-1α+⋯+a m-1λα+a m α=(a 0λm +a 1λm -1+⋯+a m-1λ+a m ) α=φ(λ)α(4) 由于可逆，故，从而，故 A λ≠0α= A -1(Aα)= A -1(λα)=λ A-1α，，即为的特征值，为的特征A-1α=1λαA*α=| A | A-1α=| A |λα 1λ A-11λ|A |A*值.下面给出方阵的特征向量的性质A 定理4.1.4 设，，，阶矩阵的个互异特征值，，，，分别是 λ1λ2⋯λm 为 n A m α1 α2 ⋯αm 的属于，，，的特征向量，则，，，线性无关. A λ1λ2⋯λm α1 α2 ⋯αm 证 设有常数，，，，使得k 1 k 2 ⋯k m k 1α1+k 2α2+⋯+k m αm =0（4.1.4）上式两边左乘，并注意到，有A Aαi =λi αi (i =1，2，⋯，m ).k 1λ1α1+k 2λ2α2+k m λm αm =0 按这种方法再依次用左乘（4.1.4），并应用定理4.1.3（2）的结论，A 2， A 3， A m ‒1得{k 1α1+k 2α2+k m αm =0 ，k 1λ1α1+k 2λ2α2+k m λm αm =0，k 1λ21α1+k 2λ22α2+k m λ2m αm =0， ⋯⋯⋯⋯k 1λm ‒11α1+k 2λm ‒12α2+k m λm ‒1m αm =0.上式的矩阵形式为，( k 1α1，k 2α2，⋯，k m αm )(1 λ1 ⋯ λm ‒111λ2 ⋯ λm ‒12⋮ ⋮ ⋮1 λm ⋯ λm ‒1m)=（0，0，⋯，0）上式左端第二个矩阵的行列式是范德蒙德行列式，因为，，，互不相同，λ1λ2⋯λm 所以该行列式的值不为零，从而该矩阵可逆.用该矩阵的逆右乘上述等式两边，得( k 1α1，k 2α2，⋯，k m αm )=（0，0，⋯，0）于是，由于特征向量非零，因此只有k i αi =0(i =1，2，⋯，m )αi (i =1，2，⋯，m )上式才能成立，故，，，为线性无关.k i =0(i =1，2，⋯，m )α1 α2 ⋯αm 定理4.1.5 设，，，阶矩阵的个互异特征值，，，，分别λ1λ2⋯λm 为 n A m α1 α2 ⋯αm是的属于的线性无关的特征向量，则向量组A λi (i =1，2，⋯，m )，，，， ，，，， ，，，线性无关.α11 α12 ⋯α1s 1α21 α22 ⋯α2s 2αm 1 αm 2 ⋯αms m 证明略.关于对应同一个特征值的特征向量间的关系，有定理4.1.6 设阶矩阵的重特征值，则对应于的线性无关特征向量个数 λ0是 n A k λ0不超过个.k 显然，依据定理4.1.6，当特征值为单根时，对应的线性无关特征向量个数只能是一个.根据上述定理，对于阶矩阵的每一个不同的特征值，求出齐次线性方程组n A λi 的基础解系，就得到的属于的线性无关的特征向量.然后，把它们合成一(λi E ‒A )=0 A λi 起所得的向量组仍然线性无关.阶矩阵的线性无关特征向量个数不大于.n A n 例4.1.6 设三阶矩阵的特征值为，，求A λ1= λ2=3 λ3=3（1）的特征值.A -1（2）的特征值.A *（3）的特征值及.B =12(A-1)2‒A *+2E |B |解 （1）由于，因此可逆，由定理4.1.3知，的特征值为，| A |= λ1λ2λ3=12≠0A A-112，.1213（2）由定理4.1.3知，的特征值为6,6,4.A *（3）因为，所以）.A *|A |A-1=12A -1B =12(A -1)2‒A*+2E 设，由定理4.1.3知，的特征值为，1,2,3.f (x )=12x 2-12x +2B =f (A-1)f(1λi )i =由此得的特征值为，.B -1，-1，-23|B |=-23例4.1.7 设为正交矩阵，若，则有特征值A |A |=-1A -1证 ，则f (λ)=|λE ‒A |.f (-1)=|-E ‒A |=|(-E ‒A )T|=|-E ‒A T|另一方面，由于及，则AA T=E |A |=1f (-1)=|-E ‒A |=|AA T -A |=|A || ‒A T-E |=-| -E ‒A T|=-f (-1)因此，即为的特征值.f (-1)=0-1 A §4.2 相似矩阵在矩阵的运算中，对角矩阵的运算最方便.我们自然要问，一个阶矩阵是否可化为n A 对角矩阵，且保持矩阵的一些重要性质不变.本节将讨论这个问题.A 一、相似矩阵定义4.2.1 设为阶矩阵，如果存在阶可逆矩阵，使得A ，B n n P ，P -1AP =B 则称矩阵相似，也称是的相似矩阵，记作.可逆矩阵称为相似变换矩阵.A 和B B A A~B P例4.2.1 设，，，不难A =(4 6 0- 3 -5 0- 3 -6 1)B =(1 0 00 1 00 0 -2)P =(- 2 0 -11 0 10 1 1)验证可逆，且.