线性代数笔记5.2相似矩阵 可对角化条件

最新推荐文章于 2022-10-17 07:03:52 发布
最新推荐文章于 2022-10-17 07:03:52 发布
阅读量1.4k 收藏 2
点赞数 2
分类专栏： 线性代数笔记 文章标签： c++ 容器 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50026222/article/details/121656648
版权

5.2相似矩阵 可对角化条件

相似

A,B是n阶方阵，存在n阶可逆P 有P逆AP = B 那就可以说A相似B

性质

反身性

对称性

传递性

在这里插入图片描述## 相似矩阵的性质

  1. 若A、B相似，则AB有相同的特征值，A,B有相同的行列式，A,B有相同的迹，但是相同特征值矩阵不一定相似
  2. 若A,B相似，则A,B同时可逆或同时不可逆，A逆与B逆也是相似的
  3. 若A,B相似，则A的m次与B的m次也相似
  4. 两矩阵相似，秩相同

具体看下图
在这里插入图片描述
在这里插入图片描述

矩阵与对角形相似的条件

定理

A相似与对角形等价于A有n个线性无关的特征向量
在这里插入图片描述
推论

若A有n个互异的特征根，则A相似于对角形

这个定理大题几乎没用

在这里插入图片描述

判断是否相似与对角形，关键就在看A是否有n个线性无关的特征向量；而要点是看根的重数是否等于特征向量的个数
在这里插入图片描述完整期末考例题
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

