第2节 矩阵可对角化的条件、实对称矩阵的对角化

矩阵可以对角化的充分必要条件矩阵的对角化是线性代数中一个重要的概念，它在许多领域中都有广泛的应用。

在矩阵的对角化中，有一个非常重要的定理，即矩阵可对角化的充分必要条件。

本文将从理论和实际应用两个方面，详细介绍矩阵可对角化的充分必要条件。

一、理论介绍我们来介绍矩阵的对角化。

对于一个n阶方阵A，如果存在一个可逆矩阵P，使得P^{-1}AP为对角矩阵D，即P^{-1}AP=D，那么我们称矩阵A可对角化，且D为A的一个对角化矩阵。

接下来，我们来介绍矩阵可对角化的充分必要条件。

对于一个n阶方阵A，A可对角化的充分必要条件是存在n个线性无关的特征向量。

为了更好地理解这个条件，我们来解释一下特征向量和特征值。

对于一个n阶方阵A和一个非零向量v，如果满足Av=λv，其中λ为一个常数，那么我们称v为A的一个特征向量，λ为对应的特征值。

特征向量和特征值的概念在线性代数中非常重要，它们可以描述矩阵的性质和变换。

而矩阵可对角化的充分必要条件即存在n个线性无关的特征向量，也就是说，对于一个可对角化的矩阵A，存在n 个不同的特征值和对应的特征向量。

二、实际应用矩阵的对角化在实际应用中有着广泛的应用。

以下我们将介绍两个常见的实际应用场景。

1. 线性变换在线性代数中，矩阵可以表示线性变换。

对于一个可对角化的矩阵A，它可以通过对角化得到一个对角矩阵D。

这样，原来的线性变换就变成了对角矩阵的线性变换。

对角矩阵的线性变换非常简单，只需要对每个坐标轴进行伸缩即可。

这种对角矩阵的线性变换在计算机图形学中有着广泛的应用，可以实现图像的缩放、旋转和平移等操作。

2. 特征值问题矩阵的特征值和特征向量在特征值问题中有着重要的应用。

特征值问题是求解形如Ax=λx的问题，其中A为一个已知矩阵，x为未知向量，λ为未知常数。

矩阵可对角化的充分必要条件即存在n个线性无关的特征向量。

对于特征值问题，我们可以通过对矩阵A进行对角化，得到特征值和特征向量。

特征值问题在物理学、工程学和计算机科学等领域中有着广泛的应用。

矩阵可对角化的充要条件矩阵可对角化的充要条件矩阵是线性代数中的重要概念，它是由一组数排成的矩形阵列。

在线性代数中，对于一个给定的方阵，我们希望能够找到一个相似矩阵，使得这个方阵可以被对角化。

那么什么样的矩阵可以被对角化呢？下面我们将从多个方面来探讨这个问题。

一、基本概念1. 矩阵相似如果存在一个可逆矩阵P，使得A = PBP^-1，则称A和B相似。

其中B是一个任意的方阵。

2. 特征值与特征向量设A是n阶方阵，如果存在一个非零向量x使得Ax = λx，则称λ是A的特征值，x是A对应于λ的特征向量。

3. 对角矩阵如果一个n×n方阵只有主对角线上有非零元素，则称其为对角矩阵。

常用符号为D。

二、必要条件如果一个n×n方阵可以被对角化，则其必须满足以下条件：1. 线性无关所有特征向量必须线性无关。

2. 完备所有特征向量必须完备。

3. 重根如果有重根的特征值，则其对应的特征向量必须线性无关。

三、充分条件如果一个n×n方阵满足以下条件，则其可以被对角化：1. 存在n个线性无关的特征向量如果一个n×n方阵A有n个线性无关的特征向量，那么可以将它们组成一个矩阵P，使得A = PDP^-1，其中D是由A的特征值构成的对角矩阵。

2. 所有特征向量都是完备的如果所有特征向量都是完备的，则可以将它们组成一个矩阵P，使得A = PDP^-1，其中D是由A的特征值构成的对角矩阵。

3. 每个特征值都有足够数量的线性无关的特征向量如果每个特征值都有足够数量（等于其重数）的线性无关的特征向量，则可以将它们组成一个矩阵P，使得A = PDP^-1，其中D是由A的特征值构成的对角矩阵。

