矩阵相似及其应用

第三章矩阵对角化、若当标准型

第三章矩阵的对角化、若当标准型 §3.1 矩阵对角化线性变换在基下的矩阵若为对角阵，则向量在基下的表示将非常简单，而线性变换在两个基下的矩阵相似，故线性变换在基下矩阵为对角阵问题即为矩阵对角化问题。一、特征值、特征向量性质定义1 设n n A ?∈C ，称A 的全体特征值为A 的谱。下面定理1是显然的。定理1 相似矩阵有相同的特征多项式，从而有相同的谱。由于矩阵A 的不同特征值对应的特征子空间的和是直和，故有下面定理2。定理2 设n n A ?∈C ，则A 的不同特征值对应的特征向量线性无关。定义2设n n A ?∈C ，i λ为A 的特征值，称A 的特征多项式中i λ的重根数i m 为i λ的代数重复度，称特征子空间i V λ的维数i α为i λ的几何重复度。由定义2即知A 的特征值i λ的几何重复度i α为A 对应于特征值i λ的线性无关特征向量的个数。定理3 设n n A ?∈C ，i λ为A 的特征值，i α为i λ的几何重复度，则 rank()i i n n I A αλ=-- 证明特征子空间{|,}i n i V x Ax x x λλ==∈C ，所以 dim dim ()i i i n V N I A λαλ==- dim ()i n n R I A λ=-- rank()i n n I A λ=-- 例1 求123323001A ?? ??=?? ??-?? 的谱，及相异特征值的代数重复度和几何重复度。

解 1 23det()3 2 30 1 I A λλλλ----=---+ 2(1)(4)λλ=+- 所以A 的谱为11,1λ=--，24λ=，12,λλ的代数重复度分别为122,1m m ==。 1λ的几何重复度113rank()I A αλ=-- 2233rank 3331000---?? ??=----=?? ???? 2λ的几何重复度223rank()I A αλ=-- 3233rank 3231005--?? ??=---=?? ???? 定理4 设n n A ?∈C ，i λ为A 的特征值，i m 为i λ的代数重复度，i α为i λ的几何重复度，则i i m α≤。证明因为i α为i λ的几何重复度，所以A 对应于i λ有i α个线性无关的特征向量12,, ,i αεεε是特征子空间i V λ的基，将12,,,i αεεε扩充为n C 的基 121,,,,,i i n ααεεεεε+ 设121 []i i n P ααεεεεε+=，则 121 []i i n AP A ααεεεεε+= 121[,]i i i i i n A A ααλελελεεε+= 121 *[]i i i i n i O ααλλεεεεελ +????????=???????? ? PB =

矩阵的可对角化及其应用

附件：分类号O15 商洛学院学士学位论文矩阵的可对角化及其应用作者单位数学与计算科学系指导老师刘晓民作者姓名陈毕专业﹑班级数学与应用数学专业07级1班提交时间二0一一年五月

矩阵的可对角化及其应用陈毕（数学与计算科学系2007级1班）指导老师刘晓民摘要：矩阵可对角化问题是矩阵理论中的一个重要问题，可对角化矩阵作为一类特殊的矩阵，在理论上和应用上有着十分重要的意义。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；线性变换 Matrix diagonolization and its application Chen Bi (Class 1,Grade 2007,The Depart of Math and Calculation Science) Advisor:Lecturer Liu Xiao Min Abstract: Matrix diagonolization problem is an important problem in matrix theory diagonolization matrix, as a kind of special matrix, in theory and application has the extremely vital significance. This paper has made diagonolization matrix

矩阵的合同-等价与相似的联系与区别

矩阵的合同，等价与相似的联系与区别一、基本概念与性质（一）等价： 1、概念。若矩阵A 可以经过有限次初等变换化为B ，则称矩阵A 与B 等价，记为A B ?。 2、矩阵等价的充要条件： A B ?.{P Q A B ?同型，且人r(A)=r(B)存在可逆矩阵和，使得PAQ=B 成立 3、向量组等价，两向量组等价是指两向量组可相互表出，有此可知：两向量组的秩相同，但两向量组各自的线性相关性却不相同。（二）合同： 1、概念，两个n 阶方阵A,B ，若存在可逆矩阵P ，使得A B ?P T AP B =成立，则称A,B 合同，记作A B ?该过程成为合同变换。 2、矩阵合同的充要条件：矩阵A,B 均为实对称矩阵，则A B ??二次型x T Ax 与x T Bx 有相等的E 负惯性指数，即有相同的标准型。（三）相似 1、概念：n 阶方阵A,B ，若存在一个可逆矩阵P 使得1B P AP -=成立，则称矩阵A,B 相似，记为~A B 。 2、矩阵相似的性质：

