当前位置：文档库 › 矩阵可对角化的判定条件开题报告

矩阵可对角化的判定条件开题报告

开题报告

矩阵可对角化的判定条件

选题的背景、意义

矩阵最初是作为研究代数学的一种工具提出的,但是经过两个多世纪的发展,现在已成为独立的一门数学分支?矩阵论。矩阵论又可分为矩阵方程论、矩阵分解论和广义逆矩阵论等矩阵的现代理论。矩阵及其理论现已应用于自然科学、工程技术、社会科学等许多领域。如在观测、导航、机器人的位移、化学分子结构的稳定性分析、密码通讯、模糊识别、计算机层析及 X 射线照相术等方面都有广泛的应用。随着现代数字计算机的飞速发展和广泛应用,许多实际问题可以通过离散化的数值计算得到定量的解决。于是作为处理离散问题的线性代数和矩阵计算,成为从事科学研究和工程设计的科技人员必备的数学基础。

矩阵是一个重要的数学工具,不仅在数学中有广泛的应用,在其他学科中也经常遇到。它在二十世纪得到飞速发展,成为在物理学、生物学、地理学、经济学等中有大量应用的数学分支,现在矩阵比行列式在数学中占有更重要的位置。

矩阵对角化是矩阵论的重要组成部分,在矩阵论中占有重要的作用,研究矩阵对角化问题很有实用价值,关于矩阵对角化问题的研究,这方面的资料和理论已经很多。但是他们研究的角度和方法只是某个方面的研究,没有进行系统的分类归纳和总结。因此,我就针对这方面进行系统的分类归纳和总结,对一些理论

进行应用和举例,给出算法。特别给出了解题时方法的选择。

矩阵的应用在现代社会中是十分广泛的,本文围绕有限维线性空间上的线性变换对角化问题与矩阵可对角化相互转换进行研究.根据矩阵的多项式对矩阵对角化问题进行判断,这种方法不仅为探讨矩阵对角化提供了一个简便的工具,也把矩阵和有限维空间相结合.在现代科技中,很多问题都是运用此类方式。

矩阵对角化问题只是矩阵理论中的一个小问题,但是一个基础问题,这样矩阵可对角化作为矩阵理论里的最基础的知识,就显得格外的重要.通过对《高等代数》,《科学计算方法》等有关资料的查阅和分析研究,为我们对判定矩阵的可对角化的条件提供了相关依据和理论.

文献[1]和[2]介绍了广义逆矩阵和一类特殊矩阵可对角化的判定条件,利用子空间关于矩阵的最小多项式研究了矩阵可广义对角化的充要条件,给出了一种更简单的判别仅有两个互异特征根的矩阵与对角阵相似以及求特征向量的方法。

文献[3]总结了利用循回阵的性质找出一个矩阵可对角化的充要条件。任意阶矩阵可以对角化的充要条件是相似于一个阶循回阵, 形式最简单的矩阵是对角阵。矩阵对角化是线性变换和化二次型到主轴上问题中经常遇到并需要解决的一个关键问题,但不是任何一个阶矩阵都可以对角化。

文献[4]总结了对矩阵的计算中用到了对角化的性质。该文详细地分析了Doolittle LU分解过程,基于分解过程的特点,在MPI(Message-Passing interface)并行环境下,提出了按直角式循环对进程进行任务分配的并行求解方法。实验证明该方法可以有效地减少进程间数据通信量,从而加快计算速度。

文献[5]?[7] 阐述了矩阵可对角化的条件以及对实对称矩阵的可对角化,

从幂等阵及可交换阵的性质出发,讨论了矩阵可对角化的条件,并给出了矩阵只有两个特征值的特殊情况下可对角化的一种简单判别方法。矩阵可对角化在求矩阵的高次幂中有重要应用,矩阵的对角化有多种判别方法,定义了分块矩阵的初等变换与初等分块矩阵,给出了非满秩情况下分块矩阵可以对角化的条件。

文献[8]-[11]在以往关于矩阵可对角化的判定条件的基础上,利用矩阵可以对角化的判定,以及求矩阵的线性无关的特征向量完全可以归纳为矩阵乘法的原理,使得矩阵的特征值与特征向量同步求解,从而得出矩阵可对角化更为直接的简单判定,通过讨论n阶方阵可对角化的充要条件来简化对其的判断过程,在研究实矩阵三角化计算方法的基础上给出了复系数矩阵上双对角化的一种通用计算方法,以及方阵的另一种解释。

文献[12]?[15]作者引入了线性变换可亚对角化的定义,并给出了线性变换可亚对角化的充要条件,对多判定条件加以改进,得出更为直接的简单判定对角化的条件。

二、研究的基本内容与拟解决的主要问题

本文研究的基本内容为:

一、引言,主要包括课题研究的背景、研究意义等。

二、特殊矩阵的可对角化,包括方阵,单位矩阵,广义逆矩阵,实对称矩阵等等的求法。

三、n阶矩阵的可对角化,包括求特征值,特征向量,n阶矩阵最小多项式的算法。

四、矩阵的分解,包括LU分解,Doolittle分解和Crout分解型,

运用矩阵分析的相关知识,可以很好分析可对角化的思路,有助于提高判

定的有利条件和提高解题的速度。具备一定的专业外语知识和一定的计算方法能力,同时,具备一定的求解能力,能够运用数学软件,例如:Matalab等软件,对矩阵可对角化进行求解分析。

三、研究的方法与技术路线、研究难点,预期达到的目标

一、先采用文献研究法,搜集和阅读大量的相关文献,了解国内外的研究现状,吸收新理念,并对资料进行分类整理。再通过实例分析,对实际矩阵进行分析、总结特殊矩阵的判定方法。

二、研究的主要难点,如何找到恰当的方法,如何选择最简单的计算步骤对矩阵进行可对角化的判定,并求解。

三、预期达到的目标,通过本课题的研究,学习用求特征值和特征向量的基本方法对矩阵进行处理,将其矩阵对角化的思想应用于实际,能够对大数据进行合理分解与计算,提高对矩阵对角化的分析判断能力。

四、论文详细工作进度和安排

第七学期第10周至第11周:收集资料,阅读相关文献,形成系统材料,完成文献综述;翻译相关问题的外文文献。

第七学期第12周至第14周:深入分析问题,建立研究和解决问题的基本方案和技术路线,撰写开题报告,修改定稿,签署意见;上交文献综述、开题报告,外文翻译。

第七学期第15周至第16周:全面开展课题研究,按照研究方案和路线指导学生撰写论文,完成论文初稿。

第八学期第1周至第8周:在导师的指导下,对论文进行第一次修改。

第八学期第9周至第12周:对论文进行第二次修改,并完善定稿。

第八学期第13周至第15周:做好毕业论文答辩准备事项,进行答辩。

五、主要参考文献

[1] 王新哲,蒋艳杰. 矩阵广义对角化的探讨[J]. 大学数学,2009,4:140-144.