四、结论综上所述，当一个n×n方阵满足以上充分条件之一时，则该方阵可被对角化。

而当一个n×n方阵不满足以上必要条件之一时，则该方阵不可被对角化。

因此，在实际问题中，我们可以通过计算矩阵的特征值和特征向量来判断其是否能被对角化，并进一步求出对角矩阵。

实对称阵可对⾓化的⼏种证明及其推⼴实对称阵是⼀类常见的矩阵, 它与实⼆次型和实内积空间上的⾃伴随算⼦有着密切的联系. 任⼀实对称阵 A 均正交相似于对⾓阵, 即存在正交阵 P , 使得P ′AP =diag{λ1,λ2,⋯,λn }.实对称阵的这条重要性质, 通常在内积空间的框架中加以证明 (参考复旦⾼代教材第 9.5 节). 事实上, 这⼀性质既可以在引⼊矩阵可对⾓化的定义和判定准则后直接加以证明, 也可以利⽤ Jordan 标准型理论加以证明. 下⾯我们将给出实对称阵可对⾓化的⼏种证明, 为此先来证明三个简单的引理.引理 1 实对称阵的特征值都是实数.证明 设 A 为 n 阶实对称阵, λ0∈C 是 A 的任⼀特征值, α=(a 1,a 2,⋯,a n )′∈C n 是对应的特征向量, 即 A α=λ0α. 上式两边同时左乘 ¯α′, 则有 ¯α′A α=λ0¯α′α. 注意到 α 是⾮零向量, 故 ¯α′α=n∑i =1|a i |2>0. 注意到 A 为实对称阵, 故 ¯(¯α′A α)′=¯α′A α, 即 ¯α′A α 是⼀个实数, 从⽽λ0=¯α′A α¯α′α也是实数. ◻引理 2 设 A 为 n 阶实对称阵, 则 r (A )=r (A 2)=r (A 3)=⋯.证明 由⾼代⽩⽪书的例 3.72 可知 r (A )=r (A ′A )=r (A 2), 从⽽ r (A )=r (A 2m) (m ≥1). 再由矩阵相乘秩相等或变⼩的性质以及夹逼法可知 r (A )=r (A k )(k ≥1). ◻引理 3 设 A 为 n 阶实对称阵, 则 Ker A ∩Im A =0 并且 Ker A =Ker A 2=Ker A 3=⋯.证明 由引理 2 以及线性映射的维数公式即得. ◻定理 1 实对称阵可实对⾓化.证法 1 (有完全的特征向量系) 由引理 1 可设 A 的全体实特征值为 λ1,λ2,⋯,λn , 我们对特征值 λ1 来证明其代数重数等于其⼏何重数. 不失⼀般性, 可设 λ1=⋯=λm , 但 λj ≠λ1(m <j ≤n ), 即 λ1 的代数重数为 m . 由复旦⾼代教材的定理 6.1.2 及其后的注可知, 存在⾮异实矩阵 P , 使得 P −1AP =B C 0D, 其中 B 是主对⾓元为 λ1 的 m 阶上三⾓阵, D 是主对⾓元分别为 λm +1,⋯,λn 的上三⾓阵, 于是P −1(A−λ1I n )P =B −λ1I mC 0D −λ1I n −m.注意到 B −λ1I m 是主对⾓元全为零的上三⾓阵, 这是⼀个幂零阵, 故 (B −λ1I m )m =0, 从⽽P −1(A−λ1I n )m P=B −λ1I mC 0D −λ1I n −mm=0∗0(D −λ1I n −m )m.注意到 (D −λ1I n −m )m 是⼀个主对⾓元全不为零的上三⾓阵, 从⽽是⾮异阵, 于是 r ((A −λ1I n )m )=n −m . 注意到 A −λ1I n 为实对称阵, 再由引理2 可知, λ1 的⼏何重数为n −r (A −λ1I n )=n −r ((A −λ1I n )m )=n −(n −m )=m ,即⼏何重数等于代数重数.证法 2 (全空间等于特征⼦空间的直和) 任取 A 的实特征值 λ0, 由引理 3 可知Ker(A −λ0I n )=Ker(A −λ0I n )2=⋯,再由⾼代⽩⽪书的例 7.13 的证法 1 完全相同的讨论即得结论. 另外, 由 Ker(A −λ0I n )=Ker(A −λ0I n )n 可知, λ0 的⼏何重数 dimKer(A −λ0I n )等于其代数重数 dimKer(A −λ0I n )n , 即 A 有完全的特征向量系, 这⼀⽅法⽐证法 1 更加简洁.证法 3 (极⼩多项式⽆重根) 任取 A 的实特征值 λ0, 由引理 3 可知Ker(A −λ0I n )=Ker(A −λ0I n )2=⋯,()()()()再由⾼代⽩⽪书的例 7.13 的证法 2 完全相同的讨论即得结论.证法 4 (Jordan 标准型之⼀) 任取A的实特征值λ0, 由引理 3 可知Ker(A−λ0I n)∩Im(A−λ0I n)=0,再由⾼代⽩⽪书的例 7.13 的证法 3 完全相同的讨论即得结论.