~A B 11~,~,~(,) |E-A |||,()(),T T k k A B A B A B A B E B A B tr A tr B A B λλ--=-?=前提，均可逆即有相同的特征值（反之不成立） r(A)=r(B) 即的逆相等 |A|=|B| 3、矩阵相似的充分条件及充要条件： ①充分条件：矩阵A,B 有相同的不变因子或行列式因子。 ②充要条件：~()()A B E A E B λλ?-?- 二、矩阵相等、合同、相似的关系（一）、矩阵相等与向量组等价的关系：设矩阵 12(,,,)n A λλλ=L ，12(,,,)m B βββ=L 1、若向量组（12,,,m βββL ）是向量组（12,,,n λλλL ）的极大线性无关组,则有m n ≤，即有两向量等价，而两向量组线性相关性却不同，钱者一定线性无关，而后者未必线性无关。而矩阵B 与A 亦不同型，虽然()()r A r B =但不能得出A B ?。 2、若m=n ，两向量组（12,,,n λλλL ）?（12,,,m βββL ）则有矩阵A,B 同型且()()~,,r A r B A B A B A B =??;r()()A r B A B =??。 3、若r()()A B A r B ??=?两向量组秩相同，?两向量组等价，即有1212(,,,)(,,,)n n A B λλλβββ?≠>?L L 综上所述：矩阵等价与向量等价不可互推。（二）、矩阵合同。相似，等价的关系。 1、联系：矩阵的合同、相似、等价三种关系都具有等价关系，因为三者均具有自反性、对称型和传递性。 2、合同、相似、等价之间的递推关系

矩阵理论中的矩阵分析的实际应用论文

矩阵分析在同步捕获性能研究新应用摘要：该文提出了一种利用概率转移矩阵计算捕获传输函数的方法，通过将以往分析方法中的流程图转换为概率转移矩阵，仅需知道一步转移概率矩阵，利用现代计算机编程语言(如MAPLE，MATLAB等)的符号运算功能，即可得到捕获系统的传输函数：通过对传输函数求导，可计算平均捕获时间。矩阵分析方法可完整地计算出捕获系统的传输函数，可弥补流程图方法在分析传统连续搜索捕获方案的传输函数时所忽略的项；可纠正流程图方法在分析非连续搜索捕获方案的传输函数时所引起的误差。关键词：CDMA；矩阵分析；传输函数；流程图；捕获 A Novel Acquisition Performance Evaluation Approach Based on Matrix Analysis Abstract：A novel acquisition performance analysis approach is proposed based on matrix analysis．Given the first step transition probability matrix，the transfer function of acquisition system can be obtained by utilizing the symbol operation function of computer programming such as MAPLE，MATLAB and so on，and the mean acquisition time can be computed by differentiating the transfer function．The transfer function of acquisition system can be computed perfectly by matrix analysis，it not only complements the items neglected in that of conventional serial acquisition scheme but also corrects the error items in that of nonconsecutive acquisition scheme．

中科院矩阵分析与应用大作业

中科院矩阵分析与应用大作业实现LU分解 QR分解 Householder reduction、Givens reduction Matlab 代码： function [] =juzhendazuoye A=input('请输入一个矩阵A='); x=input('请输入序号 1 LU分解 2 Gram-Schmidt分解 3 Householder reduction 4 Givens reduction:' ); if(x==1) %%*************LU分解*****************%% disp('PA=LU') m=size(A,1); % m等于矩阵A的行数 n=size(A,2); % n等于矩阵A的列数 if(m==n) % 判断矩阵A是不是方阵 % 如果矩阵A不是方阵那么就输出“error” U=A; % 把矩阵A赋值给矩阵U L=zeros(n); % 先将L设为单位阵 P=eye(n); % 首先将交换矩阵P设为单位矩阵 for j=1:n-1 for i=j+1:n if (U(j,j)~=0) %判断主元元素是否不为0 L(i,j)=U(i,j)/U(j,j); U(i,:)=U(i,:)-U(j,:)*U(i,j)/U(j,j); % U(j,j)为主元元素 else a=j+1; % 令a等于j+1 while((U(a,j)==0)&&(a