[2] 张力宏,辛大伟.一类特殊矩阵可对角化的判别及特征向量的求法[J]. 大学数学, 2008,(4):134-136.

[3] 曲春平.矩阵可对角化的充分必要条件[J] .辽宁省交通高等专科学校学报,2003,(3):50-51.

[4] 黄明游,刘播,徐涛.数值计算方法[M] .北京:科学出版社,2005.

[5] 丘维声.高等代数(上)[M] .北京:清华大学出版社,2005.

[6] 贺福利,万小刚,许德云.关于矩阵可对角化的几个条件[J] .高等函授学报,2004,(1):14-16.

[7] 李大林.分块矩阵的对角化方法[J] .柳州职业技术学院学报,2002,(2):64-67.

[8] 朱靖红,朱永生.矩阵对角化的相关问题[J] .辽宁师范大学学报,2005,(3):383-384.

[9] 王治萍.试论n阶方阵的可对角化问题[J] .高等教育与学术研究,2009, 12 :158-160.

[10] 高英.复系数矩阵的双对角化方法[J] .高校讲坛,2009, 23:548.

[11] 辛向军,吕红杰.谈谈方阵的对角化教学[J] .四川教育学院学报,2009,1:115-116.

矩阵的判定条件

关于矩阵正定的若干判别方法数学学院数学与应用数学（师范）专业 2010级赵明尖指导教师吴春摘要:矩阵的正定性是矩阵论中的一个重要概念,研究矩阵的正定性一直都是矩阵分析领域中非常热门的课题。本文主要讨论了矩阵的定义、性质以及正定性。全文一共分为两章,第一章,主要阐述矩阵的正定性的定义以及性质；第二章,主要讨论了正定性矩阵的定义判别法和定理判别法。关键词:正定矩阵；定义；性质；判定 Abstract: The positive definiteness of matrix is an important concept in theory of the matrix, Studying positive definiteness of the matrix is always a very popular topic in the area of analysis of the matrix. We mainly discuss the definition, property and positive definiteness of matrix in this paper .The text is divided into two chapters, and the first chapter, we mainly expound the definition and property of the positive definiteness of the matrix; the second chapter, we mainly discuss discriminating method of the definition and the theorem of the positive definiteness of matrix. Key words: positive definiteness of the matrix；definition；property；discrimination 1 引言代数学是数学中的一个重要分支，矩阵是高等代数中的重要组成部分，而正定矩阵在矩阵论中占有十分重要的地位。而且正定矩阵部分的应用非常广泛，n阶实正定矩阵在正定理论中占有非常重要的地位。正定矩阵在物理学，概率论以及优化控制论中都得到了重要的应用，另外在数值计算科学中也经常用到正定矩阵的知识。比如线性方程组的高斯-塞德尔迭代法就是在方程组的系数是正定矩阵的情况下对任意初始向量是收敛的。但是随着数学本身及应用矩阵的其他学科或领域（数学规划，现代控制等）的发展，普通矩阵越来越不能满足其应用需要，于是正定矩阵引起了国内外学者的广泛关注并做出了许多重要的研究工作，本文在前人研究的基础上对正定矩阵的性质及判定做了进一步的讨论研究，获得了一些

一般矩阵可逆的判定

一般矩阵可逆的判定 Good （11统计数学与统计学院 1111060231）摘要：作为一张表，矩阵的运算规则具有特殊性。在运算的过程中，逆矩阵则是作为矩阵乘法的逆运算而存在的。由于矩阵乘法的逆运算仅限于方阵，故而逆矩阵又作为一项特殊的矩阵除法运算而存在。对于矩阵的运算来说，逆矩阵是不可缺少的一部分。在以线性代数为基础的研究中，逆矩阵是解决实际问题的一个最直观，最实用的工具。然而在实际研究中，并不是所有方阵都存在逆矩阵，那么对于矩阵可逆的判定就显得极其重要了。关键字：n阶方阵A；A≠0；r A=n；?λn≠0；AB=BA=I n 0 引言逆矩阵是矩阵乘法逆运算的结果。这个逆运算的过程被作为矩阵运算的一部分而不可或缺。对于所有矩阵而言，只有方阵中可逆的那部分才存在逆矩阵；就好像四边形一样，只有当矩形的四边相等才能被叫做正方形。然而也就是这很特殊的一小部分，它的运用却充斥着所有与线性代数相关的领域。比如：物理学，经济学，统计学，数学，社会管理学等等。对于矩阵的运算来说，逆矩阵的运算至关重要。由于矩阵在实际运用中具有的重要作用，而逆矩阵对于矩阵来说又具有重要的作用。在以矩阵为研究对象的研究过程中，研究逆矩阵也就有了很重要的意义。对于研究逆矩阵的过程中，“什么样的矩阵才可逆？”是值得深讨的问题。就像求四边形中的正方形一样，要求正方形，最基本的前提就是：四边形必须是矩形。只有四边形满足四个内角都是90度的时候，四边形才称的上是矩形。而对于矩形来说，只有满足矩形的四条边都相等时，这样的矩形才能被称为正方形。对于矩阵可逆来说，一个矩阵要可逆，最基本的前提：必须满足矩阵的行列相等，矩阵必须是一个方阵才行。研究方阵的可逆，对于实际应用才存在实际意义。那么对于方阵来说，又需要满足什么样的条件，方阵才可逆呢？本文也就是从可逆矩阵的判定条件入手，着重分析可逆判定的充要条件。最后介绍几种常用的求解逆矩阵的方法。 1 矩阵的概念 1.0矩阵的定义定义1：令F是一个数域，用F上的m×n个数a ij(i=1,2,?,m;j=1,2,?,n)排成m行n列的矩阵列，则称为m×n阵，也称为一个F上的矩阵，简记为A mn。 A=a11a12 a21a22 ?a1n ?a2n ?? a m1a m2 ?? ?a mn 1.1逆矩阵的定义定义2：设A是数域F上的n阶方阵，若数域F上同时存在一个n阶方阵B,使得 AB=BA=I n 则称B是A的逆矩阵，记作：B=A?1。

