关于四元数体上矩阵对角化的几个定理
矩阵的相似性与对角化

矩阵的相似性与对角化矩阵是线性代数中的重要概念之一,广泛应用于各个领域。
在矩阵的研究中,相似矩阵和对角化是两个关键概念。
本文将探讨矩阵的相似性和对角化,并分析它们在实际问题中的应用。
一、相似矩阵相似矩阵是指具有相同特征值的矩阵。
具体而言,设A和B为两个n阶矩阵,若存在一个可逆矩阵P,使得PAP^{-1}=B成立,则称A和B相似,P为相似变换矩阵。
矩阵的相似性可以理解为同一线性变换在不同基下的表示。
相似矩阵保持了线性变换的关键属性,例如特征值和特征向量。
对于相似矩阵,它们之间存在一系列重要性质:1. 相似矩阵具有相同的特征值。
设A和B为相似矩阵,如果λ是A 的特征值,则B的特征值也是λ。
2. 相似矩阵具有相同的行列式、迹和秩。
3. 相似矩阵具有相同的特征多项式和最小多项式。
相似矩阵的概念对于矩阵的性质分析和计算求解具有重要意义。
我们可以通过相似矩阵的性质来简化矩阵的计算和求解过程。
二、对角化对角化是将一个矩阵变换为对角矩阵的过程。
一个可对角化的矩阵可以表示为D=P^{-1}AP,其中D为对角矩阵,P为相似变换矩阵。
要判断一个矩阵是否可对角化,需要满足两个条件:1. 矩阵A必须有n个线性无关的特征向量,其中n为矩阵的阶数。
换句话说,A的特征向量必须能够张成整个n维空间。
2. 矩阵A的每一个特征向量都对应一个不同的特征值。
符合上述条件的矩阵A称为可对角化矩阵,对角化的好处在于简化矩阵的计算。
对角矩阵具有简单的形式,只有对角线上有非零元素,其余元素都为零。
对角矩阵的求幂、求逆和乘法等运算都非常容易,因此对角化可以极大地简化矩阵的计算过程。
三、相似矩阵和对角化的应用相似矩阵和对角化在数学和工程中有广泛的应用,下面重点介绍其中几个典型的应用领域:1. 工程中的状态空间表示:在控制系统的分析和设计中,矩阵的相似性和对角化被广泛运用。
通过相似变换将系统的状态空间表示转化为对角形式,可以方便地进行系统的特征分析和控制器设计。
矩阵的对角化与Jordan标准形

第三讲矩阵的对角化与Jordan标准形对任何线性空间,给定基后,我们对元素进行线性变换或线性运算时,只需用元素的坐标向量以及线性变换的矩阵即可,因此,在后面的内容中着重研究矩阵和向量。
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=时,将矩阵A对角化后很容易得到方程的解。
对角化的过程实Ax b际上是一个去耦的过程。
以前我们学习过相似变化对角化。
那么,一个方阵是否总可以通过相似变化将其对角化呢?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、特征值与特征向量1. 定义:对m阶方阵A,若存在数λ,及非零向量(列向量)x,使=λ,则称λ为A的特征值,x为A的属于特征值λ的得Ax x特征向量。
∙特征向量不唯一∙特征向量非零∙(I A)x 0λ-=有非零解,则det(I A)0λ-=,称det(I A)λ-为A 的多项式。
[例1]122A 212221⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,求其特征值和特征向量。
[解] 122det(I A)2120221λ---λ-=-λ--=--λ-2(1)(5)0λ+λ-= 121λ=λ=- 35λ=属于特征值1λ=-的特征向量 (I A)x 0--=1232222220222ξ⎡⎤⎡⎤⎢⎥⎢⎥ξ=⎢⎥⎢⎥ξ⎢⎥⎢⎥⎣⎦⎣⎦1230ξ+ξ+ξ=1122312ξ=ξ⎧⎪ξ=ξ⎨⎪ξ=-ξ-ξ⎩ 可取基础解系为 11x 01⎡⎤⎢⎥=⎢⎥-⎢⎥⎣⎦ 20x 11⎡⎤⎢⎥=⎢⎥-⎢⎥⎣⎦属于5λ=的特征向量 (5I A)x 0-=1234222420224--ξ⎡⎤⎡⎤⎢⎥⎢⎥--ξ=⎢⎥⎢⎥--ξ⎢⎥⎢⎥⎣⎦⎣⎦ 123ξ=ξ=ξ可取基础解系为 31x 11⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦2. 矩阵的迹与行列式nii i 1trA a ==∑ 所有对角元素之和n i i 1det A ==λ∏ ni i 1trA ==λ∑3. 两个定理(1) 设A 、B 分别为m n ⨯和n m ⨯阶矩阵,则 tr(AB)tr(BA)=(2)sylvster 定理:设A 、B 分别为m n ⨯和n m ⨯阶矩阵,则m n m n det(I AB)det(I BA)-λ-=λλ-即:AB 与BA 的特征值只差零特征值的个数,非零特征值相同。