可对角化矩阵的应用

可对角化矩阵的应用矩阵可对角化问题是矩阵理论中的一个重要问题，可对角化矩阵作为一类，特殊的矩阵，在理论上和应用上有着十分重要的意义。下面列举几个常见的可对角化矩阵的应用的例子。 1.求方阵的高次幂例设V 是数域P 上的一个二维线性空间，12,εε是一组基，线性变换σ在12,εε下的矩阵A =2110?? ?-?? ，试计算k A 。解：首先计算σ在V 的另一组基12,ηη下的矩阵，这里 ()()121211,,12-?? ηη=εε ? -?? ，且 σ 在 12 ,ηη下的矩阵为 1 112 1112 12 11111121012111 01 2 1 ----?????????? ?? ??== ? ??? ????? ?----- ????????? ?????显然 1 10 10 1k k ??? ? = ? ? ?? ?? ，再利用上面得到的关系1 1121111112101201---???????? = ? ??? ?---???????? 我们可以得到 1 21111111111211 101201121201111k k k k k k k ----+????????????????=== ? ??? ? ????? ? ------+???????????????? 2.利用特征值求行列式的值。例：设n 阶实对称矩阵2A =A 满足，且A 的秩为r ，试求行列式2E A -的值。解：设AX=λX ，X ≠0，是对应特征值λ的特征向量，因

为2A A =，则22X X λE =AE =A =λ，从而有()20X λ-λ=，因为X ≠0，所以()1λλ-=0，即λ=1或0，又因为A 是实对称矩阵，所以A 相似于对角矩阵，A 的秩为r ，故存在可逆矩阵P ，使 1 00 0r E P AP -??= ??? =B ，其中 r E 是r 阶单位矩阵，从而 1102220 2r n r n r E E A PP PBP E B E -----=-=-= =2 3由特征值与特征向量反求矩阵。若矩阵A 可对角化，即存在可逆矩阵P 使，其中B 为对角矩阵，则例设3阶实对称矩阵A 的特征值为，对应的特征向量为，求矩阵A 。解：因为A 是实对称矩阵，所以A 可以对角化，即A 由三个线性无关的特征向量，设对应于231λ=λ=的特征向量为 () 123,,T P X X X =，它应与特征向量 1 P 正交，即 []1123,00P P X X X =++=，该齐次方程组的基础解系为 ()() 231,0,0,0,1,1T T P P ==-，它们即是对应于231λ=λ=的特征向量。取 ()123010100,,101,010101001P P P P B -???? ? ? === ? ? ? ?-???? ，则 1P A P B -=，于是1110 010******* 210101010 0011010011 1010022A PBP -? ? ?-?????? ? ??? ?===- ? ??? ? ??? ? ?--??????- ??? 4判断矩阵是否相似

