DiagonalizableMatrixQ

DiagonalizableMatrixQ[m]

如果 m 可以对角化,给出 True,否则给出 False.

更多信息和选项

  • 如果矩阵 m 与对角矩阵相似,则可以对角化. 也就是说,如果存在一个非奇异矩阵 使得 为对角矩阵.
  • DiagonalizableMatrixQ 适用于符号式矩阵,也适用于数值矩阵.
  • 对于近似矩阵,选项 Tolerance->t 可用于表示满足 Abs[Det[v]]t 的矩阵 m 的特征向量 v 的行列式取值为零,这意味着特征向量 v 是线性相关的,且矩阵 m 不能对角化.
  • 选项 Tolerance 的缺省值为 Automatic.

范例

打开所有单元关闭所有单元

基本范例  (2)

验证 2×2 数值矩阵是否可对角化:

验证 3×3 符号矩阵是否可对角化:

将矩阵的特征向量放在列中:

验证矩阵类似于对角矩阵:

范围  (9)

基础用法  (5)

检验一个实值的机器精度矩阵是否可对角化:

验证结果:

得到矩阵的对角元素是 的特征值:

检验复矩阵是否可对角化:

检验精确矩阵是否可对角化:

使矩阵可对角化:

DiagonalizableMatrixQ 用于具有任意精度矩阵:

随机方形矩阵通常是可对角化矩阵:

DiagonalizableMatrixQ 用于符号矩阵:

特殊矩阵  (4)

DiagonalizableMatrixQ 用于稀疏矩阵:

DiagonalizableMatrixQ 用于结构化矩阵:

用于 QuantityArray 结构化矩阵:

单位矩阵是可对角化矩阵:

HilbertMatrix 为可对角化矩阵:

选项  (1)

Tolerance  (1)

生成一个实数非对角化若尔当块矩阵,其中该矩阵具有随机扰动的阶数

q 是可以对角化的:

但特征向量 v 在数值上线性相关:

调整选项 Tolerance 使得特征向量的线性相关性能被检测出来:

应用  (6)

如果矩阵 是可对角化的,则可将其分解为 ,其中 是非奇异矩阵, 是对角矩阵. 这可以通过使用其幂级数表示 作为 f(m)=p.(sum_(i=0)^inftya_i d^i).TemplateBox[{p}, Inverse]=p.f(d).TemplateBox[{p}, Inverse] 来计算矩阵函数,并且可以通过简单地将 应用于每个对角线元素来计算 . 使用此方法计算几个不同的矩阵函数:

计算 的特征系统:

矩阵将特征向量作为列,对角线项是特征值:

使用 MatrixPower 计算 并进行验证:

使用 MatrixExp 计算 并进行验证:

使用 MatrixLog 计算 并进行验证:

使用 MatrixFunction 计算 并进行验证:

求解 ODE 方程组 . 首先,构造右侧的系数矩阵

系数矩阵是可对角化的,因此计算矩阵指数很简单:

求特征值和特征向量:

构造一个对角矩阵,其项是 的指数:

构造其列是对应特征向量的矩阵:

对于三个任意起始值,其通解为 p.d.TemplateBox[{p}, Inverse].{TemplateBox[{1}, CTraditional],TemplateBox[{2}, CTraditional],TemplateBox[{3}, CTraditional]}

使用 DSolveValue 验证解:

使用 Fibonacci 的递归关系 TemplateBox[{n}, Fibonacci]=TemplateBox[{{n, -, 1}}, Fibonacci]+TemplateBox[{{n, -, 2}}, Fibonacci] 可写成 f(n)=(TemplateBox[{n}, Fibonacci] ; TemplateBox[{{n, -, 1}}, Fibonacci] )=(TemplateBox[{{n, -, 1}}, Fibonacci]+TemplateBox[{{n, -, 2}}, Fibonacci] ; TemplateBox[{{n, -, 1}}, Fibonacci] )=(1 1; 1 0).(TemplateBox[{{n, -, 1}}, Fibonacci] ; TemplateBox[{{n, -, 2}}, Fibonacci] )=m.f(n-1) 这样的矩阵形式这一事实,推导出 f(n)={TemplateBox[{n}, Fibonacci],TemplateBox[{{n, -, 1}}, Fibonacci]} 的公式. 递归关系的解为 ,其中