由于P P-1=(- 1 - 1 0- 1 - 2 11 2 0),P-1AP =(- 1 - 1 0- 1 - 2 11 2 0)(4 6 0- 3 -5 0- 3 -6 1)(- 2 0 -11 0 10 1 1)=(1 0 00 1 00 0 -2)=B 因此.A~B 两个相似矩阵是等价矩阵，相似是方阵之间的一种关系，这种关系具有如下性质：（1）反身性：；A~A （2）对称性：若，则；A~B B~A （3）传递性：若，，则；A~B B~C A~C 此外，相似矩阵之间有许多共同的性质定理4.2.1 若阶矩阵相似，则n A 与B （1）；|A |=|B |（2）；R (A )=R (B )（3）有相同的特征值；A ，B （4）.tr (A )=tr (B )证 由于，故存在阶可逆矩阵，使得，从而A~B n P P-1AP =B （1）；|B |=|P-1AP |=|P-1||A ||P |=|A |（2）；R (B )=R (P -1AP )=R (AP )=R (A )（3）由于，|λE ‒B |=|λE ‒P-1AP |=|P-1(λE ‒A )P |=|λE ‒A |即有相同的特征多项式，于是有相同的特征值.A ，B A ，B （4）由（3）即得.推论4.2.1 若阶矩阵对角矩阵n A 与 =Λ(λ1λ2⋱λn)相似，则，，，是的个特征值. λ1λ2⋯λn A n 例4.2.2 若，求.A =(- 2 0 02 x 23 1 1)~(- 1 0 00 2 00 0 y )=B x ，y 解 对角矩阵的特征值为，，，由于，因此的特征值也为，，，再B -12y A~B A -12y 根据相似矩阵有相同的迹，可得{|2E ‒A |=0，tr (A )=tr (B )，解此方程组得， .x =0y =-2两个相似的矩阵还具有下面的性质（1）若，则，（为正整数）；A~B k A~kB A m ~B mm （2）若， 为多项式，则；A~B f (x )f (A )~f (B )（3）若，且均可逆，则；A~B A ，B A-1~B -1证 只证，故存在阶矩阵，使得，从而 A m ~B m n P P-1AP =B B m =(P-1AP )m =(P-1AP )(P-1AP )⋯(P-1AP )=P-1A mP即.A m ~B m 二、矩阵的对角化定义 4.2.2 若阶矩阵与对角矩阵相似，则称可对角化.n A A 相似矩阵有许多共同性质.在我们熟悉的矩阵中，形式最简单的一类是对角矩阵，若矩阵相似于对角矩阵，就可以借助对角矩阵来研究，如何求相应的可逆矩阵？下面我A A P 们就来讨论这个问题.定理4.2.3 阶矩阵相似于对角矩阵（可对角化）的充要条件是有个线性无n A A A n 关的特征向量.证 必要性.设存在可逆矩阵，使得P = =.P -1AP Λ(λ1λ2⋱λn)设，由 =，得 =，或P =( α1，α2，⋯，αn )P-1AP ΛAP P Λ.A ( α1，α2，⋯，αn )=( α1，α2，⋯，αn )(λ1λ2⋱ λn)即A ( α1，α2，⋯，αn )=( λ1α1，λ2α2，⋯，λm αm )因此，，由于可逆，因此，从而Aαi =λi αi (i =1，2，⋯，n )P |P |≠0都是非零向量，故分别是的属于特征值αi (i =1，2，⋯，n )α1，α2，⋯，αn A 的特征向量，再由可逆知线性无关.λ1，λ2，⋯，λn P α1，α2，⋯，αn 充分性.设分别是的属于特征值的个线性无关的特征α1，α2，⋯，αn A λ1，λ2，⋯，λn n 向量，则有Aαi =λi αi (i =1，2，⋯，n )取,因为线性无关，所以可逆，于是有P =( α1，α2，⋯，αn )α1，α2，⋯，αn P =.，AP P(λ1λ2⋱λn)即个m==P -1AP (λ1λ2⋱λn)Λ因此矩阵相似于对角矩阵.A A 因为特征向量不是唯一的，所以矩阵不具有唯一性.P 推论4.2.2 若阶矩阵有个互异的特征值，则必可对角化.n A n A 推论4.2.3 阶矩阵的充分必有条件是的每个重特征值个线性无n A 可对角化A t i λi 都有ti 关的特征向量.即.R （λi E ‒A ）=n ‒t i由上述结论可知，例4.1.3和例4.1.4给出的矩阵可对角化，而例4.1.5给出的矩阵不能对角化.根据上述结论，可以归纳出将矩阵对角化的具体计算步骤：A （1）求出阶矩阵的全部互异特征值，，，，它们的重数依次为n A λ1λ2⋯λn ；t 1，t 2，⋯，t m (t 1+t 2+⋯+t m =n )（2）求的特征向量.对每个特征值求方程组的基础解系，即为的对A λi (λi E ‒A ) x =0应的线性无关的特征向量，设为；ξi 1，ξi 2，⋯，ξis i (i =1，2，⋯，m )（3）判定是否可对角化.