第四节:实对称矩阵的对角化

−1 1 p1 = −1 3 1
对应
λ2 = λ3 = 1 ,解方程 ( A− I )x = 0
−1 −1 1 1 1 −1 ( A − I ) = −1 −1 1 → 0 0 0 1 1 −1 0 0 0
− P = ( p1 , p 2 , p 3 ) = −
有
−2 0 0 P −1 AP = PT AP = ∧ = 0 1 0 0 0 1
。
,便有
P AP = P AP = ∧
T
−1
∧ 中对角元的排列次序应与
P中列向量的排列次序相对应。 中列向量的排列次序相对应。 中列向量的排列次序相对应
,注意
例1。设 。
0 −1 1 A = −1 0 1 1 1 0
,
求一个正交阵P 使 P−1AP =∧ 求一个正交阵 解:由
( A + 2I ) x = 0
2 −1 1 1 0 1 ( A + 2 I ) = −1 2 1 → 0 1 1 1 1 2 0 0 0
ξ
− 1 = − 1 1
,
得基础解系
1
,将
ξ λi I ) x = 0 的基础解系。得 的基础解系。
个线性无关的特征向量。 个线性无关的特征向量。再把它们 正交化、单位化,因 正交化、单位化,
k1 + L + k s = n
故可得n个两两正交的单位特征向量。 故可得 个两两正交的单位特征向量。 个两两正交的单位特征向量
(3)将这 个两两正交的单位特征向量 )将这n个两两正交的单位特征向量 构成正交矩阵P, 构成正交矩阵 ,便有
矩阵的可对角化及其应用

矩阵的可对角化及其应用矩阵的可对角化及其应用摘要:矩阵可对角化问题是矩阵理论中的一个重要问题,本文通过利用高等代数的有关理论给出了矩阵可对角化的若干条件,并讨论了化矩阵为对角形的具体求解方法,同时给出了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 applicationAbstract: 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 analysis and generalization, and using higher algebra and linear algebra are given the relevant theory of matrix several conditions diagonolization, also discussed the matrix of the diagonal shape of solving method, and finally summarized; diagonolization matrix in high power, the policy of using eigenvalue beg determinant by characteristic value and value, feature vector reverse matrix, judgment matrix is similar, vector Spaces, the application of linear transformation, etc.Key words:The diagonalization; Eigenvalue; Feature vector; Similar; Linear transformation一、预备知识:1:设V是P上的线性空间,σ是V上的一个变换,如果对任意α,β∈V和定义1k ∈P 都有()()()()()k k σα+β=σα+σβ,σα=σα,则称σ为V 的一个线性变换.定义2:设σ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λ和V 中非零元素α使得()σα=λα,则称λ为σ的一个特征值,而称α为σ的属于特征值λ的一个特征向量,由σ的属于特征值λ的全部特征向量再添上零元素构成的集合{()},λν=α|σα=λαα∈ν构成V 的一个子空间,称为σ的一个特征子空间.