相似矩阵的性质及应用

华北水利水电大学相似矩阵的性质及应用课程名称：线性代数专业班级：成员组成：联系方式： 2013年11月6 日

摘要：若矩阵P可逆,则矩阵P-1AP与A称为相似。矩阵相似的概念是为深入研究矩阵特性而提出的，其中一部分的问题可以转化为与一个对角化矩阵相似问题进而使问题研究简化，而另一些矩阵不能与一个对角矩阵相似，那么这类问题就只能用定义或者若而当标准型来解决。相似矩阵有很多应用。例如：利用相似矩阵的性质来确定矩阵中未知元素方法的完整性；两个相似矩阵属于同一个特征值的特征向量之间的关系；矩阵相似与特征多项式的等价条件及相关结果；尤其是矩阵的标准形及其对角化问题,在高等代数和其他学科中都有极其广泛的应用。本文将讨论相似矩阵的有关性质及其应用。关键词：相似矩阵；对角化；Jordan标准型；特征向量；特征值英文题目：The properties and application of similar matrix Abstract:There are a lot of applications about similar matrix. Matrix for further research is the concept of similarity matrix characteristics, and that part of the problem can be converted into similar problems with a diagonalization matrix to simplify the problem study, while others matrix cannot be similar to a diagonal matrix, so this kind of problem can only use a definition or if and when the standard to solve.For example, we can discuss the integrality of the method by using the properties of similar matrices to confirm unknown elements and characteristic subspaces of similar matrices belong to the same characteristic value are isomorphism. Also we may discuss the equivalent conditions for similar matrices and their characteristic polynomial and their corresponding results, especially, applications of digitalization matrices in advanced algebra theory and other subjects are probed into.In this paper I will give out some corresponding properties of similar matrices and show their appliance. Key words:similar matrices; diagonal matrix; Jordan’s normal form; characteristic value; characteristic vector

矩阵变换及应用开题报告

鞍山师范学院数学系13届学生毕业设计（论文）开题报告课题名称：浅谈矩阵的变换及其应用学生姓名：李露露专业：数学与应用数学班级：10级1班学号：30 指导教师：裴银淑 2013年12月26日

一、选题意义 1、理论意义：矩阵是数学中的一个重要内容，是线性代数核心。矩阵的变换是矩阵中一种十分重要的运算，它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解决的问题。因此，矩阵变换是研究代数问题的一个重要工具。 2、现实意义：矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性，并起着不可代替的作用。二、论文综述 1、国内外有关研究的综述：矩阵不仅是个数学学科，而且也是许多理工学科的重要数学工具，因此国内外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词，他与矩阵论的创立者凯莱一起发展了行列式理论。1858年，凯莱发表了关于矩阵的第一篇论文《矩阵论的研究报告》。自此以后，国内外有了许多关于矩阵的研究。在张贤达所著的《矩阵分析与应用》一书中，就有关于矩阵变换的内容，在第一章中有关于矩阵初等变换的内容，并有初等变换在矩阵方程中的应用，在第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金斯大学的RogerA.Horn和威廉姆和玛丽学院的CharlesR.Johnson联合编著的《矩阵分析》也有关于矩阵变换的内容，此书主要涉及的是矩阵变换的应用。国内外关于矩阵变换的研究都取得了很大的进展，为矩阵知识所涉及的各个领域都作出了巨大贡献。 2 、本人对以上综述的评价：

矩阵相似的性质：矩阵相似例题

1 矩阵的相似 1 定义2性质3定理（证明）4 相似矩阵与若尔当标准形 2 相似的条件 3 相似矩阵的应用（相似矩阵与特征矩阵相似矩阵与矩阵的对角化相似矩阵在微分方程中的应用【1 】）矩阵的相似及其应用1 矩阵的相似定义1设A,B为数域P上两个n级矩阵，如果可以找到数域P上的n级可逆矩阵X，使得B?X?1AX，就说A相似于B记作A∽B 2 相似的性质（1）反身性A∽A；这是因为A?E?1AE. （2）对称性如果A∽B，那么B∽A；如果A∽B,那么有X，使B?X?1AX，令Y?X?1，就有A?XBX?1?Y?1BY，所以B∽A。（3）传递性如果A∽B，B∽C，那么A∽C。已知有X,Y使B?X?1AX， C?Y?1BY。令Z?XY，就有C?Y?1X?1AXY?Z?1AZ，因此，A∽C。 3 相似矩阵的性质若A,B?Cn?n，A∽B，则（1）r(A)?r(B)；

Q是n?n可逆矩阵，引理A是一个s?n矩阵，如果P是一个s?s可逆矩阵，那么秩（A） =秩（PA）=秩（AQ）证明设A,B相似，即存在数域P上的可逆矩阵C，使得B?C?1AC,由引理2可知，秩 ?1 （B）=秩（B?CAC）=秩（AC）=秩（A）（2）设A相似于B，f(x)是任意多项式，则f(A)相似于f(B)，即 P?1AP?B?P?1f(A)P?f(B) 证明设f(x)?anx?an?1x nn n?1

a1x?a0 a1A?a0E a1B?a0E 于是，f(A)?anAn?an?1An?1? f(B)?anB?an?1B n?1 kk 由于A相似于B，则A相似与B，（k为任意正整数），即存在可逆矩阵X,使得 Bk?X?1AkX， ?1?1 anAn?an?1An?1?因此Xf?A?X?X ?a1A?a0E?X

