線性代數 · 對角化

對角化

把同一個線性變換放到另一組基底下描述,它的矩陣就從A變成B = P⁻¹AP,P的行是新的基底向量。對角化就是找一組基底讓B是對角矩陣;這恰好發生在基底向量都是特徵向量的時候。

對角化與本頁畫面

平面上的一個線性變換在標準基底下的矩陣是AA。換一組基b1,b2b_1, b_2(PP的兩行),同一個變換的矩陣是B=P−1APB = P^{-1}AP:一個向量在新基下的座標是cc,先換成標準座標PcPc,作用AA,再用P−1P^{-1}換回來。BB的第jj行就是AbjAb_j在新基下的座標:Abj=B1jb1+B2jb2Ab_j = B_{1j}b_1 + B_{2j}b_2。對角化AA,就是找一組基底讓BB是對角矩陣。圖中藍色是基,墨色是像Ab1,Ab2Ab_1, Ab_2,選取的像用黃色拆成兩段。

換基時甚麼不變

BB的每個數都可能隨基變,但AA和BB說的是同一個變換,屬於變換本身的量都不變:跡(tr⁡(P−1AP)=tr⁡A\operatorname{tr}(P^{-1}AP) = \operatorname{tr} A)、行行式、特徵值。預設矩陣在任何一組基底下跡都是5,行行式都是4。

為甚麼特徵向量讓B對角

BB的第一個直行是(λ,0)(\lambda, 0),若且唯若Ab1=λb1Ab_1 = \lambda b_1,也就是b1b_1為特徵向量。第二行亦然。因此,兩個基底向量都是特徵向量時,BB恰好是對角矩陣,此時A=PDP−1A = PDP^{-1},其中DD是由特徵值組成的對角矩陣。計算矩陣的冪因此變得簡單:An=PDnP−1A^n = PD^nP^{-1},而DnD^n只要把各個對角元素取nn次方。對預設矩陣而言,D=diag⁡(4,1)D = \operatorname{diag}(4, 1)可直接算出A10=(699051349525699050349526)A^{10} = \begin{pmatrix} 699051 & 349525 \\ 699050 & 349526 \end{pmatrix},無須將AA連乘十次。實對稱矩陣一定有一組由彼此垂直的特徵向量構成的基底。

甚麼時候做不到

實的2 × 2矩陣能用一組實的基對角化,恰好當它有兩條方向不同的實特徵向量。兩個不同的實特徵值就保證了這一點,但不是必要的:λI\lambda I的特徵值重復,本身已經是對角的。錯切只有一條特徵線;把b1b_1放上去,第一行變成(1,0)(1, 0),只要b2b_2和b1b_1不共線,右上角就總不是0,任何一組基最多做到上三角。90°旋轉把每個實的方向都轉走,沒有哪組實的基行得通;在複數里它可以對角化。

值得注意

  • 對角元的順序跟著基底向量的順序:對調b₁和b₂,對角元也對調。
  • 特徵基底里的特徵向量各自伸縮,P變了,B不變。

操作

  • 拖藍色基底向量的箭頭尖;靠近特徵線時會吸上去。選取一個尖後方向鍵每次移動0.1。

相關概念