定义3:标准形的主对角线上非零元素()()()12,,,r d d d λλλ 称为()A λ的不变因子.定义[]24:把矩阵A (或线性变换τ)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τ)的初等因子.定义5: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[]36: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=1X AX -,则称A 相似于B ,记为A ~B ,并称由A 变到B 的变换为相似变换,称X 为相似变换矩阵.矩阵可对角化问题是矩阵理论中最基本的问题,下面先给出矩阵可对角化的几种判定定理.定理1:矩阵A 可对角化当且仅当A 有n 个线性无关的特征向量.推论1:如果在n 维线性空间V 中,线性变换σ的特征多项式在数域P 中有n 个不同的根,那么在某组基下的矩阵是对角形的.推论2:在复数域上的线性空间中,如果线性变换σ的特征多项式没有重根,那么σ在某组基下的矩阵是对角形的.例1:已知σ在一组基下的矩阵为3452A ??=,试问A 是否可对角化?解:由于()()347252λ--λE -A ==λ-λ+-λ-所以特征值为122λ=7,λ=-。
线性代数第三章第四节实对称矩阵的正交对角化

思考题1解答
解由 A 2A 可A 的 得特1或 征 0,又 值 A 是为 实对
阵 ,且秩 r,故 为 存在 P ,使 可 得 逆阵
P1AP Er 0, 0 0
其中 Er是 r阶单位 . 阵 从 d 2 E 而 e A ) d t 2 P ( P e 1 P t P 1 ) (
矩P 阵 1,使得 P 1 1 A P 1 d ( n , i 0 , a , 0 )g ,
还可求得
de B tE ()(n )( )n 1,
即B与A有相同的特征 . 值
对应特 2 征 值 n0,有 n1个线性无
特征,故 向存量 在可逆 P2矩 ,使阵 得 P2 1BP2 ,
从而 P 1 1 A P 1 P 2 1 B P 2 ,
3. 将特征向量正交化; 4. 将特征向量单位化.
2 2 0 例 设A2 1 2,求一个正交矩阵P,
0 2 0 使得P1AP为对角矩阵.
解 (1)第一步 求 A的特征值
2 2 0
AE 2 1 2 4 1 2 0
0 2
得 1 4 ,2 1 ,3 2 .
第二 由 A i步 E x 0 ,求 A 的 出 特征
1 Tx1x2x30.
解之得基础解系
2
-1
1
,
3
-1
0
.
0
1
, 即 与 特 征 值 = - 1 相 对 应 的 线 性 无 关 的 特 征 向 量 .
2 3
将特征向量正交化
令 1=1,2=2,
3=
3
2 , 3 2 , 2
2
1 2
1 2
1
.
矩阵相似对角化

例如,对于矩阵$A = begin{bmatrix} 1 & 2 & 3 4 & 5 & 6 7 & 8 & 9 end{bmatrix}$,其特征值为 $lambda_1 = 1, lambda_2 = 2, lambda_3 = 3$,对 应的特征向量分别为$x_1 = begin{bmatrix} -2 -4 -6 end{bmatrix}, x_2 = begin{bmatrix} -1 -2 -3 end{bmatrix}, x_3 = begin{bmatrix} 1 2 3 end{bmatrix}$。选取可逆矩阵$P = begin{bmatrix} 2 & -1 & 1 -4 & -2 & 2 -6 & -3 & 3 end{bmatrix}$, 则有$P^{-1}AP = begin{bmatrix} 1 & 0 & 0 0 & 2 & 0 0 & 0 & 3 end{bmatrix}$。
性质
相似对角化后的矩阵 具有与原矩阵相同的 特征多项式和特征值。
相似对角化后的矩阵 具有与原矩阵相同的 特征子空间和特征向 量。
相似对角化后的矩阵 具有与原矩阵相同的 行列式值。
相似矩阵的判定
如果一个矩阵具有n个线性无关 的特征向量,则该矩阵可相似 对角化。
如果一个矩阵的所有特征值都 是单重的,则该矩阵可相似对