若对每一个特征值都有，则可对A s i =t i (i =1，2，⋯，m )A 角化，否则不可对角化；（4）当可对角化时，令A ，P =(ξ11，ξ12，⋯，ξ1s i，ξ21，ξ22，⋯，ξ2s i，ξm 1，ξm 2，⋯，ξmsm)，，，，，，，，，Λ=diag （λ1λ1⋯λ1，λ2λ2⋯λ2，⋯，λm λm ⋯λm ）且可逆，且有P =P-1AP Λ例4.2.3 判断下列矩阵能否对角化，若能，求出可逆矩阵，使得为对角矩阵.P P -1AP (1)；（2）A =(1 2 22 1 ‒2‒2 ‒2 1)B =(1 2 22 1 22 2 1)（1）矩阵的特征多项式为解A f (λ)=|λE ‒A |=|λ-1 -2 -2- 2 λ- 1 22 2 λ-1||λ-1 λ-1 λ-1- 2 λ- 1 22 2 λ-1|= (λ+1)(λ-1)(λ-3)由，得的特征值为.由推论4.2.2知，矩阵可对|λE ‒A |=0A λ1=-1，λ2=1，λ3=3A 角化.下面求可逆矩阵.P 个1个2个s m r 1+r 2r 1+r 3对于，解齐次线性方程组，即解方程组λ1=-1(-E ‒A )x =0,，(- 2 - 2 -2- 2 - 2 22 2 -2)(x 1x 2x 3)=(000)得基础解系，即为即为的属于特征值的一ξ1=(-1，-1，0)Tξ1 ξ2A λ1=-1个特征向量.对于，解齐次线性方程组 ，即解方程组λ2= 1 (E ‒A )x =0(0 ‒2 ‒2‒2 0 22 2 0)(x 1x 2x 3)=(0)得基础解系，即为的属于特征值的一个特征向量.ξ2=(1，-1，0)Tξ2A λ2=1对于，解齐次线性方程组 ，即解方程组λ3= 3 (3E ‒A )x =0，(2 -2 -2- 2 2 22 2 2)(x 1x 2x 3)=(0)得基础解系，即为的属于特征值的一个特征向量.ξ3=(0，1，-1)Tξ3A λ3=3取,则有P =( ξ1，ξ2，ξ3)=(1 1 0- 1 - 1 10 1 -1)==P-1AP (- 1 0 00 1 00 0 3)Λ（2）矩阵的特征多项式为A f (λ)=|λE ‒A |=|λ-1 -2 -2- 2 λ- 1 22 2 λ-1|λ-1 λ-1 λ-1- 2λ- 1 22 2 λ-1|= (λ+1)2(λ-5)由，得的特征值为.|λE ‒B |=0B λ1=λ2=‒1，λ3=5当−1，即−1为的二重特征值时，λ1=λ2=B .(-E ‒B )=(‒2 ‒2 ‒2‒2 ‒2 ‒2‒2 ‒2 ‒2) 1 1 1)故，依据推论4.2.3知，矩阵可对角化，且−1对应的线R (-E ‒B )=1=3‒2B λ1=λ2=性无关的特征向量为，.ξ1=(-1，1，0)T ξ2=(-1，0，1)T对于，解齐次线性方程组 ，得的属于特征值的一个特λ3= 5 (5E ‒A )x =0B λ3=5征向量.取ξ3=(1，1，1)T取,P =( ξ1，ξ2，ξ3)=(- 1 - 1 11 0 1 0 1 1)则有==P-1BP (- 1 0 00 ‒1 00 0 5)Λ对于可对角化的矩阵，我们可应用来求方程的幂,例如，对上例的矩阵，A A m =P Λm P ‒1A 我们有(1 2 22 1 ‒2‒2 ‒2 1)m=( 1 1 0‒1 ‒1 10 1 ‒1)=((‒1)m 0 00 1 00 0 3m)=(0 ‒1 ‒11 1 11 1 0).=(1 1+(‒1)m +1 1+(‒1)m +13m ‒1 3m ‒1+(‒1)m (‒1)m ‒11‒3m 1‒3m 1)例4.2.4 设，求为何值时，A =(a 1 11 a ‒11 ‒1 a )A （1）可对角化，并求相似变换矩阵；A P （2）为可逆矩阵.A ‒E 解 （1）矩阵的特征多项式为A f (λ)=|λE ‒A ||λ-a -1 -1- 1 λ-a -1- 1 2 λ-a| |λ-a -1 -1 -1λ-a -1 λ-a 10 1 λ-a |=，(λ-a -1)2(λ-a +2)故的特征值为，.A λ1=λ2=a +1λ3=a ‒2对于，解齐次线性方程组 ，得的属于特征值λ1=λ2=a +1((a +1)E ‒A )x =0A 的特征向量为，.λ1=λ2=a +1ξ1=(1，1，0)T ξ2=(-，0，1)T 对于，解齐次线性方程组 ，得的属于特征值 λ3=a -2((a -2)E ‒A )x =0A 的特征向量为.依据推论4.2.3知，无论为何值，矩阵 λ3=a -2 ξ3=(-1，1，1)T a 均可对角化.令A ，P =( ξ1，ξ2，ξ3)=(1 1 -11 0 10 1 1)则有==.P-1AP (a +1 0 00 a +1 00 0 a ‒2)Λ的特征值分别为，故当时，为可逆矩阵.（2）A ‒E a ，a ，a ‒3a ≠0且a ≠3A ‒E §4.3 实对称矩阵的对角化c 1+c 2我们已经知道，不是每个矩阵都能对角化.但本节讨论的实对称矩阵一定可以对角化，而且还能正交相似于对角矩阵,本节将讨论实对称矩阵的对角化.一、实对称矩阵的特征值与特征向量的性质实对称矩阵的特征值和特征向量具有一些特殊的性质,这些性质可以保证实对称矩阵一定可以对角化.定理4.3.1 实对称矩阵的特征值都是实数.证 设为实对称矩阵的特征值，为对应的特征向量，即λα.Aα=λα， α≠0用表示的共轭复数，用表示的共轭复向量.