波士顿矩阵分析在实际案例中的运用

波士顿矩阵分析在实际案例中的运用[1] 上海和达汽车零部件有限公司是由某国内上市公司与外商合的生产汽车零部件的企业。公司于1996年正式投产．配套厂海大众发、一汽大众、上海通用、东风柳汽、吉利、湖南长风武等。和达公司的主要产品分成五类，一是挤塑和复合挤塑类(密封嵌条、车顶饰条等)；二是滚压折弯类(车门导槽、滑轨、车架管；三是普通金属焊接类(汽车仪表板横梁模块)；四是激光焊接镁合金横梁模块)；五是排档杆类(手动排档总成系列)。和达公司产品波士顿矩阵分析 A 问题型业务(Question Marks．指高增长、低市场份额) 处在这个领域中的是一些投机性产品。这些产品可能利润率但占有的市场份额很小。公司必须慎重回答“是否继续投资．业务?”这个问题。只有那些符合企业发展长远目标、企业具优势、能够增强企业核心竞争力的业务才得到肯定的回答。从和达公司的情况来看。滚压折弯类产品由于技术含量不高．褴低，未来市场竞争程度必然加剧。所以对于这类产品．最好就是舍弃。由于目前还能带来利润，不必迅速退出，只要目前持必要的市场份额，公司不必再增加投入。当竞争对手大举,可以舍弃。 B 明星型业务(8tsx8，指高增长、高市场份额) 这个领域中的产品处于快速增长的市场中并且占有支配地位份额。但也许不会产生正现金流量。但因为市场还在高速成业必须继续投资，以保持与市场同步增长，并击退竞争对手。对于和达公司来说，铝横梁的真空电子束焊接系统是国内第一家。具有技术上的领先优势。因此企业应该加大对这一产品的投入．以继续保持技术上的领先地位。对于排档杆类产品．由于国内在这个领域的竞争程度还不太激烈，因此可以考虑进入。和达公司应该把这类产品作为公司

矩阵相似的性质

1 矩阵的相似 1.1 定义 1.2性质 1.3定理（证明） 1.4 相似矩阵与若尔当标准形 2 相似的条件 3 相似矩阵的应用（相似矩阵与特征矩阵相似矩阵与矩阵的对角化相似矩阵在微分方程中的应用【1 】）矩阵的相似及其应用 1.1 矩阵的相似定义 1.1：设,A B 为数域P 上两个n 级矩阵，如果可以找到数域P 上的n 级可逆矩阵X ，使得1B X AX -=，就说A 相似于B 记作A B ∽ 1.2 相似的性质（1）反身性A A ∽：；这是因为1A E AE -=. （2）对称性：如果A B ∽，那么B A ∽；如果A B ∽,那么有X ，使1B X AX -=，令1Y X -=，就有11A XBX Y BY --==，所以B A ∽。（3）传递性：如果A B ∽，B C ∽，那么A C ∽。已知有,X Y 使1B X AX -=， C 1Y BY -=。令Z XY =，就有111C Y X AXY Z AZ ---==，因此，A C ∽。 1.3 相似矩阵的性质若,n n A B C ?∈，A B ∽，则：（1）()()r A r B =；引理：A 是一个s n ?矩阵，如果P 是一个s s ?可逆矩阵，Q 是n n ?可逆矩阵，那么秩（A ）=秩（PA ）=秩（AQ ）证明：设,A B 相似，即存在数域P 上的可逆矩阵C ，使得1B C AC -=,由引理2可知，秩（B ）=秩（1 B C AC -=）=秩（AC ）=秩（A ）（2）设A 相似于B ，()f x 是任意多项式，则()f A 相似于()f B ，即 11()()P AP B P f A P f B --=?= 证明：设1110()n n n n f x a x a x a x a --=+++ 于是，1 110()n n n n f A a A a A a A a E --=+++ 1 110()n n n n f B a B a B a B a E --=++ + 由于A 相似于B ，则k A 相似与k B ，（k 为任意正整数），即存在可逆矩阵X ,使得