矩阵分解
矩阵相似对角化是矩阵分解的一 种形式,可以将一个复杂的矩阵 分解为易于处理的几个部分,如 三角矩阵、对角矩阵等。
线性变换
矩阵相似对角化可以用于研究线 性变换的性质。通过对矩阵进行 相似对角化,可以了解线性变换 在各个方向上的拉伸、压缩、旋 转等效应。
四元数体上的二次型化标准形的计算
四元数体上的二次型化标准形的计算四元数是由一个实数和三个虚数所组成的扩域。
它们在物理学和计算机科学中非常有用,因为它们可以用来描绘旋转和方向的变化。
四元数的应用十分广泛,比如在计算机图形学中,它们可以用于相机的旋转、定向和动态模拟中。
四元数也可以表示二次型,而且这种表示方法有一定的规律可循。
本文将围绕“四元数体上的二次型化标准形的计算”进行深入探讨,逐步介绍四元数的二次型化标准形的计算方法。
1. 计算四元数的共轭形式:定义四元数的共轭形式为:若q=a+b*i+c*j+d*k,则q的共轭为q*=a-b*i-c*j-d*k。
2. 计算四元数的模长:四元数的模长定义为:|q|=sqrt(q*q*)。
在此我们可以用勾股定理的公式来计算模长。
3. 将四元数表示成模长为1的形式:定义模长为1的四元数为单位四元数,可写成q=cosθ+sinθ*(xi+yj+zk)的形式,其中θ是一个实数,(xi+yj+zk)是单位三维向量。
4. 求出四元数的虚部在单位向量的基上的分量:记q=cosθ+sinθ*a, 其中a为单位三维向量,则a在(x,y,z)的基上可以表示为:a = x*i + y*j + z*k.5. 构建二次型矩阵:可将四元数q表示成矩阵的形式,构成的二次型矩阵即为:例如,若q=a+b*i+c*j+d*k,则其对应的二次型矩阵为:6. 将二次型矩阵化为标准形:通过计算特征值和特征向量,将二次型矩阵化为标准形。
比较常见的二次型矩阵标准形有三种:对角形、标准型和轮换标准型。
通过上述步骤,我们可以将任意给定的四元数化为标准形,并且应用于实际问题。
在物理学和计算机科学等科学领域,四元数的应用非常广泛。
比如在游戏编程中,四元数通常用于描述相机的旋转和方向的变化等。
在物理学领域,四元数也是描述粒子自旋和轨道角动量的有效方式。
通过学习本文介绍的四元数二次型化标准形的计算方法,我们可以更好地理解和应用四元数。
四阶行列式的对角线法则
四阶行列式的对角线法则四阶行列式的对角线法则,这个听起来有点高大上的东西,其实简单得很。
想象一下,你在一个大派对上,四个朋友围坐在一起,各自聊得欢,突然间,你想起了数学课上那个神秘的行列式。
四阶的意思就是我们有个四乘四的矩阵,嘿,听起来是不是有点复杂?但别担心,我们要做的就是找出对角线上的元素,像在一场寻宝游戏,找到宝藏后,看看能不能让它们发光发热。
首先呢,四阶行列式的对角线法则就像我们在找女神时的“直线法则”,只需专注于对角线的元素,左上到右下的那条线,记得把对角线的乘积先算出来,真是个小技巧。
比如说,假设你的矩阵是这样的:A = begin{pmatrix a_{11 & a_{12 & a_{13 & a_{14a_{21 & a_{22 & a_{23 & a_{24 a_{31 & a_{32 & a_{33 & a_{34 a_{41 & a_{42 & a_{43 & a_{44 end{pmatrix 先找到 (a_{11, a_{22, a_{33, a_{44),然后把它们的乘积算出来,哇,这就像在挖金矿,越挖越有成就感。
咱们要看看反对角线,右上到左下那条线,没错,这也是个很重要的步骤,不能掉以轻心。
把那些元素乘起来,像是一次马拉松,没跑到终点可不行。
假设你找到的元素是 (a_{14, a_{23, a_{32, a_{41),同样地,别忘了乘起来,得出一个新的结果。
这两部分的结果相减,嘿,就是你最终想要的行列式值了。
这种方法就像是用幽默的方式把数学变得简单易懂,真的太棒了。
让我们举个例子吧,假设我们有一个矩阵,元素分别是 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16。
对角线上的元素是 1, 6, 11, 16,它们的乘积就是1×6×11×16,哇,算出来好像有点多。
第4章(矩阵对角化)线性代数及其应用
2 1 已知向量 , 3 1 , 的内积.