则λλαα，Aα=Aα=Aα=λα=λα于是有，αT Aα=αT (Aα)=λαT α及，αT Aα=(αT A T )α=(Aα)T α=(λα)T α=λαT α以上两式相减得，(λ-λ)αT α=0以为所以.因而，即为实数.α≠0αTα≠0λ=λλ由于实对称矩阵的特征值为实数，那么为实矩阵，则齐次线性方程组的解A λE ‒A 可取为实向量，亦即实对称矩阵的特征向量为实向量.(λE ‒A )x =0A 定理4.3.2 实对称矩阵不同的特征值对应的特征向量正交,证 设为实对称矩阵的两个不同的特征值，分别为它们对应的特征向量，则λ1，λ2A α1，α2，从而，因是对称矩阵，又有Aα1=λ1α1，Aα2=λ2α2，α1，α2≠0αT 1(Aα2)=λ2∙αT1α2A ，于是αT 1(Aα2)=αT 1(A T α2)=( Aα1)T α2=( Aα1)T α2=( λ1α1)T α2=λ1α1T ∙α2，(λ1-λ2)α1Tα2=0因，故，即正交.λ1≠λ2α1Tα2=0α1与α2定理4.3.3 设为阶实对称矩阵，为的重特征根，则，从而特A n λA k R (λE ‒A )=n ‒k 征值恰好对应个线性无关的特征向量.λk 证明略.二、实对称矩阵的对角化由定理4.3.2和定理4.3.3可得定理4.3.4 设为阶实对称矩阵，则存在正交矩阵，使得A n Q =Q-1AQ Q T AQ =Λ=(λ1λ2⋱λn)其中，，，为的全部特征值.λ1λ2⋯λn A （1）求出阶实对称矩阵的全部互异特征值，，，，它们的重数依次为n A λ1λ2⋯λn ；t 1，t 2，⋯，t m (t 1+t 2+⋯+t m =n )（2）求实对称矩阵的特征向量.对每个特征值求方程组的基础解系，A λi (λi E ‒A ) x =0即为的对应的线性无关的特征向量，设为；(i =1，2，⋯，m )（3）用施密特正交化方法，将特征向量正交αi1，αi 2，⋯，αis i(i =1，2，⋯，m )单位化，得到一个标准正交向量组αi 1，αi 2，⋯，αiti ；βi 1，βi 2，⋯，βit i(i =1，2，⋯，m )（4）令Q =(β11，β12，⋯，β1t i，β21，β22，⋯，β2t i，βm 1，βm 2，⋯，βmtm)，，，，，，，，，Λ=diag （λ1λ1⋯λ1，λ2λ2⋯λ2，⋯，λm λm ⋯λm ）且为正交矩阵，且有Q =Q-1AQ Q T AQ =Λ例4.3.1 设实对称矩阵，A = (3 -3 -3- 3 1 -1- 3 - 1 1)求正交矩阵，使得=为对角矩阵.Q Q-1AQ Q T AQ =Λ解 矩阵的特征多项式为A f (λ)=|λE ‒A |=|λ-3 3 33 λ-1 13 1 λ-1|λ+3 λ+3 λ+33 λ-1 13 1 λ-1|=，(λ+3)(λ-2)(λ-6)=0因此，矩阵的特征值为.A λ1=-3，λ2=2，λ3=6对于，解齐次线性方程组，得基础解系；λ1=-3(-3E ‒A )x =0α1=(1，1，1)T对于，解齐次线性方程组 ，得基础解系； λ2= 2 (2E ‒A )x =0 α2=(0，1，-1)T对于，解齐次线性方程组 ， 得基础解系.λ3= 6 (6E ‒A )x =0 α3=(-2，1，1)T将单位化，可得α1，α2，α3β1=1||α1||α1=13(1，1，1)T ，β2=1||α2||α2=12(0，1，‒1)T ，β3=1||α3||α3=16(-2，1，1)T令个s 1个2个s m,Q =( β1，β2，β3)=(130 2613 1216131216)且为正交矩阵，且有Q =Q-1AQ Q TAQ =(- 3 0 00 2 00 0 6)例4.3.2 设实对称矩阵，A = (1 -2 2- 2 - 2 42 4 -2)求正交矩阵，使得=为对角矩阵.Q Q-1AQ Q T AQ =Λ解 矩阵的特征多项式为A f (λ)=|λE ‒A ||λ-1 2 -22 λ+2 -4- 2 - 4 λ+2| |λ-1 2 -22 λ+2 -4- 2 λ- 2 λ-2|=，(λ-2)2(λ+7)=0因此，矩阵的特征值为.A λ1=λ2=2，λ3=7对于，解齐次线性方程组，得基础解系，λ1=λ2=2(2E ‒A )x =0α1=(-2，1，0)T；先将向量正交化，令α2=(2，0，1)T α1，α2，η1=α1=(-210)，η2=α2=-(α2，η1)(η1，η1)=(201)+45(-210)=(25451)再单位化，得β1=1||η1||η1=15(-210)，β2=1||η2||η2=135(245)，对于，解齐次线性方程组 ， 得基础解系，λ3=‒7 (‒7E ‒A )x =0 α3=(1，2，‒2)T将其单位化，得.β3=1||α3||α3=13(12-2)令r 3+r 2,Q =( β1，β2，β3)=(‒25235 1315435 230 535 ‒23)且为正交矩阵，且有Q =.Q -1AQ Q TAQ = (2 0 00 2 00 0 ‒7)例4.3.3设三阶实对称矩阵的特征值为，且属于的特征矩阵A λ1=-1，λ2=λ3=1λ1为，求矩阵.