矩阵对角化及应用论文

矩阵对角化及应用理学院数学082 缪仁东指导师：陈巧云摘要:本文是关于矩阵对角化问题的初步研究,对矩阵对角化充要条件的归纳,总结,通过对实对称矩阵,循环矩阵,特殊矩阵对角化方法的计算和研究,让读者对矩阵对角化问题中求特征值、特征向量,求可逆矩阵,使对角化,提供了简便,快捷的求解途征. 关键词:对角矩阵;矩阵对角化;实对称矩阵;特征值;特征向量. 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. 1．矩阵对角化概念及其判定所有非主对角线元素全等于零的n 阶矩阵,称为对角矩阵或称为对角方阵. 定义1.1 矩阵A 是数域P 上的一个n 级方阵. 如果存在一个P 上的n 级可逆矩阵X ,使 1X AX - 为对角矩阵,则称矩阵A 可对角化. 矩阵能否对角化与矩阵的特征值特征向量密切相关. 定义 1.2 设A 是一个n 阶方阵,λ是一个数,如果方程组 AX X λ= (1) 存在非零解向量,则称λ为的A 一个特征值,相应的非零解向量X 称为属于特征值λ的特征向量．（1）式也可写成, ()0E A X λ-= (2) 这是n 个未知数n 个方程的齐次线性方程组,它有非零解的充分必要条件是系数行列式 =0E A λ-, (3)

即 11 121212221 2 0n n n n nn a a a a a a a a a λλλ------=--- 上式是以λ为未知数的一元n 次方程,称为方阵A 的特征方程．其左端A E λ-是λ的n 次多项式,记作()f λ,称为方阵的特征多项式． 11 1212122 21 2 ()||n n A n n nn a a a a a a f E A a a a λλλλλ------=-= --- 111n n n n a a a λλλ--=++ ++ 显然,A 的特征值就是特征方程的解．特征方程在复数范围内恒有解,其个数为方程的次数（重根按重数计算）,因此,n 阶矩阵A 有n 个特征值．设n 阶矩阵()ij A a =的特征值为12,,n λλλ,由多项式的根与系数之间的关系,不难证明（ⅰ）121122n nn a a a λλλ+++=++ +; （ⅱ）12 n A λλλ=. 若λ为A 的一个特征值,则λ一定是方程=0A E λ-的根, 因此又称特征根,若λ为方程 =0A E λ-的i n 重根,则λ称为A 的i n 重特征根．方程 ()0A E X λ-=的每一个非零解向量都是相应于λ的特征向量,于是我们可以得到求矩阵A 的全部特征值和特征向量的方法如下：第一步：计算A 的特征多项式E A λ-；第二步：求出特征方程=0E A λ-的全部根,即为A 的全部特征值；第三步：对于的每一个特征值λ,求出齐次线性方程组： ()0E A X λ-= 的一个基础解系12,,,s ξξξ,则A 的属于特征值λ的全部特征向量是 1122s s k k k ξξξ+++（其中12,,,s k k k 是不全为零的任意实数）．设P 是数域, Mn (P ) 是P 上n ×n 矩阵构成的线性空间, A ∈Mn (P ) , 1,2t ,,λλλ 为 A 的t 个互不相同的特征值,高等代数第二版（北京大学数学系几何与代数教研室编）第四版（张和瑞、郝炳新编）课程中,我们学过了矩阵可对角化的若干充要条件如： (1) A 可对角化当且仅当A 有n 个线性无关的特征向量; (2) A 可对角化当且仅当特征子空间维数之和为n ;

一类矩阵的若干性质及其在考研数学中的应用(原创)