4 2 ,将向量 单位化,并求向量 3 1
4 30 2 30 . 3 30 1 30
[ , ] 2 4 1 2 (3) 3 1 (1) 0
向量的夹角
arccos
[ , ]
( 0, 0),
称为向量α与β的夹角.
( [ , ]2 [ , ][ , ]___ 许瓦兹不等式 )
若[ , ]=0,称向量与β正交.
3. 正交向量组 定义1 非零向量组中,若任意两个向量都正交,称这 个向量组为正交向量组. 如下向量组是否为正交向量组?
第4.1节
向量的内积
长度与正交
在向量代数中给出了向量长度、夹角和数 量积等概念,本节将这些概念推广到 n维向量 空间,在此基础上介绍正交向量组概念和将线 性无关向量组化为正交向量组的一种方法。
向量的内积 向量的长度 正交向量组 Schimidt正交化方法 正交矩阵
1.向量的内积 (1)3维向量的数量积(内积) 已知向量, R3, 称实数·=||||cos 为与 的数量积(内积),其中||,||分别为向量, 的模,为 与 的夹角. a1 b1 当向量 a2 , b2 R 3 , 有内积的坐标表示: a b 3 3
则1 , 2 , r 即为所求标准正交基.
注 ① 若求与线性无关向量组等价的正交向量组,只要对
该向量组应用上面过程( i )正交化即可;
② 若η1,η2,…,ηr是向量空间V的一个正交基, 则 只要对该向量组应用上面过程( i i )进行单位化即可.
矩阵对角化与相似矩阵
矩阵对角化与相似矩阵矩阵对角化与相似矩阵是线性代数中的重要概念和技术,它们在矩阵理论、线性变换、特征值等领域中发挥着重要作用。
本文将探讨矩阵对角化和相似矩阵的定义、性质、计算方法和应用。
一、矩阵对角化1.1 定义对于一个n阶矩阵A,如果存在一个可逆矩阵P,使得P^-1AP=D,其中D是一个对角矩阵,则称矩阵A可对角化。
可对角化的矩阵具有一些重要性质,比如方幂计算、行列式计算、特征值计算等都变得更加简单。
1.2 判定条件一个矩阵A是否可对角化,有以下等价条件:(1) 矩阵A有n个线性无关的特征向量。
(2) 矩阵A的n个特征向量构成的特征向量矩阵P是可逆的。
(3) 矩阵A的n个特征值都是互异的。
1.3 对角化的方法计算矩阵的对角化可以通过以下步骤进行:(1) 求解特征值:解方程|A-λI|=0,其中λ是矩阵A的特征值。
(2) 求解特征向量:对于每一个特征值λ,解方程(A-λI)X=0,得到特征向量X。
(3) 构造可逆矩阵P:将每一个特征向量按列构成矩阵P。
(4) 计算对角矩阵D:计算D=P^-1AP。
1.4 应用矩阵对角化在许多领域有广泛的应用。
例如,在线性变换中,对角化可以简化基变换和坐标变换的计算。
在优化问题中,对角化可以对矩阵进行简化从而提高计算效率。
此外,对角化还可以帮助分析线性系统的稳定性和动态特性。
二、相似矩阵2.1 定义对于两个n阶矩阵A和B,如果存在一个可逆矩阵P,使得P^-1AP=B,则称矩阵A和B相似。
相似矩阵具有一些重要性质,比如特征值相等、迹相等、行列式相等等。
2.2 性质相似关系具有以下性质:(1) 自反性:任何矩阵都与自身相似。
(2) 对称性:如果矩阵A与B相似,则矩阵B与A相似。
(3) 传递性:如果矩阵A与B相似,矩阵B与C相似,则矩阵A与C相似。
2.3 相似矩阵的应用相似矩阵在许多领域中被广泛应用。
例如,在谱分解中,矩阵的对角化就是找到与其相似的对角阵。
在网络分析中,相似矩阵可以用来表示节点之间的相似度关系。
- 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)。
常熟理工学院学报(自然科学)Journal of Changshu Institute Technology (Natural Sciences )第26卷第10Vol.26No.102012年10月Oct.,2012收稿日期:2012-09-12作者简介:韦刚和(1974—),男,江苏盐城人,讲师,硕士,研究方向:微积分.关于四元数体上矩阵对角化的几个定理韦刚和(盐城生物工程高等学校机械工程系,江苏盐城224051)摘要:近年来矩阵对角化理论研究得到了充分的发展,并且在分析方法、研究领域、研究的深度和广度上都有了突破.但在四元数体上,由于四元数乘法的非交换性,人们对四元数体上矩阵对角化的研究甚少.对四元数体上矩阵对角化进行研究,得到了几个重要结论.关键词:四元数体;矩阵对角化;定理中图分类号:O151文献标识码:A文章编号:1008-2794(2012)10-0037-041引言与符号约定矩阵对角化问题不仅可解决数学中的非线性规划问题、数学计算问题等,而且在计算物理、量子力学中都有重要的应用.