矩陣對角化計算器

矩陣對角化是線性代數中的基礎程序，透過相似變換將方陣 A 轉換為對角矩陣 D。其關係表示為 P⁻¹AP = D，其中 P 是特徵向量矩陣，D 是主對角線包含特徵值的對角矩陣。 方陣 A 的特徵值 λ 是滿足 det(A − λI) = 0 的純量，其中 I 是單位矩陣。這個方程稱為 A 的特徵方程，而 det(A − λI) 所對應的多項式稱為特徵多項式。對 2×2 矩陣而言，它是二次多項式；對 3×3 矩陣而言，它是三次多項式。特徵值就是這個多項式的根。 對每個特徵值 λ，對應的特徵向量是方程 (A − λI)v = 0 的非零解。所有解（包含零向量）構成對應於 λ 的特徵空間。矩陣可對角化，且僅當它具有足夠多線性獨立的特徵向量來形成完整基底——等價地說，每個特徵值的幾何重數都必須等於代數重數。 對角矩陣 D 的主對角線上是特徵值，其餘位置皆為 0。變換矩陣 P 的欄向量是對應的特徵向量，且順序與 D 中的特徵值一致。當 P 可逆（也就是 A 可對角化時），即可驗證關係 P⁻¹AP = D。 對角化非常實用，因為對角矩陣容易處理。計算對角矩陣的冪非常簡單：D^n 只要把每個對角元素都提升到 n 次方即可。這表示計算大次方的 A^n 可以寫成 P D^n P⁻¹，比反覆做矩陣乘法有效率得多。它在計算費波那契數、以 Leslie 矩陣建模族群成長，以及解微分方程組等方面都有直接應用。 在資料科學與統計中，主成分分析（PCA）直接依賴對角化。資料集的共變異數矩陣是對稱矩陣，因此一定可用實特徵值對角化。特徵向量定義主成分——也就是變異最大的方向——而特徵值則告訴你每個主成分解釋了多少變異。 在量子力學中，對哈密頓量矩陣進行對角化可得到物理系統的能階與本徵態。在機械工程中，結構振動的自然頻率與模態形狀可由系統的剛性矩陣與質量矩陣對角化後求得。 並非所有矩陣都能對角化。具有重特徵值的矩陣是否可對角化，取決於每個重特徵值是否有完整的特徵空間。二維旋轉矩陣具有複數特徵值，因此不能在實數範圍內對角化。在這類情況下，Jordan 標準形提供了最接近對角形式的表示。