高等数学 / 系统课时
判断矩阵何时可以对角化
判断矩阵何时可以对角化
本篇解决一个核心判断:已知方阵的特征值后,怎样确认它能否写成 。关键不在于“有没有特征值”,而在于是否能找到足够多线性无关的特征向量来组成可逆矩阵 。
学习目标
- 能用“是否存在 个线性无关特征向量”判断 矩阵能否对角化。
- 能区分特征值的代数重数与几何重数。
- 能处理重特征值,并判断它是否导致特征向量数量不足。
可对角化真正要求什么
若
其中 是对角矩阵,那么 的每一列都必须是 的特征向量,而 对角线上的元素就是这些列对应的特征值。因为 必须可逆,所以它的列必须线性无关。
因此,对一个 矩阵,最直接的判据是:矩阵可对角化,当且仅当能找到 个线性无关的特征向量。
如果矩阵有 个互不相同的特征值,那么不同特征值对应的特征向量必然线性无关,因此一定可对角化。但“特征值互不相同”只是充分条件,不是必要条件;重复特征值仍然可能拥有足够多的特征向量。
用两种重数判断特征向量够不够
设 是特征值。它在特征多项式中作为根出现的次数,称为代数重数 ;零空间
的维数称为几何重数 。对任意特征值都有
几何重数直接告诉你:这个特征值能够提供多少个线性无关的特征向量。
当特征多项式在当前数域上能够完全分解时,矩阵可对角化等价于每个特征值都满足 ;也等价于所有特征空间维数之和为 。

对比两个只有一个特征值的矩阵
考虑
它的特征多项式为 ,所以 的代数重数是 。但
只有一个自由变量,故 ,也就是 。这个矩阵只能提供一个线性无关的特征向量,无法组成 的可逆矩阵 ,因此不可对角化。
再看
它同样只有特征值 ,且代数重数为 。但此时 是零矩阵,零空间就是整个 ,所以 。可以任取两条线性无关方向作为特征向量,因此 可以对角化。
这组对比说明:重特征值本身不是问题,真正的问题是几何重数是否缩水。
快速判断时按这个顺序
实际计算时,可以依次检查:
- 求特征多项式并确定所有特征值及其代数重数。
- 若已经得到 个互不相同的特征值,立即判定可对角化。
- 对每个重复特征值计算 的维数,得到几何重数。
- 若每个特征值都满足 ,并且总共得到 个线性无关特征向量,则可对角化;否则不可对角化。
还要注意数域。一个实矩阵可能没有足够的实特征值,因此在 上不能对角化,却可能在 上可以。判断时必须先明确讨论的是实数域还是复数域。
最后只需记住一件事:对角化是在寻找一组由特征向量组成的基。代数重数描述“特征值重复了几次”,几何重数描述“这个特征值实际提供了多少个独立方向”;只有这些方向总数达到矩阵维数,才真正能够对角化。