04 矩阵的对角化

第四讲矩阵的对角化对角矩阵的形式比较简单，处理起来较方便，比如求解矩阵方程Ax b =时，将矩阵A 对角化后很容易得到方程的解。以前我们学习过相似变换对角化。那么，一个方阵是否总可以通过相似变换将其对角化呢？或者对角化需要什么样的条件呢？如果不能对角化，我们还可以做哪些处理使问题变得简单呢？一、特征征值与特征向量 1. 定义：对n 阶方阵A ，若存在数λ，及非零向量（列向量）x ，使得Ax x λ=,则称λ为A 的特征值，x 为A 的属于特征值λ的特征向量。 ☆ 特征向量不唯一； ☆ 特征向量为非零向量； ☆ ()0I A x λ-=有非零解，则det()0I A λ-=，称

det()I A λ-为A 的特征多项式。例1 12 22122 2 1A ????=?????? ，求其特征值和特征向量。【解】1 22 det()2 122 21 I A λλλλ----=------ 2 (1)(5)λλ=+-，特征值为 121λλ==-，35λ=，对于特征值1λ=-，由 ()0I A x --=， 1232222220222ξξξ?? ??????=???????????? ， 1230ξξξ++= ， 312ξξξ=-- ，

可取基础解系为 1101x ?? ??=?? ??-?? ，2011x ????=????-??，所以属于特征值1λ=-的全部特征向量为 1122k x k x + ，其中12,k k 为不全为零的数. 对于特征值5λ=，由 (5)0I A x -=， 1234222420224ξξξ--?? ??????--=????????--???? ， 123ξξξ== ，可取基础解系为 3111x ?? ??=?????? ，所以属于特征值1λ=-的全部特征向量为 33k x ，其中3k 为非零的数. 2. 矩阵的迹与行列式

矩阵可对角化的判定条件开题报告

矩阵可对角化的判定条件开题报告开题报告矩阵可对角化的判定条件选题的背景、意义矩阵最初是作为研究代数学的一种工具提出的,但是经过两个多世纪的发展,现在已成为独立的一门数学分支?矩阵论。矩阵论又可分为矩阵方程论、矩阵分解论和广义逆矩阵论等矩阵的现代理论。矩阵及其理论现已应用于自然科学、工程技术、社会科学等许多领域。如在观测、导航、机器人的位移、化学分子结构的稳定性分析、密码通讯、模糊识别、计算机层析及 X 射线照相术等方面都有广泛的应用。随着现代数字计算机的飞速发展和广泛应用,许多实际问题可以通过离散化的数值计算得到定量的解决。于是作为处理离散问题的线性代数和矩阵计算,成为从事科学研究和工程设计的科技人员必备的数学基础。矩阵是一个重要的数学工具,不仅在数学中有广泛的应用,在其他学科中也经常遇到。它在二十世纪得到飞速发展,成为在物理学、生物学、地理学、经济学等中有大量应用的数学分支,现在矩阵比行列式在数学中占有更重要的位置。矩阵对角化是矩阵论的重要组成部分,在矩阵论中占有重要的作用,研究矩阵对角化问题很有实用价值,关于矩阵对角化问题的研究,这方面的资料和理论已经很多。但是他们研究的角度和方法只是某个方面的研究,没有进行系统的分类归纳和总结。因此,我就针对这方面进行系统的分类归纳和总结,对一些理论

进行应用和举例,给出算法。特别给出了解题时方法的选择。矩阵的应用在现代社会中是十分广泛的,本文围绕有限维线性空间上的线性变换对角化问题与矩阵可对角化相互转换进行研究.根据矩阵的多项式对矩阵对角化问题进行判断,这种方法不仅为探讨矩阵对角化提供了一个简便的工具,也把矩阵和有限维空间相结合.在现代科技中,很多问题都是运用此类方式。矩阵对角化问题只是矩阵理论中的一个小问题,但是一个基础问题,这样矩阵可对角化作为矩阵理论里的最基础的知识,就显得格外的重要.通过对《高等代数》,《科学计算方法》等有关资料的查阅和分析研究,为我们对判定矩阵的可对角化的条件提供了相关依据和理论. 文献[1]和[2]介绍了广义逆矩阵和一类特殊矩阵可对角化的判定条件,利用子空间关于矩阵的最小多项式研究了矩阵可广义对角化的充要条件,给出了一种更简单的判别仅有两个互异特征根的矩阵与对角阵相似以及求特征向量的方法。文献[3]总结了利用循回阵的性质找出一个矩阵可对角化的充要条件。任意阶矩阵可以对角化的充要条件是相似于一个阶循回阵, 形式最简单的矩阵是对角阵。矩阵对角化是线性变换和化二次型到主轴上问题中经常遇到并需要解决的一个关键问题,但不是任何一个阶矩阵都可以对角化。文献[4]总结了对矩阵的计算中用到了对角化的性质。该文详细地分析了Doolittle LU分解过程,基于分解过程的特点,在MPI(Message-Passing interface)并行环境下,提出了按直角式循环对进程进行任务分配的并行求解方法。实验证明该方法可以有效地减少进程间数据通信量,从而加快计算速度。文献[5]?[7] 阐述了矩阵可对角化的条件以及对实对称矩阵的可对角化,