证法 5 (Jordan 标准型之⼆) 任取A的实特征值λ0, 由引理 2 可知r(A−λ0I n)=r((A−λ0)2), 再由⾼代⽩⽪书的例 7.14 的证法 2 完全相同的讨论即得结论.证法 6 (Jordan 标准型之三) 设P为⾮异实矩阵, 使得P−1AP=J=diag{J r1(λ1),⋯,J rk(λk)}.⽤反证法, 若A不可对⾓化, 则不妨设r1>1. 设P′P=(b ij), 则b12=b21并且b11是P的第⼀列元素的平⽅和, 由P的⾮异性可知b11>0. 注意到P′AP=P′PJ为对称阵, 但P′PJ的第 (1,2) 元为b11+λ1b12, 第 (2,1) 元为λ1b21, 这两者不相等, ⽭盾.证法 7 (内积空间理论) 参考复旦⾼代教材的定理 9.5.2 和推论 9.5.2. ◻事实上, 我们也可以这样来看. 由上⾯的讨论可知, 对任⼀n阶实对称阵A, 全空间 R n等于A的所有特征⼦空间的直和. 容易证明: 在 R n的标准内积下, A的属于不同特征值的特征向量必正交, 属于同⼀特征值的特征向量可以利⽤ Gram-Schmidt 正交化⽅法化成两两正交的单位特征向量. 因此我们可以找到A的n个两两正交的单位特征向量, 将这些向量拼成矩阵P, 则P是⼀个n阶正交阵, 使得P′AP=diag{λ1,λ2,⋯,λn}.这就是A的正交相似标准型, 它对于深⼊探讨实对称阵的正定性和半正定性有着重要的作⽤.注 1 本题是 15 级⾼代 II 每周⼀题第 10 题第 1 ⼩问以及 16 级⾼代 II 每周⼀题第 6 题. 给出上述证法的复旦数学学院学⽣为: 章俊鑫 (证法 1),何陶然 (类似证法 1), 徐钰伦 (证法 2), 杨锦⽂ (证法 2), 杨钊杰 (证法 2), 蒋亦凡 (证法 3), 胡晓波 (证法 5), 杨彦婷 (证法 5), 沈伊南 (类似证法 6).下⾯将实对称阵可对⾓化的⼏种证法进⾏适当地推⼴, 从⽽不利⽤⾣相似标准型理论也可以直接证明: 实反对称阵, Hermite 阵, 斜 Hermite 阵,正交阵, ⾣阵, 以及更⼀般的复正规阵均可复对⾓化. 这是 15 级⾼代 II 每周⼀题第 10 题第 2 ⼩问以及 17 级⾼代 II 每周⼀题第 7 题第 2 ⼩问.我们先给出前三个引理的推⼴.引理 4 Hermite 阵的特征值都是实数. 特别地, 斜 Hermite 阵 (实反对称阵) 的特征值都是 0 或纯虚数.证明 Hermite 阵情形的证明完全类似于实对称阵情形的证明 (参考引理 1). 设A为斜 Hermite 阵, 则 i A为 Hermite 阵, 从⽽ i A的特征值都是实数, 于是A的特征值都是 0 或纯虚数. 实反对称阵是⼀种特殊的斜 Hermite 阵, 故结论也成⽴. ◻引理 5 设A为n阶复正规阵, 则r(A)=r(A2)=r(A3)=⋯.证明由⾼代⽩⽪书的例 3.72 对应的复版本可知: 对任意的m×n阶复矩阵A, 有r(A)=r(¯A ′A)=r(A¯A′).特别地, 若A是 Hermite 阵, 则r(A)=r(A2), 再仿照引理 2 的证明即得结论. 若A是复正规阵, 即A ¯A′=¯A′A, 注意到A¯A′是 Hermite 阵, 故有r(A2)=r(A2¯A2′)=r(AA¯A′¯A′)=r(A¯A′A¯A′)=r((A¯A′)2)=r(A¯A′)=r(A),再仿照引理 2 的证明即得结论. ◻引理 6 设A为n阶复正规阵, 则 Ker A∩Im A=0 并且 Ker A=Ker A2=Ker A3=⋯.证明由引理 5 以及线性映射的维数公式即得. ◻定理 2 复正规阵可对⾓化. 特别地, 实反对称阵, Hermite 阵, 斜 Hermite 阵, 正交阵, ⾣阵均可复对⾓化.证明定理 1 的证法 1--证法 5 可完全平⾏地改写⽤于证明定理 2; 定理 1 的证法 6 适当地修改之后可以证明: 实反对称阵, Hermite 阵,斜 Hermite 阵均可复对⾓化; 我们把具体的证明过程留给感兴趣的读者⾃⾏完成. 证法 7 可参考复旦⾼代教材的定理 9.6.2 和定理 9.6.3. ◻注 2 本⽂中的相关思想可推⼴为⼀般的可对⾓化判定准则, 具体的内容请参考教学博⽂ [3].参考⽂献[1] ⾼代教材: 姚慕⽣, 吴泉⽔, 谢启鸿编著, ⾼等代数学 (第三版), 复旦⼤学出版社, 2014.[2] ⾼代⽩⽪书: 姚慕⽣, 谢启鸿编著, 学习⽅法指导书: ⾼等代数 (第三版), 复旦⼤学出版社, 2015.Processing math: 100%。