矩阵 为可对角化矩阵:

因此,可使用 Eigensystem[m] 简单计算矩阵幂:

完成 的定义:

计算 TemplateBox[{100}, Fibonacci]TemplateBox[{99}, Fibonacci]

使用 Fibonacci 验证结果:

正规矩阵是最通用的矩阵类型,可以酉对角化为 ,其中 为对角矩阵和 为酉矩阵. 所有埃尔米特矩阵 都是正规矩阵,因为等式的两边都是简单的

类似地,所有反埃尔米特矩阵都是正规矩阵,因为等式的两边都是简单的

酉矩阵是正规矩阵,因为在定义中代入 TemplateBox[{u}, ConjugateTranspose]=TemplateBox[{u}, Inverse] 给出了两边的单位矩阵:

证明下面的矩阵是正规矩阵,并对其进行对角化:

使用 NormalMatrixQ 进行验证:

使用 Eigensystem 可将像 这样的正规矩阵进行酉对角化:

对角线上的项可以是任意复数:

对特征向量进行正规化并将其放在列中会得到一个酉矩阵:

确认对角化 n=u.d.TemplateBox[{u}, ConjugateTranspose]

跳过特征向量的正规化足以表明 是可对角化矩阵(尽管非酉):

在量子力学中,能量算子称为哈密顿量 ,具有能量 的状态根据薛定谔方程 演化. 有一个重要的假设是任何状态都可以写成特征态的总和. 证明这是 方向恒定磁场中自旋 1 粒子的哈密顿量的情况:

矩阵是可对角化矩阵,因此其特征向量必须构成 TemplateBox[{}, Complexes]^3 的基:

计算本征系统,能级为

确认特征向量为线性独立,因此是一个基:

正规化特征向量:

将任意状态分解为特征向量的和:

许多矩阵分布产生确保可对角化的矩阵,包括 CircularRealMatrixDistribution

CircularSymplecticMatrixDistribution

GaussianOrthogonalMatrixDistribution

GaussianUnitaryMatrixDistribution

属性和关系  (9)

可对角化矩阵 可以使用 Eigensystem 分解为 m=p.d.TemplateBox[{p}, Inverse],其中 为对角矩阵:

将特征向量放在列中,将特征值放在矩阵的对角线上:

确认该分解:

当且仅当矩阵具有一组完整的特征向量时该矩阵是可对角化矩阵:

虽然其有重复特征值,但 有三个线性独立的特征向量:

尽管具有与 相同的特征值,但矩阵 不可对角化:

该矩阵只有两个独立的特征向量,如 Eigensystem 返回的零向量所示:

任何没有重复特征值的矩阵都是可对角化矩阵:

任何实对称矩阵都是可对角化矩阵:

与任何埃尔米特矩阵一样:

任何实反对称矩阵都是可对角化矩阵:

与任何反埃尔米特矩阵一样:

任何实正交矩阵都是可对角化矩阵:

与任何酉矩阵一样:

任何正规矩阵都是可对角化的:

当且仅当 JordanDecomposition[m] 矩阵是对角矩阵时,矩阵 m 是可对角化矩阵:

如果对于某些 ,有 ,则 × 矩阵 是幂零的:

考虑一个不可对角化的矩阵

使用 JordanDecomposition 写为 ,其中 可对角化且 幂零:

确认 是可对角化矩阵:

矩阵 是幂零的:

此外, 可交换:

Wolfram Research (2014),DiagonalizableMatrixQ,Wolfram 语言函数,https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html.

文本

Wolfram Research (2014),DiagonalizableMatrixQ,Wolfram 语言函数,https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html.

CMS

Wolfram 语言. 2014. "DiagonalizableMatrixQ." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html.

APA

Wolfram 语言. (2014). DiagonalizableMatrixQ. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html 年

BibTeX

@misc{reference.wolfram_2024_diagonalizablematrixq, author="Wolfram Research", title="{DiagonalizableMatrixQ}", year="2014", howpublished="\url{https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_diagonalizablematrixq, organization={Wolfram Research}, title={DiagonalizableMatrixQ}, year={2014}, url={https://reference.wolfram.com/language/ref/DiagonalizableMatrixQ.html}, note=[Accessed: 22-November-2024 ]}