状态转移矩阵判定条件小论文

摘要：状态转移矩阵是现代控制理论的重要概念，在线性控制系统的运动分析中起着重要的作用。分别对连续时间线性时变系统、离散时间线性定常系统以及离散时间线性时变系统的状态转移矩阵进行了研究。根据常微分方程和差分方程解的唯一性，得到了判断矩阵函数是某一线性系统状态转移矩阵的充分条件，以及如何求出其对应的系统矩阵的方法。状态转移矩阵是现代控制理论的重要概念,在线性控制系统的运动分析中起着重要的作用。文献[1-8] 对线性系统的状态转移矩阵(包括连续时间线性定常系统、连续时间线性时变系统、离散时间线性定常系统、离散时间线性时变系统)进行了详细而深人的介绍。通常情况下，判断矩阵函数是某一连续时间线性时不变系统的状态转移矩阵的充要条件会在之前的工作中给出。本文对连续时间线性时变系统、离散时间线性定常系统、离散时间线性时变系统的状态转移矩阵进行了进一步的研究。根据常微分方程和差分方程解的唯一性，得到了判断矩阵函数是某一线性系统状态转移矩阵的充分条件,并求出了其对应的系统矩阵。 1预备知识考虑连续时间线性时变系统、离散时间线性定常系统和时变系统，它们的齐次状态方程分别为：其中差分方程部分如下：为了给出判断矩阵函数是某一线性系统状态转移矩阵的充分条件,需要用到下面的引理。引理1状态转移矩阵是下列矩阵微分方程初值问题的解,且解是唯一的[5]：引理2状态转移矩阵是下列矩阵差分方程初值问题的解：

引理3状态转移矩阵是下列矩阵差分方程初值问题的解: 2.1判定结果

2.2讨论定理1 ~3给出了判定矩阵函数是某一线性系统状态转移矩阵的充分条件，也给出了计算其对应的系统矩阵的公式。由状态转移矩阵的性质可知对连续系统，定理1的条件也是必要的;但对于离散系统，由于状态转移矩阵不能保证必为非奇异[2]，所以定理2和定理3的条件不是必要的。但对于连续时间线性系统的时间离散化系统，无论其为时不变或时变系统，状态转移矩阵必为非奇异[2]，此时定理2和定理3 的条件是充分必要的。定理1 ~3给出的条件是非常容易验证的，可使用比较流行的Matlab工具进行验证，因而这些充分条件是有效的。 3结束语本文对线性系统的状态转移矩阵进行了进一步的讨论,针对连续时间线性时变系统、离散时间线性定常系统和离散时间线性时变系统，分别给出了函数矩阵是某一线性系统状态转移矩阵的充分条件。这些条件是非常容易验证的,因而是有效的,并通过例子说明了结论的正确性。参考文献 [1 ]王高雄,周之铭,朱思铭,等.常徽分方程[M].2版.北京:高等《自动化仪表》 [2] 郑大钟.线性系统理论[M].2版.北京:清华大学出版社，2002. [3] 刘豹,唐万生.现代控制理论[M].2版.北京:机械工业出版社， 2005. [4] 施颂椒,陈学中,杜秀华.现代控制理论基础[M].北京:高等教育出版社，2007. [5] 王孝武.现代控制理论基础[M].2版.北京:机械工业出版社， 2006. [6] 白素英四种计算方法的比较[J].数学的实践与认识，2008 , 38(2) ：156-158. [7] 徐进.常系数齐次线性微分方程组基解矩阵的求解[J].江汉大学学报：自然科学版,2005,33(4): 17-19. [8] 黄承绪.矩阵指数函数的一些性质[J].武汉理工大学学报:交通科学与工程版,2001,25(2) ；147 -149.

矩阵可对角化的条件.

第二节矩阵可对角化的条件定义1 如果矩阵能与对角矩阵相似，则称可对角化。例1设，则有：，即。从而可对角化。定理1 阶矩阵可对角化的充分必要条件是有个线性无关的特征向量。证明：必要性如果可对角化，则存在可逆矩阵，使得将按列分块得，从而有

因此有，所以是的属于特征值的特征向量，又由可逆，知线性无关，故有个线性无关的特征向量。充分性设是的个线性无关的特征向量，它们对应的特征值依次为，则有。令，则是一个可逆矩阵且有：因此有，即，也就是矩阵可对角化。注若，则，对按列分块得，于是有，即，从而。可见，对角矩阵的元素就是矩阵的特征值，可逆矩阵就是由的线性无关的特征向量所构成的，并且特征向量的顺序依赖于对角矩阵。定理2 矩阵的属于不同特征值的特征向量是线性无关的。

证明：设是的个互不相同的特征值，是的属于特征值的特征向量，现对作数学归纳法证明线性无关。当时，由于特征向量不为零，因此定理成立。假设的个互不相同的特征值对应的个特征向量是线性无关的。设是的个互不相同的特征值，是的属于特征值的特征向量。又设 (1) 成立。则有，又将(1)式两边同乘得：从而有,由归纳假设得，再由两两互不相同可得 ,将其代入(1)式得，因此有，从而线性无关。推论1 若阶矩阵有个互不相同的特征值，则可对角化，且。定理3 设是阶矩阵的个互异特征值，对应于的线性无关的特征向量为，则由所有这些特征向量（共个）构成的向量组是线性无关的。

证明：设，记，，则有，且或是的属于特征值的特征向量。若存在某个，，则由属于不同特征值的特征向量线性无关知，矛盾。因此有，,又由已知得 ,,因此向量组线性无关。定理4设是阶矩阵的一个重特征值，对应于的特征向量线性无关的最大个数为，则，即齐次线性方程组的基础解系所含向量个数不超过特征值的重数。证明：用反证法。由于是的属于特征值的特征向量当且仅当是齐次线性方程组的非零解，因此对应于的特征向量线性无关的最大个数与齐次线性方程组的基础解系所含向量个数相等。设是齐次线性方程组的一个基础解系,且假设,则有。现将扩充为一个维线性无关向量组,其中未必是的特征向量，但有是一个维向量，从而可由向量组线性表示，即：因而有：