α1=(0，1，1)TA 解 设的属于特征值的特征向量为，则与正交，即A λ2=λ3=1α=(x 1，x 2，x 3)Tαα1，α1T α=x 2+x 3=0解此齐次线性方程组，得基础解系，α2=(1，0，0)T ，α3=(0，1，‒1)T 易见，正交. 将单位化，可得α2，α3 α1，α2，α3β1=1||α1||α1=12(011)，β2=1||α2||α2=(100)，β3=1||α3||α3=12(01-1)令,则为正交矩阵，且有Q =( β1，β2，β3)=12(0 2 01 0 11 0 -1)Q =，Q-1AQ Q TAQ =B =(- 1 0 00 1 00 0 1)从而= A =Q-1BQ Q T BQ.=12(0 2 01 0 11 0 ‒1)(- 1 0 00 1 00 0 1)(0 1 12 0 00 1 ‒1)=(1 0 00 0 ‒10 ‒1 0)习题四（A ）一、填空题1.为阶矩阵，有非零解，则必有一个特征值__________.A n Ax =0A 2.若阶可逆方阵的每行元之和，则的一个特征值为__________.n A a 3A-1+E3.设为三阶可逆矩阵，其逆矩阵的特征值为，则行列式 __________.A 12，13，14|E ‒A |=4.设是非奇异矩阵的一个特征值，则矩阵有一个特征值为__________.λ=2(13A 2)-15.若为四阶实对称矩阵，，且2是的三重特征值，则的相似对角矩阵为A |A |=-8A A __________.6. 设为阶矩阵，有个互异特征值，，，，则有__________A n A n λ1λ2⋯λn R (λj E ‒A ) x =.(j =1，2，⋯，n )7. 设是三阶实对称矩阵，的特征值是，则有__________.A A λ1=λ2=1，λ3=-1A 2n =8.若四阶矩阵相似，矩阵的特征值为，则A 与B A 12，13，14，1513|(B -1)∗+E |=__________.9.已知矩阵只有一个线性无关的特征向量，则A =(4 a2 6)a =__________.10.设，矩阵，为自然数，则行列式α=(2，1，‒1)T A =ααTn |a E -A*|=__________.11.已知三阶实对称矩阵的一个特征值为，对应的特征向量，且A λ=2α=(1，2，‒1)T的主对角线上的元全为零，则A A =__________.二、单选题1.设三阶矩阵，则的特征值是（）A =(1 1 01 0 10 1 1)A （A ）1,0,1（B ）1,1,2（C ）-1,1,2（D ）1,-1,12.若可对角化的阶矩阵只有一个特征值为零，则=（）n A R (A )（A ）n（B ）n -1（C ）1（D ）03.设是矩阵对应于特征值的特征向量，当线性组合满足αi (i =1，2，⋯，n )A A ∑=ni 1k i αi （）时，也是矩阵对应于特征值的特征向量.∑=ni 1k i αi A A （A ）其中不全为零k i （B ）其中全不为零k i （C ）是非零向量（D ）是任一向量4.当满足下列（）条件时，矩阵相似.A 与B （A ）|A |=|B |（B ）R (A )=R (B )（C ）有相同的特征多项式.A 与B （D ）阶矩阵有相同的特征值且个特征值不相同.n A 与B n 5.已知二阶实对称矩阵的特征向量为，且，则必为的特征向量的是（）A (-31)|A |<0A （A ）c (-31)（B ）c (13)，c ≠0（C ）c 1(-31)+c 2(13)，c 1≠0，c 2≠0（D ）c 1(-31)+c 2(13)，c 1，c 2不同时为零6.设是阶非零矩阵，，下列命题不正确的是（）.A n A k=O （A ）的特征值只有零A （B ）必不能对角化A （C ）必可逆E +A +⋯+A k ‒1（D ）只有一个线性无关的特征向量A 7.设是矩阵的两个不同的特征值，对应的特征向量分别为，则λ1，λ2A α1，α2线性无关的充要条件是（）α1，A (α1+α2)（A ）λ1=0（B ）λ2=0（C ）λ1≠0（D ）λ2≠08.若，且，则以下结论错误的是（）.A 2≠A A ≠E ，O （A ）|A ‒E |≠0（B ）(A +E )‒1=‒12(A ‒2E )（C ）为不可逆矩阵A （D ）必有特征值A λ≠09.设，有特征值（二重），且有三个线性无关的特A =(1 -1 12 4 x- 3 - 3 5)A λ1=6，λ2=2A 征向量，则.x =( )（A ）4（B ）2（C ）‒4（D ）‒210.设为阶矩阵，且相似，则（）A ，B n A 与B （A ）λE ‒A =λE ‒B（B ）均相似于同一个对角矩阵.A 与B （C ）有相同的特征值与特征向量A 与B （D ）对任意常数，相似.a aE ‒A 与aE ‒B 三、综合题1.求下列矩阵的特征值与特征向量：（1）； （2）；（3）；（4）.(- 3 2- 2 2)(0 0 10 1 01 0 0)(2 0 01 2 -11 0 1)(2 0 01 1 11 ‒1 3)2.