浅谈矩阵对角化.docVIP

浅谈矩阵对角化 内容 :本文对矩阵对角化做了 一些概括和 分析，并结合几个典型的应用实例列举了对角化矩阵 的应用，反映出可对角化矩阵在某些问题的研究中所 起的重要作用。 关键词:线性代数;矩阵;对角化;应用 :013 :A 线性代数是讨论代数学中线性关系经典理论的课 程，它具有较强的抽象性和逻辑性，是高等学校工科各 专业的一门重要的基础理论课,它对培养一个人的逻 辑思维能力、抽象思维能力、计算能力、推理能力都 起着非常重要的作用。由于线性问题广泛存在于科学 技术的各个領域,而某些非线性问题在一定条件下可 以转化为线性问题，因此线性代数中的矩阵所介绍的 思想和方法广泛应用于各个学科，尤其在计算机日益 普及的今天。 一、矩阵的对角化 在“线性代数”中，我们知道根据方阵A的多项式 f(A)=O,往往可以较容易地求得A的特征值取值范围，但 A的每个特征值的重数,A是否可以对角化却不得而知 例如A2=A，A特征值的取值范围为0,1;我们可以证明A 可以对角化;同样A2=E,A特征值的取值范围为1、-1;A 也可以对角化。但A2=0,A其0时,A的特征值均为0，A 却不能对角化。本文将给出f(A)=0时，A可以对角化的 一个充分条件。 为了叙述方便起见，下面先给出两个著名的关于 的矩阵秩的结论作为引理。 引理1:设A，B均为n阶方阵，则: 秩(A+B) 秩(A)+秩(B) 引理2:(Sylvester公式)设A，B均为n阶方阵，则： 秩(A)+秩(B)彡 n+秩(AB) 从线性代数原理我们可以得到很多关于Sylvester 定理的证明方法。反复应用Sylvester定理，进一步可证 得Sylvester定理更一般的形式，即 引理3:设A1，A2…As均为n阶方阵，则： 秩(Al)+秩(A2)秩 秩(Al)+秩(A2) 命题1:设A为n阶方阵、A2=A、则A可以对角化。 命题2:设A为n阶方阵，A2=E，则A可以对角化。 可得到下面2个结论。 设A为n阶方阵，入1乒入2,且(A-入1E)(A-入2E)=0, 则A可以对角化。 设A为n阶方阵,人1人2…入s两两互不相等，使 得:(A-入1E)(A-入2E)…(A-入sE)=O则A可以对角化。 例1:设n阶方阵A满足A3-5A2+6A=0、则A可以对 角化;并且 秩(A)+秩(A-2E)+秩(A-3E=2n 证明:由 A3-5A2+6A=0 可得 A(A-2E)(A-3E)=0 从而可知:A可以对角化;并且秩(A)+秩(A-2E)+秩 (A-3E)=2n 另外还有一种方式,即在可对角化的前提下要确 定矩阵所相似的对角矩阵，关键是确定其特征值及其 重数。 若， 即入=0是A的n-1重特征值,入=0 T ct是A的单非 零特征值。此时A满足定理条件，故A相似于对角矩阵, 其中0的个数为n-1个。 类似地，若n阶矩阵A的秩r(A)=n-l(n》3),则 r(A*)=l,于是当All+A22+*”Ann=0时,A*有n重特征值 0,其对应的线性无关特征向量取为A的n-1个线性无 关的列向量1— n-1,故A*没有n个线性无关的 特征向量，因此A*不能对角化。而当A11+A22+…+Ann 类0时、A*有n-1重特征值0及单非零特征值 A11+A22+…+Ann关0、此时A*满足定理条件、所以A*相 似于对角矩阵 diag(0，.,0,All+A22+.+Ann)，其中 0 的 个数为n-1个。 二、对角化矩阵的应用 可对角化矩阵作为一类特殊的矩阵，在理论上和 应用上都有着十分重要的意义，例如求方阵的高次幂、 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、在向量空间、线性变换等 方面都有应用。 下文笔者结合实际问题的应用实例。 例2:有甲、乙两个地区，甲地每年有30%的人迁入 乙地，乙地每年有20%的人迁入甲地，设甲地人口 60万， 乙地人口 40万，且两地区总人口保持不变、问5年后甲 地及乙地人口分别是多少?经过很长时间后，两地人口 的分布是否会趋于一个“稳定状态”？ 解:第一年后、甲地人口 0.7X60+0.2X40=50; 乙地人口 0.3X60+0.8X40=50 我们可以把上面的计算写成矩阵的乘积， 即，记 那么第5年后两地人口可由A5x给出，为计算出 A5,我们先将A对角化，矩阵A的特征值为1和1/2,它 们对应的特征向量分别为［2,3］T和［1,-1］T 令，则，可得 所以，5年后甲地有40.625万人、乙地有59.375万 人。n年后两地人口由Anx给出、 为得到经过很长时间后的人口分布情况，我们取n -oo时的极限， 因此，经过很长时间后，两地人口的分布会趋于稳 定，且甲地有40万人,乙地有60万人。 ： ［1］ 晏玲莉.在《线性代数》课中补充应用题的体会