矩阵可对角化的充分必要条件论文

学号 20080501050116 密级兰州城市学院本科毕业论文矩阵可对角化的充分必要条件学院名称：数学学院专业名称：数学与应用数学学生姓名：练利锋指导教师：李旭东二○一二年五月

BACHELOR'S DEGREE THESIS OF LANZHOU CITY UNIVERSITY Matrix diagonalization of the necessary and sufficient condition College : Mathematics Subject : Mathematics and Applied Mathematics Name : Lian Lifeng Directed by : Li Xudong May 2012

郑重说明本人呈交的学位论文，是在导师的指导下，独立进行研究工作所取得的，所以数据、资料真实可靠。尽我所能，除文中已经注明应用的内容外，本学位论文的研究成果不包含他人享有的著作权的内容。对本论文所涉及的研究工作做出的其他个人和集体，均已在文中以明确的方式标明。本学位论文的知识产权归属于培养单位。本人签名 : 日期 :

摘要矩阵是否可以对角化，是矩阵的一条很重要的性质。对相似可对角化的充分必要条件的理解，一直是线性代数学习中的一个困难问题。本文给出了矩阵可对角化的几个充分必要条件和相应的证明。关键词：方阵；特征值；特征向量；对角化

ABSTRACT Matrix diagonalization is a very important nature of matrix．Understanding the necessary and sufficient conditions of similarity can be diagonalized , has been a difficult problem in linear algebra．In this paper, several necessary and sufficient conditions and the corresponding proofs of matrix diagonlization have been given． Key words：square；eigenvalue；eigenvector；diagonalization

矩阵可对角化的总结

矩阵可对角化的总结莆田学院数学系02级1班连涵生21041111 ［摘要］：主要讨论n级方阵可对角化问题：（1）通过特征值，特征向量和若尔当标准形讨论方阵可对角化的条件；（2）实n 级对称矩阵的可对角化讨论；（3）几个常见n 级方阵的可对角化讨论。［关键词］：n级方阵；可对角化；相似；特征值；特征向量；若尔当标准形；n级实对称矩阵说明：如果没有具体指出是在哪一个数域上的n级方阵，都认为是复数域上的。当然如果它的特征多项式在某一数域K上不能表成一次多项式的乘积的话，那么在此数域上它一定不能相似对角阵。只要适当扩大原本数域使得满足以上条件就可以。复数域上一定满足，因此这样假设，就不用再去讨论数域。引言所谓矩阵可对角化指的是矩阵与对角阵相似，而说线性变换是可对角化的指的是这个线性变换在某一组基下是对角阵（或者说线性变换在一组基下的矩阵是可对角化的），同样可以把问题归到矩阵是否可对角化。本文主要是讨论矩阵可对角化。定义1：设A，B是两个n级方阵，如果存在可逆矩阵P，使P-1AP=B，则称B与A相似，记作A～B。矩阵P称为由A 到B的相似变换矩阵。[]1[]2[]3[]4

定义2：设A 是一个n 级方阵，如果有数λ和非零向量X ，使AX=λX 则称λ是矩阵A 的特征值，X 称为A 的对应于λ的特征向量，称{|}V A λααλα==为矩阵对应于特征值λ的特征子空间。[] 1[]2[]3[] 4 定义3：设A 是数域P 上一个n 级方阵，若多项式 ()[]f x P X ∈，使()0f A =则称()f x 为矩阵A 的零化多项式。[] 2 定义4：数域P 上次数最低的首项为1的以A 为根的多项式称为A 的最小多项式。[] 1[]2[] 3 一、首先从特征值，特征向量入手讨论n 级方阵可对角化的相关条件。定理1：一个n 级方阵A 可对角化的充要条件它有n 个线性无关的特征向量。[] 1[]2[]3[] 4 证明：必要性：由已知，存在可逆矩阵P ，使 1 2 1 n P AP λλλ-????? ?=??????即12n AP P λλλ?? ????=????? ? 把矩阵P 按列分块，记每一列矩阵为 12,,,n P P P 即 12[,,,]n P P P P = 于是有

不可约M-矩阵的一种判别法

不可约M-矩阵的一种判别法许晓玲 (闽江学院数学系，福建，福州350108) 关晋瑞 (厦门大学数学科学学院，福建，厦门361005) 摘要：本文中我们提出了一个判定不可约M-矩阵的实用算法，给出了相应的理论分析，并用数值算例展示了该算法的有效性和优越性。关键词：M-矩阵；判别法；不可约中图分类号：O151.21 1 引言 M-矩阵是一类很重要的特殊矩阵，自1937年由Ostrowski 提出之后，由于它的重要性和优美的性质，得到了深入的研究和广泛的应用。从那时起，新的性质和等价条件不断被发现，1977年Plemmons 在[11]中总结的非奇异M-矩阵的等价条件已有40个，在后来的专著 [2]中又扩充到多达50个。另一方面，M-矩阵的应用十分广泛，数学上应用在矩阵理论，微分方程数值解，Markov 链，线性互补问题，线性方程组迭代法等问题中，其他学科如物理，生物，经济中也有着广泛的应用。这方面的详细内容可参考[2][7][8][15]。下面我们给出M-矩阵的定义及一些基本性质，主要来自[2] [15]。记{}()|0,n n n ij ij A a a i j ?==∈≤?≠。对任意的n A ∈，我们总可以将A 表示为A cI B =-，其中0c ≥为常数，0B ≥是一个非负矩阵。若()c B ρ≥，我们称A 是一个M-矩阵。特别的，当()c B ρ>时称A 是一个非奇异M-矩阵，当()c B ρ=时称A 是一个奇异M-矩阵。关于非奇异M-矩阵我们有下面几个常见的等价条件。定理1.1 设n A ∈，则下列各条件等价： (1) A 是一个非奇异的M-矩阵； (2) A 可逆，且1 0A -≥； (3) 存在0x >，使得0Ax >； (4) A 的任意特征值都有正实部；