矩阵T αβ的若干性质及其在考研数学中的应用设向量βα，均为n 维非零列向量，记T αβA =。通过对历年考研试题的研究发现，线性代数部分比较重视对矩阵A 性质的考查，而课本和相关考研辅导书对这些性质没有做系统的研究，从而导致考研学生在遇到相关题目时不知所措。本文将研究矩阵A 的性质，并借助考研数学真题来说明这些性质的应用，进而强调掌握好这些性质的重要性。 1 矩阵），（00≠≠=βααβA T 的性质性质1 矩阵），（00≠≠=βααβA T 的秩为1。证明：令()0αT ≠=n a a a ,,,21 ，()0βT ≠=n b b b ,,,21 ，不妨设0≠i a ，则 ????????? ???????→????????????????→????????????????=00000021212112111212112111 n n n n n n n n n n n n i i i n b b b b a b a b a b b b b a b a b a b a b a b a b a b a b a b a b a b a A ????????????? ???→00 000000021 n b b b ，于是A 的秩为1。性质2 A αβA n 1T )(-=n 。注意，αβT 就是A 的迹。该性质利用矩阵乘法的结合律即可证明。由于秩为1的矩阵总可以表示为矩阵A 的形式[1] ，因此上述性质也可推广到以下结论：推论1 秩为1的矩阵的n 次方等于该矩阵迹的n —1次方乘以这个矩阵本身。性质3 当0≠=βα即T ααA =时，A 的全部特征值分别为0002，，，， α，其中唯一非零特征值对应的线性无关的特征向量为α。证明：因为矩阵A 是实对称矩阵，所以它一定相似于一个对角阵 ????????????=n 21λλλ Λ 其中n λλ,,1 为A 的n 个特征值。由性质1，1)(=A r ，又因为相似矩阵有相同的秩，故

矩阵分析在通信中应用

矩阵论在通信领域中的应用基于多输入多输出技术（MIMO）信道容量的分析 1 背景分析频谱资源的匮乏己经成为实现高速可靠传输通信系统的瓶颈。一方面，是可用的频谱有限;另一方面，是所使用的频谱利用率低下。因此，提高频谱利用率就成为解决实际问题的重要手段。多进多出(MIMO)技术即利用多副发射天线和多副接收天线进行无线传输的技术的提出很好地解决了这个问题。多输入多输出(MIMO)技术能极大增加系统容量与改善无线链路质量的优点。通信信道容量是信道进行无失真传输速率的上界，因此研究MIMO的信道容量具有巨大的指导意义。但是对信道容量的推导分析是一个很复杂的过程，但是应用矩阵的知识进行分析能很好的解决这个问题，本文把矩阵理论知识与MIMO技术信道容量中的应用紧密结合，首先建立了MIMO信道模型，利用信息论理论和矩阵理论建立系统模型详细推导出MIMO信道容量,通过程序仿真反应实际情况，可以更直观正确的得出重要结论，这些结论的得出没有矩阵的知识是很难实现的。 2 问题的提出基于MIMO的无线通信理论和传输技术显示了巨大的潜力和发展前景。MIMO 技术的核心是空时信号处理，利用在空间中分布的多个天线将时间域和空间域结合起来进行信号处理，有效地利用了信道的随机衰落和多径传播来成倍的提高传输速率，改善传输质量和提高系统容量，能在不额外增加信号带宽的前提下带来无线通信性能上几个数量级的提高。目前对MIMO技术的应用主要集中在以空时编码(STC,Space-Time Codes)为典型的空间分集(diversity)和以BLAST(Bell LAyered Space-Time architecture)为典型的空间复用(multiplexing)两个方面。MIMO作为未来一代宽带无线通信系统的框架技术，是实现充分利用空间资源以提高频谱利用率的一个必然途径。可问题是，MIMO系统大容量的实现和系统其它性能的提高以及MIMO系统中

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.