判断下列矩阵是否相似：A 与B （1）；A =(3 1 00 3 10 0 3)，B =(3 0 00 3 00 0 3)（2）；A =(1 1 00 2 10 0 3)，B =(1 0 00 2 00 0 3)（3）；A =(1 1 00 2 10 0 3)，B =(1 0 00 2 00 0 3)（4）.A =(1 1 1 11 1 1 11 1 1 11 1 1 1)，B =(4 0 0 01 0 0 01 0 0 01 0 0 0)3.求下列矩阵的次幂:k （1）； （2）.A =(- 3 2- 2 2)A =(1 4 20 -3 40 4 3)4. 求正交矩阵，使得为对角矩阵.Q Q TAQ (1)；（2）.A =(0 -2 2- 2 - 3 42 4 - 3)A =(1 2 42 -2 24 2 1)5.设是阶方阵的一个特征值，且的伴随矩阵为，试证：λ0n A (λ0E ‒A )(λ0E ‒A )*的非零列向量是的属于的特征向量.(λ0E ‒A )*A λ06.考察栖息地在同一地区的兔子和狐狸的生态模型，对两种动物的数量的相互依存的关系可用以下模型描述：{x n = 1.1x n -1-0.15y n -1，y n =0.1x n -1-0.85y n -1，n =1，2，⋯，其中分别表示第年时兔子和狐狸的数量，而分别表示基年时兔子和狐x n ，y n x 0，y 0(n =0)狸的数量，记，αn =(x ny n )n =1，2，⋯，（1）写出该模型的矩阵形式；（2）如果,求.α0=(x0y 0)=(108)αn （3）求lim n→∞αn7.设相似，求：（1），的值；（2）求正交矩阵A =(1 0 00 a 10 1 0)，B =( 1 0 00 b 00 0 -1)a b ，使得.Q Q-1AQ =B8.设向量，，且记α=(a 1，a 2，⋯，a n )T ≠0β=(b 1，b 2，⋯，b n )T≠0αT β=0，，求的所有特征值及特征向量.A =αβTA 9.设为三维单位列向量，且，令，证明与相似.α，βαT β=0A =αT β+αβTA (1-1 0)10.设三阶实对称矩阵的特征值是1,2,3，矩阵的属于特征值1,2,3的特征向量分别是A A ，.(1)求的属于特征值3的特征向量；（2）α1=(-1，-1，1)T α2=(1，‒2，‒1)T A 求矩阵.A 11.设，若为的一个特征值，求；（2）求.A =(2 0 01 2 -11 0 k ) λ=1A k An(-142)12.若存在正交矩阵，使矩阵同时相似于对角矩阵，则必有.Q A ，B AB =BA 13.设为三阶实对称矩阵，且满足条件，的秩.求的全部特征值.A A 2+2A =O A R (A )=2A 14.设，求实对称矩阵，使.A =(8 -2 -2- 2 5 4- 2 - 4 5)B A =B 215.设矩阵，求.(1 4 20 -3 40 4 3)A 201316.已知三阶矩阵相似，是的两个特征值，，计算A 与B λ1=1，λ2=2A |B |=2,其中是的伴随矩阵.|(A +E )‒1 OO ( 2B )∗|( 2B )∗2B （B ）1.设矩阵相似，相似，试证：与相似.A 与B C 与D (A O O C )(B O O D )2.已知与对角矩阵相似，求.A =(0 0 1x 1 2x -31 0 0)x 3.设是阶实幂等矩阵（即），且.A n A =A 2R (A )=r ，0<r ≤n （1）设，试证.R (A ‒E )=s ，0<s ≤n r +s =n （2）试证：；A~( 1 ⋱ 10 ⋱0)（3）求|2E -A |4.设为阶矩阵，，证明A ，B n R (A )+R (B )<n （1）是的相同特征值；λ=0A 与B （2）与的基础解系线性相关.Ax =0Bx =05.设是阶矩阵，且任一非零维向量都是的特征向量，试证：A n n A （即为数量矩阵）A =(λλ⋱λ)A 6.已知三阶非零矩阵满足，，，证明：A ，B A =A 2B 2=B AB =BA =O （1）0和1必是的特征值；A 与B （2）若的特征向量，的个特征值两两互异，若的特征向量总是的特α是A 关于λ=1A n A B 征向量，证明.AB =BA 8.设均为阶非零矩阵，且满足，，证明：A ，B n A +A 2=O B +B 2=O （1）是的特征值.-1A ，B （2）若，分别是对应于的特征向量，则线AB =BA =O ξ1，ξ2A ，B λ=-1ξ1，ξ2性无关.答案：一、填空题1.02.3a+13.-64.345.. (2 22-1)6. n -17.E8.14 7639.-1210.a 2(a -6n )11.A =(0 2 22 0 -22 -2 0)二、单选题1-5 CBCDB 6-10 DDADD 三、综合题1.（1），，的属于的特征向量；的属于λ1=1λ2=-2A λ1=1c 1(12)，c 1≠0A的特征向量.