矩阵可对角化的判定条件及推广

矩阵可对角化的判定条件及推广数学与计算机科学学院数学与应用数学（S ）学号：2011031103 姓名：方守强指导教师：梁俊平摘要：矩阵是否可以对角化，是矩阵的一条很重要的性质。对相似可对角化的充分必要条件的理解，一直是线性代数学习中的一个困难问题。本文给出了矩阵可对角化的几个充分必要条件和相应的证明。关键词：方阵；特征值；特征向量；对角化引言：矩阵是高等代数中的重要组成部分，是许多数学分支研究的重要工具。而对角矩阵作为矩阵中比较特殊的一类，其形式简单，研究起来也非常方便。研究矩阵的对角化及其理论意义也很明显，矩阵相似是一种等价关系，对角化相当于对一类矩阵在相似意义下给出了一种简单的等价形式，这对理论分析是方便的。相似的矩阵拥有很多相同的性质，比如特征多项式、特征根、行列式……如果只关心这类性质，那么相似的矩阵可以看作是没有区别的，这时研究一个一般的可对角化矩阵，只要研究它的标准形式——一个对角形矩阵就可以了。而对角矩阵是最简单的一类矩阵，研究起来非常方便。在本课题中通过阅读参考文献、查阅相关资料，初步总结出了矩阵可对角化的若干充分必要条件，并给予了相应的证明过程。一、矩阵可对角化的概念 1 特征值、特征向量的概念定义1 设A 是数域P 上线性空间V 的一个线性变换, 如果对于数域P 中的一个数0λ存在一个非零向量ε使得ελε0=A ,那么0λ称为A 的一个特征值，而 ε 称为A 的属于特征值0λ的一个特征向量。求方阵A 的特征值与特征向量的步骤： (1)由特征方程A E -λ=0求得A 的n 个特征值，设t λλλ,,,21 是A 的互异特征值,其重数分别为t n n n ,,,21 则n n n n t =+++ 21。

对角占优矩阵的判定条件

龙源期刊网 https://www.wendangku.net/doc/442191122.html, 对角占优矩阵的判定条件作者：田素霞来源：《科技视界》2014年第26期【摘要】本文介绍了α-对角占优矩阵的概念，给出了广义严格对角占优矩阵新的判定条件，改进和推广了先前有关文献的相应的结果. 【关键词】广义对角占优矩阵;α-对角占优矩阵;判定条件对角占优矩阵及M-矩阵是计算数学和矩阵理论研究的重要课题之一。本文利用α-对角占优矩阵给出了广义对角占优矩阵和分块对角占优矩阵的判定条件，改进和推广了文1-3的结果。设A=（a■）∈C■，N={1，2，…n}=N■∪N■，N■∩N■=Φ，记∧■（A）=■a■，Si（A）=■aji 定义1 设A=（a■）∈C■，若aii>∧■（A）（？坌■∈N），则称A为严格对角占优矩阵;若存在正对角矩阵X使得AX为严格对角占优矩阵，则称A为广义严格对角占优矩阵. 定义2 设A=（a■）∈C■，若存在α∈（0，1]使aii>α∧■（A）+（1-α）S■（A）（？坌■∈N），则称A为严格α-对角占优矩阵;若存在正对角矩阵X使得AX为严格α-对角占优矩阵，则称A为广义严格α-对角占优矩阵. 定义3 设A=（a■）∈Z■=（a■）│a■≤0，i≠j;i，j∈N，若A=sI-B，s>ρ（B），其中：B为非负矩阵，ρ（B）为B的谱半径，则称A为非奇异M-矩阵;若A的比较矩阵M（A）=（mij）为非奇异M-矩阵，则称A为非奇异H-矩阵，其中：设A=（a■）∈C■，把A分块为：这里A■（1≤i≤k）为ni阶方阵，■n■=n 定义4 设A=（a■）∈C■，分块如（1），若A■（1≤i≤k）均非奇异，且：则称A为块对角占优矩阵;如果（2）的所有不等号为严格不等式，则称A为块严格对角占优矩阵;若存在正对角矩阵X使得AX为块严格对角占优矩阵，则称A为广义块对角占优矩阵. 设A=（a■）∈C■，分块如（1），且A■（1≤i≤k）均非奇异，构造B如下：引理1[1] 设A=（a■）∈C■，若A为严格α-对角占优矩阵，则A为广义严格对角占优矩阵.

矩阵的对角化的应用

矩阵的对角化的应用摘要：矩阵是高等代数中的一个重要的基本概念，是代数学的一个主要研究对象。对角矩阵作为一种特殊的矩阵，在理论研究和矩阵性质推广中有重要意义。本文对可对角化矩阵做出了全面的概括和分析，并利用高等代数和线性代数的有关理论给出了矩阵可对角化的若干条件，同时也讨论了化矩阵为对角形的求解方法，最后总结出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；相似一、概念所谓矩阵可对角化指的是矩阵与对角阵相似定义1：如下形式的n×n矩阵= 称为对角矩阵简记为 =diag(,,,) 定义2：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3：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4：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5：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6:设A,B为数域P上的两个n级矩阵，如果存在数域P上的n级可逆矩阵X 使得B=AX，则称A相似于B，记为A B，并称由A变到B得变换为相似变换，称X为相似变换矩阵。二〃矩阵对角化条件常用的充要条件（1）可对角化当且仅当有个线性无关的特征向量；（2）可对角化当且仅当特征子空间维数之和为；（3）可对角化当且仅当的初等因子是一次的；（4）可对角化当且仅当的最小多项式无重根。[2-5] 三. 实对称矩阵对角化的一种简化方法设是实对称矩阵，求正交矩阵使的问题，一般方法可简述为：（1）求特征值；（2）求对应的特征向量；（3）将特征向量正交标准化；（4）写出及.

