第五章 矩阵的相似对角化

矩阵的相似对角化

5.1 特征值与特征向量

1.特征值与特征向量的概念

设A是n阶矩阵，如果存在数${\lambda }_0$和n维非零列向量$\alpha$使得等式
$$A\alpha ={\lambda }_0\alpha$$

成立，则称${\lambda }_0$为矩阵A的一个特征值，$\alpha$为矩阵A属于特征值${\lambda }_0$的特征向量。

2.特征值与特征向量的求法

设A为n阶矩阵，关于变量$\lambda$的n次多项式$|\lambda E-A|=0$称为矩阵A的特征方程。

由上述分析与定义知，n阶矩阵A的特征值恰是特征方程$|\lambda E-A|=0$的根。由于一元n次方程（在复数范围）恰好有n个根，所以任意一个n阶矩阵恰好有n个特征值（可能有重复）如果${\lambda }_0$是矩阵A的特征值，齐次线性方程组$({\lambda }_{0}E-A)x=0$的全部非零解就是矩阵A属于特征值${\lambda }_0$的全部特征向量。

求矩阵的特征值的特征向量的计算步骤：

（1）计算矩阵A的特征多项式$f(\lambda )=|\lambda E-A|$;

（2）求出特征方程$|\lambda E-A|=0$的全部根，它们就是矩阵A的全部特征值；

（3）对每一个特征值${\lambda }_0$求出次线性方程$({\lambda }_{0}E-A)x=0基础解系$

$${\alpha }_1,{\alpha }_2,...{\alpha }_t,$$

则矩阵A属于特征值${\lambda }_0$的全部特征向量为
$$k_1{\alpha }_1+k_2{\alpha }_2+...+k_t{\alpha }_t,$$

其中，$k_1,k_2,...,k_t$是任意一组不全为零的常数。

3.特征值与特征向量的性质

（1）若${\lambda }_0$是矩阵A的一个特征值，$\phi (x)$是一个一元m次多项式，则$\phi ({\lambda }_0)$就是矩阵$\Phi (A)$的一个特征值。

（2）设n阶矩阵$A=(a_{ij}{)}_{m\ast n}$的全部特征值是${\lambda }_1,{\lambda }_2,...,{\lambda }_n$则
$$\begin{gathered} {\lambda }_1+{\lambda }_2+...+{\lambda }_n=a_{11}+a_{22}+...+a_{nn}=tr(A) \\ {\lambda }_1{\lambda }_2...{\lambda }_n=|A| \end{gathered}$$
这里记号tr(A)表示矩阵A的迹，其定义为A主对角线上的所有元素的和。

（3）设${\lambda }_1,{\lambda }_2,...,{\lambda }_m$是矩阵A互不相同的特征值，向量${\alpha }_1,{\alpha }_2,...{\alpha }_m$是矩阵A依次属于${\lambda }_1,{\lambda }_2,...{\lambda }_m$的特征向量，则向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_m$线性无关。

5.2相似矩阵与矩阵的对角化

1.相似矩阵的概念

设A，B都是n阶矩阵，如果存在n阶可逆矩阵P使得$P^{-1}AP=B$，则称矩阵A与B相似，记作$A\backsim B$.

2.相似矩阵的性质

（1）矩阵的相似关系具用如下三条性质

• 1 反身性：$A\backsim A$
• 2 对称性：如果$A\backsim B$，则$B\backsim A$
• 3 传递性：如果$A\backsim B,B\backsim C$,则$A\backsim C$

（2）相似矩阵有相同的特征多项式。

（3）相似矩阵有相同的特征值。

（4）相似的矩阵具有相同的特征值，但具有相同特征值的矩阵不一定相似，此外相似的矩阵还有相同的秩，相同的迹，相同的行列式。

（5）若$A\backsim B$,则$kA\backsim kB,A^T\backsim B^T,A^k\backsim B^k,A^{-1}\backsim B^{-1},A^{\ast }\backsim B^{\ast },f(A)\backsim f(B)$

（6）若存在可逆矩阵P，使$P^{-1}AP=B$,$\xi$为A的属于A的属于特征值$\lambda$的特征向量，则$\lambda$也为B的特征值，$P^{-1}\xi$对应的特征向量。

