矩阵对角化

一、矩阵对角化的理论
一个映射或者一个线性变换，都有一个矩阵和它相对应。矩阵或者映射是不是可以对角化，对工程应用来说比较重要，因为对角化后的矩阵，乘积简单，经过多次变换的话，相当于矩阵的多次方。矩阵能不能对角化，取决于它的特称向量能否构成矩阵的一个基。
1．在域 F 上的 n × n 矩阵 A 是可对角化的，当且仅当它的特征空间的维度等于 n，它为真当且仅当存在由 A 的特征向量组成的Fn的基。如果找到了这样的基，可以形成有基向量作为纵列的矩阵 P，而 P-1AP 将是对角矩阵。这个矩阵的对角元素是 A 的特征值。
2. 线性映射 T : V → V 是可对角化的，当且仅当它的特征空间的维度等于 dim(V)，它为真当且仅当存在由 T 的特征向量组成的 V 的基。T 关于这个基将表示为对角矩阵。这个矩阵的对角元素是 T 的特征值。
另一个特征化: 矩阵或线性映射在域 F 上可对角化的，当且仅当它的极小多项式在 F 上有不同的线性因子。

下列充分(但非必要)条件经常是有用的。
1. n × n 矩阵 A 只在域 F 上可对角化的，如果它在 F 中有 n 个不同的特征值，就是说，如果它的特征多项式在 F 中有 n 个不同的根。
2. 线性映射 T : V → V 带有 n=dim(V) 是可对角化的，如果它有 n 个不同的特征值，就是说它的特征多项式在 F 中有 n 个不同的根。
3. 在域 F 上的 n × n 矩阵 A，如果重根的维数等于其线性无关的特征向量的个数，则矩阵A可以对角化。
4.
二、矩阵对角化过程
下面例子中，矩阵A是对称的，它可以进行对角化，虽然它只有2个不同的特征值，但是有4个线性无关的特征向量，所以能进行对角化。
给定矩阵A，求它的特征值、特征向量，并对它进行对角化。
（1）求特征多项式，matlab命令p= poly(A)；
（2）求解特征多项式，求出特征值，solve（P）；
（3）分别将特征值带入齐次方程组，求出基础解系
（4）针对每个特征值下的基础解系，进行正交化。
（5）对正交化后的向量单位化

例子：已知

求出一正交矩阵 使 成对角形.
解：先求出的 特征值.由

即得的特征值为 &#