矩阵对角化理论研究近年来得到充分的发展,并且在分析方法、研究领域、研究的深度和广度上都有了突破[1-5].但在四元数体上,由于四元数乘法的非交换性,人们对四元数体上矩阵对角化的研究甚少.本文对四元数体上矩阵对角化进行了研究,得到了几个重要结论.文中,用R 表示实数域,Q 表示实四元数体,Q m×n 表示m×n 阶四元数矩阵的全体,Q n×n 表示实四元数体Q上n 阶矩阵的集合,SC n (Q )表示自共轭四元数矩阵全体,Q n 表示Q 上n 维右列空间,用A *=-A ′表示A 的共轭转置.2基本概念定义1设Q 是一个实四元数体,A ∈Q n ×n ,如果存在四元数0≠a ∈Q 与n 维非零列四元数向量α,使得Aα=α⋅a ,称a 是A 的一个右特征值,α为A 的对应于右特征值a 的右特征向量;如果存在四元数0≠b ∈Q 与n 维非零列四元数向量β,使得Aβ=b ⋅β,称b 是A 的一个左特征值,β为A 的对应于左特征值b 的左特征向量[6].四元数矩阵A 的右特征值不一定是左特征值,反之,左特征值也不一定为右特征值.如取A =æèöø1-k k 1,则1+i 是A 的一个左特征值,但不是A 的右特征值.定义2设矩阵A ∈Q n ×n ,如果A *=A ,则称矩阵A 为四元数自共轭矩阵.定义3设A ∈Q n ×n ,如果A *A =AA *,则称A 为四元数正规矩阵.定义4设矩阵A ∈Q n ×n ,如果A *A =AA *=I n ,则称矩阵A 为四元数酉矩阵.定义5设矩阵A ,B ∈Q n ×n ,如果存在酉矩阵U ∈U n ×n ,使得B =U -1AU ,则称矩阵A 与矩阵B 是酉相似.常熟理工学院学报(自然科学)2012年3两个重要引理[7]引理1设矩阵A ∈SC n (Q ),则存在酉矩阵U ∈U n ×n ,使得U *AU =diag(λ1,λ2…,λn )其中λ1,λ2…,λn ∈R.引理2设矩阵A =()a ij ∈Q n ×n ,则矩阵A 为正规矩阵的充分必要条件是矩阵A 酉相似于对角阵,即存在酉矩阵U ∈U n ×n ,使得U *AU =diag ()λ1,λ2,…,λn ,其中λ1,λ2,…,λn ∈C ,且为矩阵A 的n 个右特征值.4主要结果定理1设矩阵A 为n 阶自共轭四元数矩阵,矩阵B 为n 阶正规四元数矩阵[8].则存在n 阶广义酉矩阵U ,使U *AU 与U *BU 都为对角矩阵的充要条件是AB =BA .证明先证必要性:存在n 阶广义酉矩阵U ,使U *AU 与U *BU 都为对角矩阵,即存在酉矩阵U ∈U n ×n ,使得U *AU =diag ()a 1,a 2,…,a n ,U *BU =diag ()b 1,b 2,…,b n ,其中a 1,a 2,…,a n 为矩阵A 的特征值,b 1,b 2,…,b n 为矩阵B 的n 个右特征值.根据引理1和引理2知道,a 1,a 2,…,a n 为实数,b 1,b 2,…,b n 为复数.从而有a ib j =b j a i ,()i ,j =1,2,…,n .得AB =BA .再证充分性:因为矩阵A 为n 阶自共轭四元数矩阵,则存在酉矩阵U 1∈U n ×n ,使得U 1*AU 1=diag ()a 1,a 2,…,a n ,其中a 1,a 2,…,a n ∈R .为了方便起见,把相同的特征值进行合并,不妨设合并后的式子为U 1*AU 1=æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n 2⋱a s I n s=A 0,n 1+n 2+…+n s =n .其中a 1,a 2,…,a s ()s ≤n 为互不相同的实数.这时我们记矩阵B 0=U 1*BU 1,则显然矩阵B 0是正规矩阵.由于AB =BA ,易知A 0B 0=B 0A 0.令B 0=()B ij 为与A 0分法相同的分块矩阵,由A 0B 0=B 0A 0,知:B 0=U 1*BU 1=æèçççöø÷÷÷B 11B 22⋱B ss 由于B 0是正规矩阵,则有B ii ()i =1,2,…,s 均为正规矩阵,由引理2知,存在四元数酉矩阵V 1,V 2,…,V s ,使得V 1*B 11V 1,V 2*B 22V 2,…,V s *B ss V s均为复对角矩阵.