矩阵的可对角化和其应用2.docVIP

矩阵的可对角化及其应用 摘 要：矩阵可对角化问题是矩阵理论中的一个重要问题，本文通过利用高等代数的有关理论给出了矩阵可对角化的若干条件，并讨论了化矩阵为对角形的具体求解方法，同时给出了可对角化矩阵在求方阵的高次幂﹑利用特征值求行列式的值﹑由特征值和特征向量反求矩阵﹑判断矩阵是否相似﹑向量空间﹑线性变换等方面的应用. 关键词：对角化；特征值；特征向量；相似；线性变换 Matrix diagonolization and its application Abstract: Matrix diagonolization problem is an important problem in matrix theory diagonolization matrix, as a kind of special matrix, in theory and application has the extremely vital significance. This paper has made diagonolization matrix analysis and generalization, and using higher algebra and linear algebra are given the relevant theory of matrix several conditions diagonolization, also discussed the matrix of the diagonal shape of solving method, and finally summarized; diagonolization matrix in high power, the policy of using eigenvalue beg determinant by characteristic value and value, feature vector reverse matrix, judgment matrix is similar, vector Spaces, the application of linear transformation, etc. Key words: The diagonalization; Eigenvalue; Feature vector; Similar; Linear transformation 一、预备知识： 定义：设V是P上的线性空间，是V上的一个变换，如果对任意V和P都有，则称为V的一个线性变换． 定义2：设是数域P上线性空间V的一个线性变换，如果存在P中的一个数和V中非零元素使得，则称为的一个特征值，而称为的属于特征值的一个特征向量，由的属于特征值的全部特征向量再添上零元素构成的集合构成V的一个子空间，称为的一个特征子空间． 定义3：标准形的主对角线上非零元素称为的不变因子． 定义：把矩阵A（或线性变换）的每个次数大于零的不变因子分解成互不相同的首项为1的一次因式方幂的乘积，所有这些一次因式方幂（相同的必须按出现的次数计算）称为矩阵A（或线性变换）的初等因子． 定义5：设A是数域P上的n级矩阵，如果数域P上的多项式f(x)使得f(x)=0，则称f(x)以A为根，在以A为根的多项式中，次数最低且首项系数为1的多项式称为A的最小多项式． 定义:设A,B为数域P上的两个n级矩阵，如果存在??域P上的n级可逆矩阵X使得B=，则称A相似于B，记为AB，并称由A变到B的变换为相似变换，称X为相似变换矩阵． 矩阵可对角化问题是矩阵理论中最基本的问题，下面先给出矩阵可对角化的几种判定定理. 定理1：矩阵A可对角化当且仅当A有n个线性无关的特征向量． 推论1：如果在n维线性空间V中，线性变换的特征多项式在数域P中有n个不同的根，那么在某组基下的矩阵是对角形的． 推论2：在复数域上的线性空间中，如果线性变换的特征多项式没有重根,那么在某组基下的矩阵是对角形的． 例1：已知在一组基下的矩阵为，试问A是否可对角化？ 解：由于所以特征值为。由的特征值为7，-2互异，故A可对角化． 定理：设线性空间V上的n维线性变换的全部不同特征值是，则可对角化的充分与必要条件为V=． 证明：必要性，设所对应的矩阵可对角化，即存在V的一组基，使在这组基下的矩阵为。互不相同，显然，，，对于任一向量，则这里，，于是．下证就是的一组基，显然只需证每个与特征根相应的特征向量都可由线性表出，先将分解，即，如果，那么是的属于特征根的特征向量，并且不能全为零。设其中只有，是中的k个元素，那么，这显然矛盾，故即．同理可证与相应的一组基向量是的一组基，，与相对应的一组基向量是V的一组基，故V=．