幂等矩阵的性质及其应用

幂等矩阵的性质及其应用 0 引言幂等矩阵是一类性质特殊的矩阵，不仅在高等代数中有着重要的应用，在其它课程中，如计量经济学、统计学课程中也有着重要应用。在代数学中，线性变换的许多问题都可以转化为幂等矩阵来解决。但是在通常的高等代数的教材中关于幂等矩阵的讨论是比较少的。因此本文对幂等矩阵的性质做出相关讨论。本文主要给出幂等矩阵特征值、特征子空间和Jordan标准型的基本性质，同时给出了一些相关的应用。 1 主要结果首先给出幂等矩阵的定义和基本性质。定义1：若n阶方阵A满足A2=A，则称A为幂等矩阵。下面给出关于幂等矩阵的一些简单的性质。定理1：幂等矩阵A的特征值只能是0或者1。证明：设A为任意一个幂等矩阵。由A2=A，可得 λ2=λ 其中λ为A的特征值。于是有 λ=1或0，命题得证。推论：可逆的幂等矩阵的特征值均为1。证明：设A为一可逆的幂等矩阵。由A2=A可得 A2A-1=AA-1 即 A=E。此时有 λE-E=0 即 λ=1 其中，λ为A的特征值。命题得证。定理2：任意的幂等矩阵A都相似于对角阵，即存在可逆阵P，使得： P-1AP=E■ 00 0，其中r=R（A）。证明：A为任意幂等矩阵，J为其Jordan标准型，即存在可逆矩阵P，使得P-1AP=J=■，其中Ji=■。由此可得J 2=J。于是有，Ji 2=Ji。此时，Ji只能为数量矩阵λ■E。又因为A2=A，所以λ■=0或1，且r=R（A）。命题得证。定理3：幂等矩阵的特征值为1的特征子空间为其值域，特征值为0的特征子空间为其零（核）空间。证明：（i）A为一n阶幂等矩阵。？琢为其特征值1对应的特征向量。则有，A？琢=？琢。由此可得？琢属于A的值域。

2017考研数学线性代数之矩阵相似对角化解题方法

2017考研数学线性代数之矩阵相似对角化解题方法矩阵的相似对角化是考研的重要考点，该部分内容既可以出大题，也可以出小题。所以同学们必须学会如何判断一个矩阵可对角化，现把该部分的知识点总结如下: 一般方阵的相似对角化理论这里要求掌握一般矩阵相似对角化的条件，会判断给定的矩阵是否可以相似对角化，另外还要会矩阵相似对角化的计算问题，会求可逆阵以及对角阵。事实上，矩阵相似对角化之后还有一些应用，主要体现在矩阵行列式的计算或者求矩阵的方幂上，这些应用在历年真题中都有不同的体现。 1、判断方阵是否可相似对角化的条件： (1)充要条件：An可相似对角化的充要条件是：An有n个线性无关的特征向量; (2)充要条件的另一种形式：An可相似对角化的充要条件是：An的k重特征值满足1.jpg (3)充分条件：如果An的n个特征值两两不同，那么An一定可以相似对角化; (4)充分条件：如果An是实对称矩阵，那么An一定可以相似对角化。【注】分析方阵是否可以相似对角化，关键是看线性无关的特征向量的个数，而求特征向量之前，必须先求出特征值。 2、求方阵的特征值： (1)具体矩阵的特征值：这里的难点在于特征行列式的计算：方法是先利用行列式的性质在行列式中制造出两个0，然后利用行列式的展开定理计算; (2)抽象矩阵的特征值：抽象矩阵的特征值，往往要根据题中条件构造特征值的定义式来求，灵活性较大。实对称矩阵的相似对角化理论其实质还是矩阵的相似对角化问题，与一般方阵不同的是求得的可逆阵为正交阵。这里要求大家除了掌握实对称矩阵的正交相似对角化外，还要掌握实对称矩阵的特征值与特征向量的性质，在考试的时候会经常用到这些考点的。这块的知识出题比较灵活，可直接出题，即给定一个实对称矩阵A，让求正交阵使得该矩阵正交相似于对角阵;也可以根据矩阵A的特征值、特征向量来确定矩阵A中的参数或者确定矩阵A;另外由于实对称矩阵不同特征值的特征向量是相互正交的，这样还可以由已知特征值的特征向量确定出对应的特征向量，从而确定出矩阵A。最重要的是，掌握了实对称矩阵的正交相似对角化就相当于解决了实二次型的标准化问题。 1、掌握实对称矩阵的特征值和特征向量的性质 (1)不同特征值的特征向量一定正交 (2)k重特征值一定满足1.jpg 【注】由性质(2)可知，实对称矩阵一定可以相似对角化;且有(1)可知，实对称矩阵一定可以正交相似对角化。 2、会求把对称矩阵正交相似化的正交矩阵【注】熟练掌握施密特正交化的公式;特别注意的是：只需要对同一个特征值求出的基础解系进行正交化，不同特征值对应的特征向量一定正交(当然除非你计算出错了会发现不