这时取3810韦刚和:关于四元数体上矩阵对角化的几个定理U =U 1⋅æèçççöø÷÷÷V 1V 2⋱V s 则对于矩阵B 有U *BU =æèçççöø÷÷÷V 1V 2⋱V s *U 1*BU 1æèçççöø÷÷÷V 1V 2⋱V s =æèçççöø÷÷÷V 1V 2⋱V s *æèçççöø÷÷÷B 11B 22⋱B ss æèçççöø÷÷÷V 1V 2⋱V s =æèççççççöø÷÷÷÷÷÷V 1*B 11V 1V 2*B 22V 2⋱V s *B ss V s 因为V 1*B 11V 1,V 2*B 22V 2,…,V s *B ss V s 为复对角矩阵,所以U *BU 为对角阵.对于矩阵A 有U *AU =æèçççöø÷÷÷V 1V 2⋱V s *U 1*AU 1æèçççöø÷÷÷V 1V 2⋱V s =æèçççöø÷÷÷V 1V 2⋱V s *æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n 2⋱a s I n sæèçççöø÷÷÷V 1V 2⋱V s =æèççççççöø÷÷÷÷÷÷V 1*V 2*⋱V s *æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n 2⋱a s I n sæèçççöø÷÷÷V 1V 2⋱V s (1)=æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n2⋱a s I n sæèççççççöø÷÷÷÷÷÷V 1*V 2*⋱V s *æèçççöø÷÷÷V 1V 2⋱V s (2)=æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n2⋱a s I n sæèççççççöø÷÷÷÷÷÷V 1*V 1V 2*V 2⋱V s *V s =æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n2⋱a s I n sæèçççöø÷÷÷I 1I 2⋱I s 39=æèççççççöø÷÷÷÷÷÷a 1I n1a 2I n2⋱a s I n s从而,矩阵U *AU 也为对角矩阵.定理2设矩阵A ,B 均为n 阶自共轭四元数矩阵,则存在n 阶广义酉矩阵U ,使U *AU 与U *BU 都为对角矩阵的充要条件是AB =BA .证明因为自共轭四元数矩阵必是正规矩阵,从而根据定理1,定理2得证.定理2是对定理1中条件的更严格的限制,从而结论仍然成立.如果放松对定理1条件的限制,即定理1中的两个矩阵A ,B 均为正规四元数矩阵时,我们认为结论就不成立了.这是因为在由(1)式向(2)式转化时,是将矩阵æèççççççöø÷÷÷÷÷÷V 1*V 2*⋱V s *和矩阵æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n 2⋱a s I n s乘积交换,它们之间的乘积交换是成立的(由于矩阵A 为自共轭四元数矩阵,特征值a 1,a 2,…,a s 为实数);若将矩阵A 换为正规四元数矩阵时,根据引理2,它的特征值为复数,则由(1)式向(2)式转化是不成立的,即矩阵æèççççççöø÷÷÷÷÷÷V 1*V 2*⋱V s *和矩阵æèççççççöø÷÷÷÷÷÷a 1I n 1a 2I n 2⋱a s I n s不满足乘法交换率.这正是由于四元数的不可交换性造成的.这很好地说明了四元数体上的矩阵性质与实(复)数域上矩阵性质的差异.定理3设矩阵A ,B 为Q n ×n 上的自共轭矩阵,且矩阵B 正定,则有可逆矩阵P ∈Q n ×n ,使得üýþïïïïP *AP =æèçççöø÷÷÷λ1λ2⋱λn ,λi ∈R ,i =1,2,…,n P *BP =I n 证明由于矩阵B 是四元数自共轭正定矩阵,则存在可逆矩阵P 0∈Q n ×n ,使得P 0*BP 0=I n又由于矩阵A 为四元数自共轭矩阵,矩阵P 0*AP 0仍为四元数自共轭矩阵,于是存在酉矩阵U ∈U n ×n ,使得U *P 0*AP 0U =æèçççöø÷÷÷λ1λ2⋱λn ,λi ∈R ,i =1,2,…,n .令P =P 0U ,则P 可逆,且P *AP =æèçççöø÷÷÷λ1λ2⋱λn ,λi ∈R ,i =1,2,…,nP *BP =()P 0U *B ()P 0U =U *P 0*BP 0U =U *I n U =I n .(下转第44页)[6]张弘.微分中值定理的又一证明方法[J].重庆交通学院学报,2004(23):129-130.[7]侯谦民.中值定理的推广[J].武汉职业技术学院学报,2003(6):81-82.[8]胡付高.