M矩阵判定定理及证明

M 矩阵的性质、判定定理及证明一、M 矩阵背景介绍： 1、M 矩阵是计算数学中应用极其广泛的矩阵类。M 矩阵是L 矩阵的一种，M 矩阵要求它自身的逆矩阵为一个非负矩阵。 2、首先，L 矩阵的定义为：若A 一个n*n 的方阵，若0>ii a 而 ≤ij a (i ≠j)，则称A 为L 矩阵。 3、关于M-矩阵的一篇最早的论文发表于1887年，Stieltje 证明了一个具有非正非对角元的，非奇异对称对角占优矩阵的逆是一个非负矩阵。之后，1937年Ostrowski 提出M 矩阵的定义为：具有非正非对角元，且逆是非负矩阵。近年来，国内外的许多数学工作者对M 矩阵判定方法的研究都极为重视，并开展了深入的研究工作，给出了许多判定方法。但就目前的研究成果来看，所提出的M 矩阵的判定方法仅是、且仅能对M 矩阵作整体判定，这对高阶矩阵来说，在计算上较为困难，判定方法难以实现，因而现有M 矩阵的判定方法存在着相当大的局限性。二、M 矩阵的概念定义1 设n n ij a A ?=)(，且0≤ij a ，j i ≠，01≥-A ，称A 为M 矩阵。定义2 设n n ij a A ?=)(，且0≥ij a ，若1-A 为M 矩阵，则称A 为逆M

矩阵。引理1 如果n n ij a A ?=)(，且0≤ij a ，j i ≠，A 为M 矩阵的充要条件是A 可做三角分解，R L A ?=,其中L 为下三角阵，R 为上三角阵，L 和R 的主对角元都是正值。三、M 矩阵的判定定理与证明定理1 若n n ij a A ?=)(为M 矩阵，则R L A ?=，其中下三角阵L 和上三角阵R 的主对角线元素为正，且其余元素为非正值。证明若A 为M 阵，则当j i ≠，0≤ij a ；j i =，0>ij a 。由引理1，A 可做三角分解R L A ?=。设 ????????????=nn n n l l l l l l L 21222111000 ， ? ???? ? ??????=nn n n r r r r r r R 00 022211211 则?????? ??????+++++=nn nn n n n n n n n r l r l r l r l r l l r l r l r l r l r l r l r l A 1122 21211112212122221221112111112111111，故0,,1111211≤n r l r l 。因011>l ，故0,,112≤n r r ；因,0,0,,111111121>≤r r l r l n 故0,,121≤n r r ；因 022321231≤+r l r l ，故02221≤r l ，从而021≤l ；因023221321≤+r l r l ，故023≤r 。类似的有02≤i r ，02≤i l （n i ,,5,4 =）。又因有0343324321421≤++r l r l r l 及 0334323421341≤++r l r l r l 故相应有014≤r ，043≤l 。类似的有03≤i r ，0 3≤i l （n i ,,6,5 =）。假设k n =时有0≤ik l ，0≤ki r ，（n k i ,,1 +=），当1+=k n 时，由于 02,11,12,,12,22,12,11,1≤++++++++++++++k k k k k k k k k k k k r l r l r l r l ，故02,1≤++k k r 。又由于

矩阵对角化的步骤例题

矩阵对角化的步骤例题 1. 【将矩阵A=(12 先求特征值：|λE-A|=|（λ-1 -2 3）(1 λ-4 3) (-1 2 λ-5)|=（λ-2）^2（λ-6）=0所以特征值λ1=λ2=2，λ3=6求特征向量：当λ=2时：λE-A=(1 -2 3) (1 -2 3) (-1 2 -3)解得特征向量分别为：ξ1=(-3 0 1) ξ2=(2 1 0)当λ=6时，λE-A=(5 -2 3) (1 2 3) (-1 2 1)特征向量为ξ3=(1 1 -1)所以P=(-3 2 1) (0 1 1) (1 0 -1)矩阵对角化：P的逆AP=(2 0 0)(0 2 0)(0 0 6)对角矩阵为（2 0 0）(0 2 0)(0 0 6)。 2. 矩阵对角化问题,题目和答案都在这,麻烦写一遍过程,结果是怎么搞设矩阵A的特征值为λ那么 |A-λE|= 3-λ6 6 0 2-λ0 -3 -12 -6-λ =(2-λ) [（3-λ）（-6-λ）+18] =(2-λ)（3+λ）λ=0 解得λ=0,2,-3

λ=0时，A-0E= 3 6 6 0 2 0 -3 -12 -6 r2/2,r3+r1,r1/3 ~ 1 2 2 0 1 0 0 -6 0 r1-2r2,r3+6r2 ~ 1 0 2 0 1 0 0 0 0 得到特征向量（-2,0,1）^T λ=2时，A-2E= 1 6 6 0 0 0 -3 -12 -8 r3+3r1

~ 1 6 6 0 0 0 0 6 10 r1-r3,r3/6，交换r2r3 ~ 1 0 -4 0 1 5/3 0 0 0 得到特征向量（4,-5/3,1）^T λ=-3时，A+3E= 6 6 6 0 5 0 -3 -12 -3 r2/5,r1/6,r3+3r1,r3+9r2,r1-r2 ~ 1 0 1 0 1 0 0 0 0 得到特征向量（-1,0,1）^T

2016考研数学矩阵正定判定的五个充要条件

2016考研数学矩阵正定判定的五个充要条件考研数学如何取得高分？以下老师为各位同学整理了提高考研数学成绩的三个技巧，供大家参考，希望能对大家复习备考有帮助！考研数学复习是建立在对基本的东西很深刻的理解的基础上的，单纯多做题可能会多见识一些题型，但对于一些很灵活有新意的题目就可能无法应对，这和点石成金的故事是一样的道理。而这种能力的培养却来自于老老实实地将基础打牢，这一点上要摒弃那种急功近利的想法，不论是考研还是成就一番事业，要想成功，首先要沉得住气，有一个长远的打算，而不是做一天算一天，同时要善于控制事情发展的节奏，不论太快抑或太慢都不好，你都得去考虑为什么会这样，怎样去解决。一个人不论处于顺风还是逆风，都要学会不断的去跟自己出难题，不断地去反省自己，自己主动把握自己的命运，他才能最后成功。在忙碌的考研复习中，或许你正在忙于大量的复习知识，或许你已投入无尽的题海，或许你还在为一道道题而苦恼，或许你还在因为复习不见成效而沮丧。但是，不知忙于埋头复习的你有没有发现，不是你的能力不够强，而是你对如何复习还不熟练。我们的最终目的是提高复习效果，提高复习效果的途径大致可以分为两种：一是调整数学整体的素质和能力，更好的驾驭考研;二是理解复习的每一个环节，掌握复习方法，将自己已有的潜能和水平发挥到极致。矩阵正定是针对对称矩阵而言的，在数一、数二、数三的考试中，主要是实对称矩阵。矩阵的正定与对应的二次型正定是等价。下面就从矩阵对应的二次型正定和矩阵自身正定两个角度进行讨论。