λ2=-2c 2(21)，c 2≠0（2），；的属于的特征向量为λ1=λ2=1λ3=-1A λ1=λ2=1不全为零；的属于的特征向量为c 1(101)+c 2(010)，c 1，c 2A λ3=-1c 3(-101)，c 3≠0（3），；的属于的特征向量为不λ1=λ2=2λ3=1A λ1=λ2=2c 1(101)+c 2(010)，c 1，c 2全为零；的属于的特征向量为.A λ3=1c 3(011)，c 3≠0（4）（三重）；的属于的特征向量为不全为零；λ=2A λ=2c 1(110)+c 2(-101)，c 1，c 22.（1）不相似；（2）相似；（3）相似.3.(1)；A k=13((-1)k 2k +2- 1 (-1)k +12k +1+2(-1)k 2k +1- 2 (-1)k +12k +4)（2）当为偶数时，；当为奇数时，k A k =(1 0 -1+5k0 5k 00 0 5k )k .A k =(1 4×5k -1 -1+3×5k -10 - 3×5k -1 4×5k -10 4×5k -1 3×5k -1 )。

将矩阵对角化的过程矩阵对角化是线性代数中一个重要的概念，其可以将一个矩阵变换为对角矩阵，使得矩阵的运算更加简便。

本文将介绍矩阵对角化的过程及其应用。

一、矩阵对角化的定义矩阵对角化是指将一个$n\times n$矩阵$A$与一个可逆矩阵$P$相似，即$P^{-1}AP=D$，其中$D$是一个对角矩阵。

对角矩阵是指只有对角线上有非零元素的矩阵，即$D=\begin{bmatrix}d_1&0&\cdots&0\\0&d_2&\cdots&0\\\v dots&\vdots&\ddots&\vdots\\0&0&\cdots&d_n\end{bmatrix }$，其中$d_1,d_2,\cdots,d_n$是对角线上的元素。

二、矩阵对角化的步骤对于一个给定的矩阵$A$，我们可以按照以下步骤对其进行对角化：1. 求出矩阵$A$的特征值和特征向量：设$\lambda$是矩阵$A$的一个特征值，$v$是对应的特征向量，满足$Av=\lambda v$，则特征值和特征向量可以通过解方程$(A-\lambda I)v=0$得到。

2. 构造矩阵$P$：将所有的特征向量按列组成一个矩阵$P$，即$P=[v_1,v_2,\cdots,v_n]$。

3. 求出矩阵$P^{-1}$：由于$P$是由特征向量组成的矩阵，因此其列向量线性无关，即$P$可逆，因此可以求出$P$的逆矩阵$P^{-1}$。

4. 求出对角矩阵$D$：由于$AP=PD$，因此$D=P^{-1}AP$，即$D$是$A$相似的对角矩阵。

至此，我们就完成了矩阵对角化的过程。

三、矩阵对角化的应用矩阵对角化在线性代数和其它学科中都有着广泛的应用。

以下是其中的几个例子：1. 求矩阵的幂：对于一个已经对角化的矩阵$A$，其幂可以通过对角矩阵的幂来计算，即$A^k=PD^kP^{-1}$。

矩阵对角化方法矩阵对角化方法摘要：本文给出了一种不同于传统方法的矩阵对角化方法，利用矩阵的初等变换，先求出矩阵的特征根与特征向量，接着再判断矩阵是否可对角化。

关键词：矩阵特征根特征向量对角化The Methods of the Diagonalization of the MatrixgAbstract: In this paper, the method of the diagonalization of the matrix is given, which is different from the traditional methods. According to using the elementary transformation of the matrix, first of all, The author obtains the characteristic roots and the characteristic vectors, then judge the diagonalization of the matrix.Key words: Matrix; Characteristic roots; Characteristic vectors; Diagonalization1、引言对角化后的矩阵在计算和应用等方面比一般矩阵更具优越性，而矩阵对角化方法有很多，如对于对称矩阵可以将其看成二次型所对应的矩阵，通过配方法将其化为标准形从而实现矩阵的对角化，再如通过求解特征根和特征向量方法，首先求解0||=-A E λ得特征根i λ，然后对每一个i λ，解方程组0)(=-X A E i λ得特征向量，即寻找一个可逆矩阵T ，使得Λ=-AT T 1,其中Λ为对角阵，于是可得1-Λ=T T A ，从而1-Λ=T T A n n , 在这个对角化过程中，Λ中的元素即为矩阵A 的特征根，T 中每个列向量即为矩阵A 的属于每个特征根的特征向量。