微分中值定理的推广及其应用[J].孝感学院学报(自然科学版),2000(04):16-18.[9]宋基华,彭鑫根.微分中值定理的一种证明方法[J].北京石油化工学院学报,1995(6):26-28.[10]童子双,杨志芳.Lagrange微分中值定理的分析证明法[J].金华职业技术学院学报,2003(3):56-57.A Discussion of the Method of Proving LagrangeMean Value Theorem and Its GeneralizationZHANG De-jiang(Department of Electronic Engineering,Yancheng Higher Vocational School of Biological Engineering,Yancheng224051,China) Abstract:The differential mean value theorem is the fundamental theorem of differential calculus.It not only connects relationship on the function and derivative,but it is also the cornerstone and the bridge of the differen⁃tial theory application.In this paper,a variety of methods are used to prove Lagrange's theorem,and give the generalization theorem of the Lagrange differential mean value theorem.Key words:Lagrange mean value theorem;generalization theorem;method of proof(上接第40页)参考文献:[1]庄瓦金.体上矩阵理论导引[M].北京:科学出版社,2006.[2]李文亮,四元数矩阵[M].长沙:国防科技大学出版社,2002:6.[3]屠伯埙.正性除环上矩阵的正定自共轭分解[J].数学杂志,1989(3):11-16.[4]屠伯埙.四元数矩阵的UL分解[J].复旦大学学报(自然科学版),1989(2):45-49.[5]庄瓦金.四元数矩阵的特征值与奇异值不等式[J].自然杂志,1989(4):27-32.[6]姜同松,陈丽.四元数体上矩阵的广义对角化[J].应用数学和力学,1999,20(11):1203-1210.[7]庄瓦金.四元数矩阵的极分解及其GL偏序[J].数学进展,2005(2):5-9.[8]陈龙玄.四元数矩阵的Jordan标准形[J].应用数学和力学,1996(6):581-585.Several Matrix Diagonalization Theorems on the QuaternionWEI Gang-he(Department of Mechanical Engineering,Yancheng Higher Vocational School of Biological Engineering,Yancheng224051,China) Abstract:In the recent years,matrix diagonalization theoretical research has been fully developed,and has achieved a breakthrough in the analysis methods,research areas,the depth and breadth of research.But on the Quaternion body,the quaternion multiplication is non-exchangeable,and there has been little study of matrix di⁃agonalization on the quaternion.In this paper,some study is made of the quaternion matrix diagonalization,and several important conclusions are reached.Key words:the quaternion matrix;diagonalization;theorem。