实对称矩阵对角化的研究论文

我觉得应该是相似对角化吧，具体的步骤是：1，求出一个矩阵的全部互异的特征值a1,a2……2，对每个特征值，求特征矩阵a1I-A的秩，判断每个特征值的几何重数q=n-r(a1I-A),是否等于它的代数重数p，只要有一个不相等，A就不可 以相似对角化，否则， 就可以相似对角化3，当可以相似对角化时，对每个特征值，求方程组，（aiI-A）X=0的一个基础解系4，令P=这些基础解系，则P-1AP=diag(a1,a2,a3……)，其中有qi个特征值你看行不？这就是我知道的，呵呵

矩阵对角化有三种方法

1、利用特征值和特征向量将矩阵对角化

由于这种方法相对来说比较基础、简单、机械，一般教材都有详细介绍，这里用图示加以总结。

2、利用矩阵的初等变换将矩阵对角化

矩阵的初等变换

矩阵的初等行变换和初等列变换，统称矩阵的初等变换。下面的三种变换称为矩阵的初等行变换：

1 对调两行；

2 以数k≠0乘某一行的所有元素；

3 把某一行所有元素的k倍加到另一行对应的元素上去。

把上面定义中的“行”换成“列”，既得矩阵的初等列变换的定义。

如果矩阵A经过有限次初等变换变成矩阵B，就称矩阵A与B等价。

另外：分块矩阵也可以定义初等变换。

3、利用矩阵的乘法运算将矩阵对角化

矩阵乘法是一种高效的算法可以把一些一维递推优化到log（ n )，还可以求路径方案等，所以更是一种应用性极强的算法。矩阵，是线性代数中的基本概念之一。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。由于它把许多数据紧凑的集中到了一起，所以有时候可以简便地表示一些复杂的模型。矩阵乘法看起来很奇怪，但实际上非常有用，应用也十分的广泛。

1，求出一个矩阵的全部互异的特征值a1,a2……

2，对每个特征值，求特征矩阵a1I-A的秩，判断每个特征值的几何重数q=n-r(a1I-A),是否等于它的代数重数p，只要有一个不相等，A就不可 以相似对角化，否则， 就可以相似对角化

3，当可以相似对角化时，对每个特征值，求方程组，（aiI-A）X=0的一个基础解系

4，令P=这些基础解系，则P-1AP=diag(a1,a2,a3……)，其中有qi个特征值

扩展资料：

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n-r（λE-A）=k

(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。

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重特征值一定满足满足n-r（λE-A）=k

【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。

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正交)。

3、实对称矩阵的特殊考点：

实对称矩阵一定可以相似对角化，利用这个性质可以得到很多结论，比如：

(1)实对称矩阵的秩等于非零特征值的个数

这个结论只对实对称矩阵成立，不要错误地使用。

(2)两个实对称矩阵，如果特征值相同，一定相似，同样地，对于一般矩阵，这个结论也是不成立的。

实对称矩阵在二次型中的应用

使用正交变换把二次型化为标准型使用的方法本质上就是实对称矩阵的正交相似对角化。

我也是差不多这个课题啊，我的是 矩阵可对角化的条件及对角化方法，有资料互相参考啊，是写开题报告么 ，从别处拷过来的 矩阵对角化在国内外已有一定的研究。早在十九世纪末，人们在研究行列式的性质和计算时，提出了对角矩阵的概念，由于计算机的发展，更是为矩阵对角化的应用开辟了广阔的前景，它经常出现在诸如可用于求解微分方程组，用于研究数理统计量的分布，还有用于研究集合曲面的标准形等不同的科技领域中，这就使得对角矩阵成为计算数学中应用及其广泛的矩阵。