把握良好的进取心态，将长久以来复习的知识融会贯通，力争在最后的战场上保持做题的最佳能力，合理利用时间调整自己，切忌心烦气躁，忧心忡忡，让自己在最后的拼搏中赢得最后的胜利。最后祝愿大家考研取得好成绩！

矩阵的对角化

矩阵的对角化（李体政徐宗辉） ● 教学目标与要求通过学习，使学生明白为什么要进行矩阵的对角化, 并且熟练掌握一般方阵对角化的方法, 特别是实对称矩阵的对角化方法. ● 教学重点与难点教学重点：一般方阵可以对角化的条件及其对角化; 实对称矩阵的对角化. 教学难点：求正交矩阵，使实对称矩阵化为对角矩阵. ● 教学方法与建议先引入相似矩阵的概念, 通过分析相似矩阵的性质, 让学生看到: 讨论方阵与一个对角矩阵相似(在本节中我们称为矩阵的对角化)的问题是非常有意义的, 从而提出矩阵对角化的两个核心问题: (1) 对于任何一个方阵,是否一定可以对角化(即存在性问题); (2) 对于一个方阵,若可以对角化,那么如何进行对角化. 围绕这两个问题,完成本节课的教学任务. ● 教学过程设计 1. 问题的提出我们先引入相似矩阵的概念: 定义1: 对于阶数相同的方阵A 和B , 若存在可逆方阵P , 使得 1 P AP B -= 则称矩阵A 与B 相似, 记为A B , 而对A 进行的运算1 P AP -称为对A 进行的相似变换, 可逆方阵P 称为把A 变为B 的相似变换矩阵. 利用相似矩阵的定义及前面的知识不难得出如下结论: 性质1: 设 A B , 则有 1) A B =; 2) ()()r A r B =; 3) I A I B λλ-=-, 从而具有相同的特征值. 说明: 性质1表明, 假如矩阵A 与B 相似, 则A 与B 具有相同的行列式、相同的秩以及相同的特征值. 而且很自然地推出, 若A 与一个对角矩阵Λ相似, 那么Λ的主对角线元素恰好就是A 的n 个特征值. 考虑到对角矩阵是一类性质优良的矩阵, 我们进一步会

矩阵对角化方法的研究

目录摘要 ........................................................................................................................................... I Abstract. ................................................................................................................................. II 第一章绪论 (1) 1.1 引言 (1) 1.2 预备知识 (1) 1.2.1 可对角化概念及判断是否可对角化相关知识： (1) 1.2.2 相关结论知识： (2) 第二章矩阵对角化方法探究 (5) 2.1 矩阵对角化的方法 (5) 2.1.1 一般矩阵的3种对角化方法 (5) 2.1.2 实对称矩阵的对角化 (10) 第三章运用 (14) 3.1 已知特征值和特征向量，求原矩阵 (14) 3.2 计算方阵的高次幂 (14) 参考文献: (17) 致谢 (18) .

矩阵对角化方法的研究学生：胡邦群指导教师：何聪教师摘要对角矩阵是矩阵中形式最为简单但其地位却十分重要，因此对矩阵对角化问题的研究很有价值。本文主要介绍了对于一般矩阵的3种对角化方法并对实对称矩阵的对角化方法以及对角矩阵的运用做了相关补充，同时配例题加以阐述。关键词: 特征值；特征向量；可对角化；矩阵初等变化；正交变换；线性无关

矩阵的对角化

摘要矩阵的对角化指的是矩阵与对角矩阵相似，而形式最简单的对角矩阵在矩阵理论中占有重要地位，因此研究矩阵的对角化问题是很有实用价值的．矩阵是否可以对角化，是矩阵的一条很重要的性质。对相似可对角化的充分必要条件的理解，一直是线性代数学习中的一个困难问题。目前对于矩阵可对角化的条件，矩阵对角化的方法和矩阵对角化的运用都有了较为全面和深入的研究。在归纳总结前人的基础之上，先给出了与对角化相关的概念，其次讨论了矩阵对角化的几个等价条件，最后总结了一些有关矩阵对角化的应用。关键词：方阵；特征值；特征向量；对角化

Abstract Matrix diagonalization refers similarity matrix and a diagonal matrix, The simplest form of a diagonal matrix plays an important role in matrix theory, Therefore Matrix diagonalization problem is very practical value. Whether matrix diagonalization matrix is a very important property. To be similar to the necessary and sufficient condition for understanding keratosis, has been one of linear algebra learning difficulties. At present more comprehensive and in-depth study of the matrix can be diagonalized conditions, matrix methods and the use of matrix diagonalization diagonalization of everything. In summarizing the basis of their predecessors, with the first given diagonalization related concepts, followed by discussion of the matrix diagonalization of several equivalent conditions and, finally, the application of some of the matrix diagonalization. Keywords: square; characteristic value; eigenvectors; diagonalization

矩阵可对角化的判定条件开题报告

矩阵的判定条件

一般矩阵可逆的判定

04 矩阵的对角化

矩阵可对角化的判定条件开题报告

状态转移矩阵判定条件小论文

最新对角化矩阵的应用本科

矩阵可对角化的条件.

矩阵可对角化的充分必要条件论文

矩阵可对角化的总结

不可约M-矩阵的一种判别法

矩阵可对角化的判定条件及推广

对角占优矩阵的判定条件

矩阵的对角化的应用

M矩阵判定定理及证明

矩阵对角化的步骤例题

2016考研数学矩阵正定判定的五个充要条件

矩阵的对角化

矩阵对角化方法的研究

矩阵的对角化