矩阵的相似对角化◼矩阵的相似对角化◼矩阵相似对角化举例矩阵的相似对角化(1)主要内容◼可相似对角化的方阵◼矩阵的相似对角化定义1设A 是数域P 上的n 阶方阵，如果存在数域P 上的可逆阵Q ，使得n Q AQ λλλ−⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭121,则称A 是可相似对角化的方阵，简称A 为()i P i n λ∈=1,2,,,可对角化.⚫可相似对角化的方阵例11101A ⎛⎫= ⎪⎝⎭取复数域C 上的二阶矩阵则A 在复数域上不能对角化.证a b Q c d ⎛⎫= ⎪⎝⎭设若不然，则存在可逆矩阵并非所有方阵都可以对角化.Q AQ λλ−⎛⎫= ⎪⎝⎭11200，λ1,λ2∈P .使AQ Q λλ⎛⎫= ⎪⎝⎭120012011001a b ab c d cd λλ⎛⎫⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭即于是比较两边元素有1212a c a a dbc cd d λλλλ+=⎧⎪+=⎪⎨=⎪⎪=⎩由于Q 可逆，再由第一式有c = 0，c ,d 不能同时为0，不妨设c ≠ 0，这导致矛盾.因此，不可能存在可逆矩阵Q 使Q -1AQ 化即A 在复数域C 上不能对角化.则有λ1=1，成对角形，(1)单位矩阵只能同单位矩阵相似.例2(2)数量矩阵也只相似于数量矩阵.因为对单位矩阵E与任何可逆矩阵P,都有P−1EP = E, P−1kEP = kE.问题：给定n阶矩阵A，如何在与A相似的所有方阵中，找出最简单的矩阵是什么？(相似标准形问题)换言之，如何寻找一个可逆矩阵Q，使Q-1AQ=B成为对角阵呢?（这一片不出现）这就是下面要讨论的主要问题.我们知道：1.单位矩阵只能同单位矩阵相似.2.数量矩阵也只相似于数量矩阵.除这两类阵矩外，再简单的矩阵就是对角矩阵.那么任何矩阵A是否都相似于一个对角矩阵呢？如果A 可相似对角化，n Q AQ λλλ−⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭121,则存在可逆阵Q 使也就是说，满足什么条件的矩阵是可以对角化的呢?若此式成立, λi 应满足什么条件呢？n AQ Q λλλ⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭12.记α1,α2, …, αn 为Q 的列向量，121212(,,,)(,,,),n n n A λλααααααλ⎛⎫ ⎪ ⎪= ⎪ ⎪⎪⎝⎭则有从而有即()()121122,,,,,,n n n A A A αααλαλαλα=从而()i i i A i n αλα==1,2,,且α1, α2, …, αn 线性无关.⚫矩阵相似变换下化为对角形定理1证明(⇐)若A 有n 个线性无关的分别属于特征值n 阶矩阵A 与对角矩阵相似⇔A 有n 个线性无关的特征向量.λ1, λ2, …, λn 的特征向量α1, α2, …, αn , 以α1, α2, …, αn 为列向量作矩阵Q =(α1, α2, …, αn ),显然Q 满秩. 且12(,,,)nAQ A A A ααα=1122(,,,)n n λαλαλα=()1212n n λλαααλ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭n Q λλλ⎛⎫ ⎪⎪= ⎪⎪⎝⎭12即n Q AQ λλλ−⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭121.(⇒)必要性由充分性逆推可得.注：证明中λ, λ2, …, λn的顺序与α1, α2, …, αn1对应.不管顺序如何，对角矩阵的主对角线元素总是A的n 个特征值.因此在不考虑顺序时，与矩阵A相似的对角阵唯一.定理1表明：一个n阶方阵A是否可以相似对角化，关键在于它是否有n个线性无关的特征向量.我们从例1可以看到，并非任何方阵都可相似对角化.问题是否任一n 阶矩阵都有n 个线性无关的特征向量呢?征值的特征向量是彼此线性无关的，有n 个线性无关的特征向量，如果A 的特征值都是单根，因为属于不同特这时A 从而A 可以对角化.推论：证若A 是复数域上的n 阶矩阵，且A 在复数域上的特征根都是单根，在复数域上可相似对角化.由于复数域上的n 次多项式必有n 个根，如果都是单根，则这n 个根互不相同.必有分别属于它们的特征向量于是，则A α1, α2, …, αn .α1, α2, …, αn 线性无关，由定理可知:A 可相似对角化. 从而该推论给出了方阵相似于对角形矩阵的一个充分条件，但不是必要条件.问题是否任一n阶矩阵都有n个线性无关的特征向量呢?如果A有重根，注意到属于A 的不同特征值的线性无关的特征向量组成的向量组是线性那么只有属于它的每个重根的线性无关的，无关的特征向量个数和该特征值的重数相等它才有n个线性无关的特征向量，这时时，A才可以对角化.补充定理在复数范围内，n阶矩阵相似于对角形矩阵的充分必要条件:每个特征值的线性无关特征向量的个数等于它的重根的次数.。