被遗忘在角落的死小孩
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
证明：当且仅当 AB=BA 时，可对角化矩阵 A 与 B 具有相同的特征向量
夏树让的博客
05-21 1万+
当且仅当 AB=BA 时，可对角化矩阵 A 与 B 具有相同的特征向量 也就是说， AB=BAAB=BAAB=BA 是 两个可对角化矩阵 A 与 B 具有相同特征向量的充分且必要条件。 先证 必要性： 假设可对角化矩阵 A 与 B 具有相同的特征向量，那么 A 与 B 拥有相同的对角化矩阵 S （由特征向量构成）使得满足：A=SΛ1S−1A = S\Lambda_1S^{-1}A=SΛ1​S−1 以及 B=SΛ2S−1B=S\Lambda_2S^{-1}B=SΛ2​S−1。其中的 Λ\LambdaΛ 代表由
矩阵的相似对角化
rgbhi的博客
04-10 1万+
矩阵相似的定义
证明n阶方阵A可相似对角化的充要条件是A有n个线性无关的特征向量
include的博客
11-23 5527
证明n阶方阵A可相似对角化的充要条件是A有n个线性无关的特征向量证明：必要性：已知A可以相似对角化，则存在可逆矩阵PP−1AP=(λ1λ2…λn)AP=P(λ1λ2…λn)对P的每列进行分块，有P=[x1∣x2∣…∣xn]，于是有A[x1∣x2∣…∣xn]=[x1∣x2∣…∣xn](λ1λ2…λn)[Ax1∣Ax2∣…∣Axn]=[λ1x1∣λ2x2∣…∣λnxn]有Axi=λixi因为P可逆，所以xi线性无关，可知A有n个线性无关特征向量充分性：已知A有n个线性无关的特征向量，Axi=λixi，xi线性无
线性代数｜证明：矩阵可以对角化的充要条件是矩阵有n个线性无关的特征向量
长行
10-17 3073
线性代数学习笔记
线性代数期末复习
weixin_45696704的博客
12-24 1万+
行列式（一定是方阵） （一）行列式概念和性质（一定是方阵） 1、逆序数：所有的逆序（大的数在小的数前面）的总数 2、行列式定义：不同行不同列元素乘积代数和，是一个数 3、行列式的性质：（都可以用来化简行列式进行计算） （1）行列互换（转置），行列式的值不变 （2）两行（列）互换，行列式变号（一定不要忘记了） （3）一行（列）乘k加到另一行（列），行列式的值不变。 （4）提公因式：行列式的某一行（列）的所有元素都乘以同一数k，等于用数k乘此行列式 （5）拆列分配：行列式中如果某一行（列）的元素都是两组数之和，
MIT线性代数笔记 (到正定矩阵)
最新发布
03-01
博主在学习MIT教材前已经完成了对国内教材的学习，因此在矩阵计算的熟练度方面较有信心，对教材的理解也更全面，因此不仅入门同学可以阅读该笔记，对线代稍有基础的小伙伴也可以阅读学习，增加对于线性代数本质的...
p2 矩阵消元 MIT线性代数手写 课程笔记 .pdf
01-09
MIT线性代数手写 课程笔记
线性代数笔记.pdf
08-30
总结线性代数的各种概念、性质及定理、总结线性代数的各种概念、性质及定理、总结线性代数的各种概念、性质及定理
线性代数超强笔记，可用于期末复习，考研等
02-13
「线性代数超强笔记，可用于期末复习，考研等」线性代数超强笔记，可用于期末复习，考研等线性代数超强笔记，可用于期末复习，考研等线性代数超强笔记，可用于期末复习，考研等线性代数超强笔记，可用于期末复习，...
线性代数 基础入门 学习笔记
04-21
这是作者大一下学期在学习《线性代数》时整理的学习笔记 参考用书主编王东老师 赵海霞老师 北京大学出版社 当时的出发点是因为早先了解过线代的知识点比较繁琐，难度不大，但是需要理清的知识点很多 因此就随堂和课...
线性代数(六)：相似对角化
AlbertM的博客
07-25 6065
本文章介绍矩阵相似的定义以及可相似对角化的充要条件及相关定理
矩阵的对角化（Diagonalizing a Matrix ）
Daniel_djf的专栏
03-26 2万+
如果一个矩阵时一个上三角、下三角或者对角矩阵，这个带来很大的方便。但是往往很多矩阵都不是对角矩阵，本文就来介绍如何使用特征值和特征向量把一个矩阵变成对角矩阵！ 1.对角化 我们假设一个n*n的矩阵有n个线性无关的特征向量x1，x2....，xn，所有的向量组成一个特征向量矩阵S，则为特征值矩阵Λ： 证明：根据特征值和特征向量的定义我们有： 我们把矩阵AS拆分成S乘以Λ：
矩阵可相似对角化的条件
热门推荐
qq_42578970的博客
06-20 8万+
矩阵可以对角化的条件为有n个线性无关的特征向量，具体判断为 1.实对称矩阵必定可以相似对角化 2.如果特征值两两互不相同或，那么也可以立马断定矩阵可以相似对角化 3.如果有k重特征值λ，那么n-r(λE-A)=k，因为只有这个等式成立，才能说明特征值取λ时有k个线性无关的解向量，即特征向量 ...
矩阵可对角化的充要条件及证明
do it
10-14 4万+
对角化：若方阵A相似于对角矩阵，即存在可逆矩阵P和对角矩阵D，有，则称A可对角化。 可对角化的充要条件： n*n阶矩阵A可对角化的充分必要条件是矩阵A有n个线性无关的特征向量。 充分性证明： 设A的n个线性无关的特征向量为，对应的特征值为，特征向量构成矩阵P=[].则： 将对角矩阵记为D，则上式可化简为AP = PD。因为n个特征向量线性无关，所以P=[]可逆，所以，即A可对角化。 ...
矩阵可对角化的条件
wwxy1995的博客
05-29 3万+
总结：对于任意方阵，如果没有重根，矩阵总是可以对角化。麻烦的是重根问题 如果有重根，那么需要验证所谓几何重数，与代数重数相等。 那么对于有重根，不能对角化的矩阵怎么办？这就引入了Jordan标准型的故事。 因此从应用的角度来说，线性代数最重要的就是矩阵的对角化。由矩阵对角化的推广就引出了奇异值分解和Jordan标准型。 ...
【线性代数】5.3,5.4 矩阵对角化
weixin_45725295的博客
08-20 613
目录相似矩阵矩阵对角化 相似矩阵 定义：设A\bold AA、B\bold BB都是nnn阶矩阵，若有可逆矩阵P\bold PP，使得 P−1AP=B,\bold P^{-1}\bold A\bold P=\bold B,P−1AP=B,则称B\bold BB是A\bold AA的相似矩阵。 性质：若nnn阶矩阵A\bold AA与B\bold BB相似，则A\bold AA与B\bold BB的特征多项式相同，从而A\bold AA与B\bold BB的特征值亦相同。 性质：如果nnn阶矩阵A\bold
线性代数中相似矩阵P逆AP=B，那么PAP逆=B吗？
懵逼是一种状态的博客
10-13 8258
百度知道
相似矩阵、矩阵的相似对角化
Bing's Blog
10-19 2万+
相似矩阵的定义A,B都是n阶矩阵。若存在可逆矩阵P，使得P−1AP=BP^{-1}AP=B,则称A相似于B，记作A∼BA \sim B。 特殊的，如果A∼Λ,Λ是对角矩阵A \sim \Lambda, \Lambda 是对角矩阵, 则称A可以相似对角化。Λ\Lambda是相似标准形。矩阵可相似对角化的充要条件 n阶矩阵A可对角化 ⟺\Longleftrightarrow A有n个线性无关的特征向
相似矩阵对角化 | 找到一个可逆矩阵 P 使得 P^(-1)AP 成为一个对角矩阵
陌雨’的博客
11-25 1万+
发现网上这方面的资料很少，特整理如下
MIT 线性代数笔记
09-11
MIT线性代数笔记是一本关于线性代数的笔记，其中包含了方程组几何解释、矩阵消元、乘法和逆矩阵、A的LU分解、转置-转换-向量空间等内容。这本笔记的内容以PDF格式呈现。 在笔记中还介绍了矩阵与线性映射之间的关系，每个矩阵A对应一个从Rm到Rn的线性映射。我们可以对矩阵A进行化简，得到特征值构成的对角矩阵，从而得到不同基下的表示，这样可以简化问题或者看到问题的本质。 另外，笔记中还提到了特征值和特征向量的概念，即解耦和对角化的过程。 笔记中还涉及到矩阵ATy的运算，其中AT是矩阵A的转置，y是一个向量。这个运算可以表示为AT与y的乘积，求得的结果是一个向量。 最后，笔记中还介绍了基尔霍夫定律和投影的概念，基尔霍夫定律指出节点电流之和为0，投影是一种将一个向量映射到另一个向量的过程。 综上所述，MIT线性代数笔记是一本涵盖了方程组几何解释、矩阵消元、乘法和逆矩阵、A的LU分解、转置-转换-向量空间等内容的笔记，同时还介绍了矩阵与线性映射、特征值和特征向量、基尔霍夫定律、投影等概念。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值