定理 1 n n n 阶矩阵 A \boldsymbol{A} A 与对角矩阵相似(即 A \boldsymbol{A} A 能对角化)的充分必要条件是 A \boldsymbol{A} A 有 n n n 个线性无关的特征向量。
证明 不妨设有可逆矩阵 P \boldsymbol{P} P,使 P − 1 A P = Λ \boldsymbol{P}^{-1} \boldsymbol{A} \boldsymbol{P} = \boldsymbol{\Lambda} P−1AP=Λ 为对角矩阵。把 P \boldsymbol{P} P 用其列向量表示为
p = ( p 1 , p 2 , ⋯ , p n ) \boldsymbol{p} = (\boldsymbol{p}_1,\boldsymbol{p}_2,\cdots,\boldsymbol{p}_n) p=(p1,p2,⋯,pn)由 P − 1 A P = Λ \boldsymbol{P}^{-1} \boldsymbol{A} \boldsymbol{P} = \boldsymbol{\Lambda} P−1AP=Λ,得 A P = P Λ \boldsymbol{A} \boldsymbol{P} = \boldsymbol{P} \boldsymbol{\Lambda} AP=PΛ,即
A ( p 1 , p 2 , ⋯ , p n ) = ( p 1 , p 2 , ⋯ , p n ) ( λ 1 λ 2 ⋱ λ n ) = ( λ 1 p 1 , λ 2 p 2 , ⋯ , λ n p n ) \begin{align*} \boldsymbol{A} (\boldsymbol{p}_1,\boldsymbol{p}_2,\cdots,\boldsymbol{p}_n) & = (\boldsymbol{p}_1,\boldsymbol{p}_2,\cdots,\boldsymbol{p}_n) \begin{pmatrix} \lambda_1 \\ & \lambda_2 \\ & & \ddots \\ & & & \lambda_n \end{pmatrix} \\ & = (\lambda_1 \boldsymbol{p}_1, \lambda_2 \boldsymbol{p}_2, \cdots, \lambda_n \boldsymbol{p}_n) \end{align*} A(p1,p2,⋯,pn)=(p1,p2,⋯,pn) λ1λ2⋱λn =(λ1p1,λ2p2,⋯,λnpn)
于是有
A p i = λ i p i ( i = 1 , 2 , ⋯ , n ) \boldsymbol{A} \boldsymbol{p}_i = \lambda_i \boldsymbol{p}_i \hspace{1em} (i=1,2,\cdots,n) Api=λipi(i=1,2,⋯,n)
可见 λ i \lambda_i λi 是 A \boldsymbol{A} A 的特征值,而 P \boldsymbol{P} P 的列向量 p i \boldsymbol{p}_i pi 就是 A \boldsymbol{A} A 的对应于特征值 λ i \lambda_i λi 的特征向量。首先证明充分性。因为矩阵 A \boldsymbol{A} A 与对角矩阵相似,所以可逆矩阵 P \boldsymbol{P} P 存在,从而矩阵 P \boldsymbol{P} P 的秩等于矩阵的阶数 n n n,进而向量组 p 1 , p 2 , ⋯ , p n \boldsymbol{p}_1,\boldsymbol{p}_2,\cdots,\boldsymbol{p}_n p1,p2,⋯,pn 线性无关,即 A \boldsymbol{A} A 有 n n n 个线性无关的特征向量。文章来源:https://www.toymoban.com/news/detail-401843.html
再次证明充分性。因为 A \boldsymbol{A} A 有 n n n 个线性无关的特征向量,所以向量组向量组 p 1 , p 2 , ⋯ , p n \boldsymbol{p}_1,\boldsymbol{p}_2,\cdots,\boldsymbol{p}_n p1,p2,⋯,pn 线性无关,从而矩阵 P \boldsymbol{P} P 的秩等于矩阵的阶数 n n n,矩阵 P \boldsymbol{P} P 可逆且存在,于是矩阵 A \boldsymbol{A} A 与对角矩阵相似。文章来源地址https://www.toymoban.com/news/detail-401843.html
到了这里,关于【证明】矩阵可以对角化的充要条件是矩阵有n个线性无关的特征向量的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!