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。
不可约：不能化成两个方阵其他位置为0的矩阵；即1 1 0 0 01 1 0 0 00 0 1 1 10 0 1 1 10 0 1 1 1对角占优：每行对角线元素绝对值大于剩余元素绝对值之和.
矩阵如果所有对角元素的绝对值是其所在行和列上所有元素的绝对值中最大的，则矩阵为对角优势阵
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
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。
交给我处理。
一种吧！设所求矩阵为A，求出它的全部特征值，求（A－￡E）x=0的基础解系，再两两正交单位化，得正交矩阵P，再求P-1AP=PTAP=^
一种吧！设所求矩阵为A，求出它的全部特征值，求（A－￡E）x=0的基础解系，再两两正交单位化，得正交矩阵P，再求P-1AP=PTAP=^
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。
还有三个月就是毕业生们答辩的时间了，但是很多毕业生们目前连选题都还没有选好。时间紧迫，我立马为大家精心整理了一些大学数学系本科毕业论文题目，供毕业生们参考! 1、导数在不等式证明中的应用 2、导数在不等式证明中的应用 3、导数在不等式证明中的应用 4、等价无穷小在求函数极限中的应用及推广 5、迪克斯特拉(Dijkstra)算法及其改进 6、第二积分中值定理“中间点”的性态 7、对均值不等式的探讨 8、对数学教学中开放题的探讨 9、对数学教学中开放题使用的几点思考 10、对现行较普遍的彩票发行方案的讨论 11、对一定理证明过程的感想 12、对一类递推数列收敛性的讨论 13、多扇图和多轮图的生成树计数 14、多维背包问题的扰动修复 15、多项式不可约的判别方法及应用 16、多元函数的极值 17、多元函数的极值及其应用 18、多元函数的极值及其应用 19、多元函数的极值问题 20、多元函数极值问题 21、二次曲线方程的化简 22、二元函数的单调性及其应用 23、二元函数的极值存在的判别方法 24、二元函数极限不存在性之研究 25、反对称矩阵与正交矩阵、对角形矩阵的关系 26、反循环矩阵和分块对称反循环矩阵 27、范德蒙行列式的一些应用 28、方阵A的伴随矩阵 29、放缩法及其应用 30、分块矩阵的应用 31、分块矩阵行列式计算的若干方法 32、辅助函数在数学分析中的应用 33、复合函数的可测性 34、概率方法在其他数学问题中的应用 35、概率论的发展简介及其在生活中的若干应用 36、概率论在彩票中的应用 37、概率统计在彩票中的应用 38、概率统计在实际生活中的应用 39、概率在点名机制中的应用 40、高阶等差数列的通项，前n项和公式的探讨及应用 41、给定点集最小覆盖快速近似算法的进一步研究及其应用 42、关联矩阵的一些性质及其应用 43、关于Gauss整数环及其推广 44、关于g-循环矩阵的逆矩阵 45、关于二重极限的若干计算方法 46、关于反函数问题的讨论 47、关于非线性方程问题的求解 48、关于函数一致连续性的几点注记 49、关于矩阵的秩的讨论 _ 50、关于两个特殊不等式的推广及应用 51、关于幂指函数的极限求法 52、关于扫雪问题的数学模型 53、关于实数完备性及其应用 54、关于数列通项公式问题探讨 55、关于椭圆性质及其应用地探究、推广 56、关于线性方程组的迭代法求解 57、关于一类非开非闭的商映射的构造 58、关于一类生态数学模型的几点思考 59、关于圆锥曲线中若干定值问题的求解初探 60、关于置信区间与假设检验的研究 61、关于周期函数的探讨 62、函数的一致连续性及其应用 63、函数定义的发展 64、函数级数在复分析中与在实分析中的关系 65、函数极值的求法 66、函数幂级数的展开和应用 67、函数项级数的收敛判别法的推广和应用 68、函数项级数一致收敛的判别 69、函数最值问题解法的探讨 70、蝴蝶定理的推广及应用 71、化归中的矛盾分析法研究 72、环上矩阵广义逆的若干性质 73、积分中值定理的再讨论 74、积分中值定理正反问题‘中间点’的渐近性 75、基于高中新教材的概率学习 76、基于最优生成树的'海底油气集输管网策略分析 77、级数求和的常用方法与几个特殊级数和 78、级数求和问题的几个转化 79、级数在求极限中的应用 80、极限的求法与技巧 81、极值的分析和运用 82、极值思想在图论中的应用 83、几个广义正定矩阵的内在联系及其区别 84、几个特殊不等式的巧妙证法及其推广应用 85、几个重要不等式的证明及应用 86、几个重要不等式在数学竞赛中的应用 87、几种特殊矩阵的逆矩阵求法
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
