第二十讲 矩阵的对角化
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
20.1 矩阵可对角化的条件
设矩阵有个线性无关的特征向量令
则是一个对角矩阵其对角元素是
的特征值:
20.1 矩阵可对角化的条件事实上,
于是
因可逆,故
20.1 矩阵可对角化的条件
若存在可逆矩阵使为对角矩阵,则称矩阵是可对角
化的(diagonalized).
由上面的分析知,反之也成立. 故有
定理:矩阵可对角化的充要条件是有个线性无关
的特征向量.
20.1 矩阵可对角化的条件
例:的特征值为
故只有个线性无关的特征向量,因此不能对角化.
20.1 矩阵可对角化的条件
定理:设是的互异特征值,是相应特征向量. 则线性无关.
证明:设
两边左乘得
再左乘得
不断左乘直到得
故有
20.1 矩阵可对角化的条件
左边第二个矩阵的行列式行列式
因此该矩阵可逆,故
由于特征向量均为非零向量,故
所以线性无关.
20.1 矩阵可对角化的条件
推论:具有个两两互异特征值的矩阵可以对角化.
但若矩阵有相同特征值,其也可能对角化.
例:有重特征值任何可逆矩阵都使
是对角阵. 这反映了所有非零向量都是单位矩阵的特征向量.
20.2 特征值的代数重数和几何重数
定义:设其中
称为特征值的代数重数(algebraic
multiplicity),记作称为特征值
的几何重数(geometric multiplicity),记作
例:
20.2 特征值的代数重数和几何重数
例:
例:
20.2 特征值的代数重数和几何重数
一般地,
命题:
引理1:相似矩阵具有相同的特征多项式.
事实上,设可逆,则我们有
20.2 特征值的代数重数和几何重数
引理2:任意复方阵相似于上三角阵,且其对角元为矩阵的特征值. 证明:对方阵的阶数用数学归纳法.
时结论成立. 假设对阶复方阵结论成立.
对任意阶复方阵设其有特征值及相应特征向量
则可将其扩充得的一组基有
记则有
20.2 特征值的代数重数和几何重数
对阶复方阵由归纳假设, 存在可逆阵使得
为上三角阵.
令
为上三角阵.
则结论第一部分得证.
由引理1知
上三角阵的对角元为的特征值.
20.2 特征值的代数重数和几何重数
命题的证明:
由引理2,相似于上三角阵则和有相同特征值,且对任
意特征值
因此,不妨设是上三角阵,即
于是
故
20.2 特征值的代数重数和几何重数
定理:复方阵可对角化对任意特征值
事实上,
若则
故有个线性无关的特征向量.
从而可对角化.
20.2 特征值的代数重数和几何重数
例:判断是否可对角化,若可以求使
为对角阵.
解:
于是
又
因此,可对角化.
20.2 特征值的代数重数和几何重数对
的基础解系为
对
的基础解系为
20.2 特征值的代数重数和几何重数
令
则
20.2 特征值的代数重数和几何重数
注:可以看到,使对角化的矩阵不是唯一的. 一个特征向量乘
以非零常数后仍是属于同一特征值的特征向量,所以若用任意非
零常数乘以的各列,则得一个新的使对角化的矩阵. 而对于重特征值则有更大自由度. 上例中由的任意线性组合得到的
两个线性无关的向量都可充当的前两列.
20.2 特征值的代数重数和几何重数
例:设其中为矩阵.
的秩为
的秩为
故可对角化.
20.3 矩阵可对角化的应用
若矩阵可对角化,则可快速计算
例:设求
解:的特征值
可对角化.
20.3 矩阵可对角化的应用
对
的基础解系为
对
的基础解系为
20.3 矩阵可对角化的应用
令 则
故
20.3 矩阵可对角化的应用
例(Markov过程):
每年海淀区以外人口的迁入海淀区,而海淀区人口的迁出. 这给出一个差分方程:
设最初外部人口为内部人口为则一年以后
外部人口
内部人口
即
20.3 矩阵可对角化的应用
这个虚构的人口迁移过程有两个特点:(1)人口总数保持不变;(2)海淀区外部和内部的人口数不是负的. 我们称之为Markov(马尔科夫)过程.
由性质(1),矩阵每一列元素之和为由性质(2),矩阵元素非负. 同样等也非负.
20.3 矩阵可对角化的应用
记
取则
20.3 矩阵可对角化的应用
于是我们可求和年之后的人口分布:
20.3 矩阵可对角化的应用
可以看出,经过很多年之后,会变得非常小,从而这个解达到一个极限状态:
此时,总人口仍为与初始状态相同. 但在此极限状态下,
总人口的在外部,在内部, 并且这个数据无论初始分布
怎样总成立.
20.3 矩阵可对角化的应用
注意到
即这个稳定状态是Markov矩阵关于的特征向量.