3.矩阵可以相似对角化的条件

设A为n阶矩阵，如果存在可逆矩阵P，使得$P^{-1}AP$为对角矩阵，称矩阵可以对角化，否则称矩阵A不能对角化。

（1）n阶矩阵A可以对角化的充分必要条件是A有n个线性无关的特征向量。

（2）如果n阶矩阵A有n个互不相同的特征值，则A一定可以对角化。

事实上，n阶矩阵A属于不同特征值的特征向量线性无关，所以此时矩阵A有n个线性无关的特征向量，从而可以对角化。

设A为n阶矩阵${\lambda }_1,{\lambda }_2,...,{\lambda }_s$是特征方程$|\lambda A-A|=0$的全部不同的根，它们的重数依次为$n_1,n_2,...,n_s(n_1+n_2+...+n_s=n)$这时有如下结论：

（3）n阶矩阵A可以对角化的充分必要条件是对特征值${\lambda }_i(1⪕i⪕s)$A有$n_i$个属于特征值${\lambda }_i$的线性无关的特征向量。

（4）若对某个$i(1⪕i⪕s)$,矩阵A属于特征值${\lambda }_i$的线性无关的特征向量少于$n_i$个，则矩阵A不能对角化。

4.将矩阵化为相似对角矩阵的方法

判断矩阵A能否对角化，在能对角化时将A对角化的计算步骤如下：

（1）写出矩阵A的特征多项式$f(\lambda )=|\lambda E-A|$,由特征方程$|\lambda E-A|=0$求出A的全部特征值;

（2）若对某个特征值${\lambda }_0$方程组$({\lambda }_{0}E-A)x=0$的基础解系中解向量的个数小于${\lambda }_0$重数，则矩阵不能对角化。

（3）若对每个特征值${\lambda }_1$，方程组$({\lambda }_{i}E-A)x=0$的基础解系中解向量的个数都等${\lambda }_i$的重数$n_i$,则矩阵可以对角化，这时属于特征值${\lambda }_i$的线性无关的特征向量个数为$n_i$，且$n_1+n_2+...+n_s=n$用这些特征向构成矩阵P，则P可逆，且有$P^{-1}AP$为对角矩阵A，其主对线上元素为矩阵A的特征，特征值的排序与P中特征向量的排序一致。

5.3实对称矩阵的对角化。

1.实对称矩阵特征值与特征向量的性质。
当n阶矩阵A为实矩阵时，其特征多项式$f(\lambda )=|\lambda E-A|$为实系数多项式，但特征方程$|\lambda E-A|=0$的根,即矩阵A的特征值不一定是实数。而实对称矩阵的特征值一定是实数，并且一定可以对角化。

（1）实对称矩阵的特征值是实数。

（2）实对称矩阵属于不同特征值的特征向量一定是正交的。

（3）对任意的n阶实对称矩阵A，存在n阶正交矩阵Q，使得

$$Q^{-1}AQ=\left|\begin{array}{c}{\lambda }_1,,,\\ ,{\lambda }_2,,\\ ...\\ ,,,{\lambda }_n\end{array}\right|$$

这里${\lambda }_1,{\lambda }_2,...{\lambda }_n$是A的全部特征值.

2. 用正交矩阵将实对称矩阵化为对角矩阵。

用正交矩阵将实对称矩阵对角化的步骤如下:

(1)求出实对称矩阵A的全部不同特征值${\lambda }_1,{\lambda }_2,...,{\lambda }_s$

(2)对每一个${\lambda }_i$（i=1,2,…,s）求出$({\lambda }_{i}E-A)=0$

$${\alpha }_{i1},{\alpha }_{i2},...{\alpha }_{i{n}_i}$$

正交单位化之后（单根只需单位化）得到一个正交向量组

$$p_{i1},p_{i2},...,p_{i{n}_i}$$

(3)令$Q=(p_{11},..p_{1n_1},p_{21},...,p_{2n_2},...,p_{s1},...,p_{s{n}_s})$，则Q为正交矩阵，且$Q^{-}1AQ$为对角矩阵，对角线上的元素为A的全部特征值，且特征值的排序与特征向量的排序相对应