矩阵对角化公式矩阵对角化是线性代数中的重要概念，它提供了一种将一个矩阵表示为对角矩阵的方法，使得矩阵的运算更加简化。

在本文中，我们将介绍矩阵对角化的基本概念、判定条件以及计算方法。

1. 矩阵对角化的基本概念一个n×n矩阵A可对角化，意味着存在一个可逆矩阵P和一个对角矩阵D，使得A=PDP^{-1}。

其中，D是由A的特征值组成的对角矩阵。

2. 判定矩阵可对角化的条件一个n×n矩阵A可对角化的条件是：- 矩阵A有n个线性无关的特征向量；- 矩阵A的每个特征值都有对应的正交归一化特征向量。

3. 计算矩阵的特征值和特征向量要计算一个矩阵A的特征值和特征向量，可以遵循以下步骤：- 计算矩阵A的特征多项式det(A-λI)，其中λ是一个未知数，I是单位矩阵；- 解特征多项式的根，即特征值λ；- 将特征值代入方程A-λI的解空间中，求解特征向量。

4. 矩阵对角化的计算过程对于可对角化的矩阵A，可以按以下步骤进行对角化：- 对矩阵A进行特征值分解，得到特征矩阵V和对角矩阵D；- 计算可逆矩阵P，使得A=V^{-1}DVP；- 可以通过相似变换将矩阵A对角化，P表示变换矩阵。

5. 对角化与矩阵的性质对角矩阵的特点是非常简单的，可以很容易地计算幂、指数和逆矩阵等运算。

因此，对角化使得矩阵的运算更加简化。

6. 矩阵对角化的应用矩阵对角化在许多领域都有广泛应用，包括物理、工程和数据分析等。

例如，在量子力学中，矩阵对角化可以把含有多个粒子态的哈密顿矩阵表示成一组分立的单粒子能级。

总结：矩阵对角化是线性代数中一个重要的概念，它提供了将一个矩阵表示为对角矩阵的方法。

这篇文章介绍了矩阵对角化的基本概念、判定条件及计算方法，还讨论了对角化的计算过程、矩阵的性质以及应用领域。

对角化简化了矩阵的运算，并且在许多领域有广泛的应用。