楼上的太难，需要很多超出线性代数的内弄。若能证明下列命题，你的问题便也立即得到解决了。设A是一个n阶实对称矩阵，那么可以找到n阶正交矩阵T，使得（T的逆阵）AT为对角矩阵。证明：当n=1时结论显然成立。现在证明若对n-1阶实对称矩阵成立，则 对n阶实对称矩阵也成立。设シ是A的一个特征值（n阶矩阵一定有n个特征值（计数重复的）），设α是A 的一个特征向量（α是列向量）。（（α的转置）*A）的转置=Aα=シα。因为特征向量的非零倍数仍然是特征向量，所以只要把α的每一个元都除以イ，其中イ的平方=（α的转置）*α，就使得α为单位向量（所谓单位向量就是（α的转置）*α=1）。显然所有的单位向量有无数个，且显然可以找到足够多的列单位向量，使得他们与α的内积为0且他们两两内积等于0，因为正交矩阵的充要条件是列（行）向量两两正交且都是单位向量，又因为对方阵而言若AB=E则BA=E，故可以 以α为第一列人工写出一个正交矩阵Q，（所谓正交矩阵就是（Q的转置）*Q=Q*(Q的转置)=E）。由（（α的转置）*A）的转置=Aα=シα 得（Q的转置）A的第一行是（シα）的转置，于是 （Q的转置）AQ的第1行第1列处是シ（α的转置）α= シ，还可以推出（Q的转置）AQ的第一列除了第一行以外都是0（至于这是为啥实在不方便打字，读者可以自己算一下，提示一下 设t是T是元，tij*t+t..*t..+t..*t..+t..*t..时若每一项的角标都不完全一样，那么这些加起来就是0）。因为Q是正交矩阵，（（Q的逆阵）AQ）的转置=（Q的转置）（A的转置）（Q的逆阵的转置）=（Q的逆阵）AQ，所以（Q的逆阵）AQ也是对称矩阵，所以它第一行除了第一列以外也都是0，而除了第一行第一列剩下的一大块矩阵还是一个对称矩阵，所以最后可以反复进行这个过程整成对角矩阵。证毕然而正交矩阵一定是可逆矩阵，对方阵而言可逆等价于满秩，乘以一个方阵满秩方阵以后秩不变，这就证明了你的实对称矩阵一定可以相似对角化
证明对合矩阵和幂等矩阵是可相似对角化的：n级矩阵A可对角化＜=＞A的属于不同特征值的特征子空间维数之和为n。
先求特征值，如果没有相重的特征值，一定可对角化；如果有相重的特征值λk，其重数为k，那么你通过解方程（λkE-A）X=0得到的基础解系中的解向量若也为k个，则A可对角化，若小于k，则A不可对角化。
定义
对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵。对角线上的元素可以为0或其他值。对角线上元素相等的对角矩阵称为数量矩阵；对角线上元素全为1的对角矩阵称为单位矩阵。
若n阶矩阵A有n个不同的特征值，则A必能相似于对角矩阵。说明：当A的特征方程有重根时，就不一定有n个线性无关的特征向量，从而未必能对角化。
A2=A 可以x2-x=0看做A的一个零化多项式，再由无重根就可得到该矩阵可对角化。
幂等矩阵的运算方法：
1）设 A₁，A₂都是幂等矩阵，则(A₁+A₂) 为幂等矩阵的充分必要条件为：A₁·A₂ =A₂·A₁=0，且有：R(A₁+A₂) =R (A₁) ⊕R (A₂)；N(A₁+A₂) =N(A₁)∩N(A₂)；
2）设 A₁， A₂都是幂等矩阵，则(A₁-A₂) 为幂等矩阵的充分必要条件为：A₁·A₂=A₂·A₁=A₂，且有：R(A₁-A₂) =R(A₁)∩N (A₂)；N (A₁- A₂) =N (A₁)⊕R (A₂)；
3）设 A₁，A₂都是幂等矩阵，若A₁·A₂=A₂·A₁，则A₁·A₂为幂等矩阵，且有：R (A₁·A₂) =R(A₁) ∩R (A₂)；N (A₁·A₂) =N (A₁) +N (A₂)。
扩展资料：
幂等矩阵的其他性质：
1.幂等矩阵的特征值只可能是0，1；
2.幂等矩阵可对角化；
3.幂等矩阵的迹等于幂等矩阵的秩，即tr(A)=rank(A)；
4.可逆的幂等矩阵为E；
5.方阵零矩阵和单位矩阵都是幂等矩阵；
6.幂等矩阵A满足：A(E-A)=(E-A)A=0；
7.幂等矩阵A：Ax=x的充要条件是x∈R(A)；
的核N(A)等于(E-A)的列空间R(E-A),且N(E-A)=R(A)。
参考资料来源：百度百科-幂等矩阵
不可以的.矩阵的对角化不是只用初等变换把它变成对角线形式就叫对角化了,而是对角线必须为特征值.如果把它变成对角线形式就叫对角化,那可以在任一行乘个数,结果就变了,而对角形式保持不变如矩阵0 -11 0 用初等变换交换2行就成对角式了,但对角化必须是特征值正负i.当然,用初等变换当然可以实现对角化,但是只能是你知道对角化矩阵后在用初等变换往上靠
这种老掉牙的课题写了干什么？前人已经研究的透彻不能再透彻了。既然写文章，搞研究就要真的做了点实质性的东西出来，否则只是浪费时间。
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。
一种吧！设所求矩阵为A，求出它的全部特征值，求（A－￡E）x=0的基础解系，再两两正交单位化，得正交矩阵P，再求P-1AP=PTAP=^
不可以的.矩阵的对角化不是只用初等变换把它变成对角线形式就叫对角化了,而是对角线必须为特征值.如果把它变成对角线形式就叫对角化,那可以在任一行乘个数,结果就变了,而对角形式保持不变如矩阵0 -11 0 用初等变换交换2行就成对角式了,但对角化必须是特征值正负i.当然,用初等变换当然可以实现对角化,但是只能是你知道对角化矩阵后在用初等变换往上靠