矩阵对角化计算器 - 特征值分解 P⁻¹AP

Q: 怎么使用矩阵对角化计算器 - 特征值分解 P⁻¹AP？

首先，输入 2×2 或 3×3 矩阵；点击计算得到特征多项式、特征值（含重数）与对应特征向量。 然后，工具按特征值检查几何重数并给出「可对角化 / 不可对角化」结论；可对角化时输出 P 与 D。 全程在页面内完成，结果即时更新。

什么是在线矩阵对角化计算器？

对角化是寻找一个新坐标系，让矩阵在该坐标系下「只伸缩、不旋转」：找到可逆矩阵 P 与对角矩阵 D，使 P⁻¹AP = D（等价于 A = PDP⁻¹）。D 的对角元是 A 的特征值，P 的列是按同一顺序排列的特征向量。「换到特征向量坐标系里看，A 的动作就只是沿着每个方向缩放 λ 倍」——这是线性代数里最深刻的一幅图景。

可对角化的条件是特征向量足够用：n 阶矩阵需要 n 个线性无关的特征向量，即每个特征值的几何重数（无关特征向量个数）等于代数重数（特征多项式里的重根次数）。有重根时未必满足——例如 [[1,1],[0,1]] 特征值 1 是二重根却只有一个特征向量方向，不可对角化。实对称矩阵永远可对角化（还可让 P 正交），这是它格外好用的原因。

对角化的头号应用是算矩阵幂：Aᵏ = PDᵏP⁻¹，对角阵的幂就是把对角元各自乘 k 次方。人口迁移、马尔可夫链稳态、斐波那契数列通项、微分方程组解耦，全都靠这一步把「迭代 k 次」化成「查表一次」。它也是主轴定理、二次型标准化、PCA 降维的数学骨架。

A = PDP⁻¹，D = diag(λ₁,…,λₙ)；Aᵏ = PDᵏP⁻¹；可对角化 ⇔ 几何重数之和 = n ⇔ Σ dim ker(A − λᵢI) = n

示例：A = [[4,1],[2,3]]：特征值 5、2，特征向量 [1,1]ᵀ、[1,−2]ᵀ → P = [[1,1],[1,−2]]，D = diag(5,2)；A¹⁰⁰ = P·diag(5¹⁰⁰,2¹⁰⁰)·P⁻¹，手算 100 次迭代被压缩成两个幂。

如何使用在线矩阵对角化计算器

1
输入 2×2 或 3×3 矩阵；点击计算得到特征多项式、特征值（含重数）与对应特征向量。
2
工具按特征值检查几何重数并给出「可对角化 / 不可对角化」结论；可对角化时输出 P 与 D。
3
需要 Aᵏ 时按 Aᵏ = PDᵏP⁻¹ 计算：先对 D 的对角元取 k 次幂，再做两次矩阵乘法。

计算示例

例 1马尔可夫稳态

转移矩阵 M = [[0.9,0.2],[0.1,0.8]]：特征值 1 与 0.7，λ=1 的特征向量 [2,1]ᵀ 归一化 [2/3,1/3]ᵀ 即稳态分布——无论初始比例如何，长期都收敛到 2:1。

例 2斐波那契通项

companion 矩阵 [[1,1],[1,0]] 对角化后 D = diag(φ,ψ)（φ=1.618, ψ=−0.618），Aⁿ 的 (1,2) 元即 Fₙ = (φⁿ−ψⁿ)/√5——黄金比例从对角化中自然浮现。

注意事项

重根特征值只有一个特征向量方向时不可对角化（如若尔当块）；此时只能化成若尔当形，Aᵏ 需另行处理。
P 的列与 D 的对角元顺序必须一一对应：把 λ₁ 排第一列，P 第一列就必须是 λ₁ 的特征向量，排错顺序 D 就错了。
特征向量乘任意非零常数仍是合法特征向量：P 不唯一，验算时看 P⁻¹AP 是否等于 D，不必纠结 P 的具体数值。
复特征值（成对共轭）的实矩阵在实数范围内不可对角化到实 D；需要时进入复数域处理或改用实块对角（旋转-缩放块）形式。

常见问题

A = PDP⁻¹，D = diag(λ₁,…,λₙ)；Aᵏ = PDᵏP⁻¹；可对角化 ⇔ 几何重数之和 = n ⇔ Σ dim ker(A − λᵢI) = n。示例：A = [[4,1],[2,3]]：特征值 5、2，特征向量 [1,1]ᵀ、[1,−2]ᵀ → P = [[1,1],[1,−2]]，D = diag(5,2)；A¹⁰⁰ = P·diag(5¹⁰⁰,2¹⁰⁰)·P⁻¹，手算 100 次迭代被压缩成两个幂。在矩阵对角化计算器 - 特征值分解 P⁻¹AP计算器中输入参数即可按此公式自动求解，无需手工推导。

重根特征值只有一个特征向量方向时不可对角化（如若尔当块）；此时只能化成若尔当形，Aᵏ 需另行处理；P 的列与 D 的对角元顺序必须一一对应：把 λ₁ 排第一列，P 第一列就必须是 λ₁ 的特征向量，排错顺序 D 就错了。其余细节见页面注意事项一节。

马尔可夫稳态：转移矩阵 M = [[0.9,0.2],[0.1,0.8]]：特征值 1 与 0.7，λ=1 的特征向量 [2,1]ᵀ 归一化 [2/3,1/3]ᵀ 即稳态分布——无论初始比例如何，长期都收敛到 2:1。

首先，输入 2×2 或 3×3 矩阵；点击计算得到特征多项式、特征值（含重数）与对应特征向量。然后，工具按特征值检查几何重数并给出「可对角化 / 不可对角化」结论；可对角化时输出 P 与 D。全程在页面内完成，结果即时更新。

对角化是寻找一个新坐标系，让矩阵在该坐标系下「只伸缩、不旋转」：找到可逆矩阵 P 与对角矩阵 D，使 P⁻¹AP = D（等价于 A = PDP⁻¹）。D 的对角元是 A 的特征值，P 的列是按同一顺序排列的特征向量。「换到特征向量坐标系里看，A 的动作就只是沿着每个方向缩放 λ 倍」——这是线性代数里最深刻的。

两者同属相关计算链条：特征值特征向量计算器 - 2x2 矩阵在线求解解决的是与之衔接的另一层问题。完成矩阵对角化计算器 - 特征值分解 P⁻¹AP计算后，页面底部相关推荐区可直接跳转到特征值特征向量计算器 - 2x2 矩阵在线求解继续演算，参数在同类工具间口径一致，交叉验证更方便。

斐波那契通项：companion 矩阵 [[1,1],[1,0]] 对角化后 D = diag(φ,ψ)（φ=1.618, ψ=−0.618），Aⁿ 的 (1,2) 元即 Fₙ = (φⁿ−ψⁿ)/√5——黄金比例从对角化中自然浮现。

输入 2×2 或 3×3 矩阵。超出合理范围的输入可能导致结果无实际意义，页面注意事项一节标明了边界条件与单位口径。

本页矩阵对角化计算器 - 特征值分解 P⁻¹AP计算器与页面内的公式、示例、对照表同源，全部数字由同一套程序实时计算。可用一个已知算例代入验证：先在示例一节找到演算过程，再用相同参数在计算器中复算一遍，两次结果一致即说明口径无误。

计算过程按双精度浮点执行，结果默认保留 4 位有效小数，页面会按数值大小自动切换科学计数法。对照表中的数值与计算器输出完全同源，不存在手工四舍五入引入的偏差。

不是，但相容：可对角化时 A⁻¹ = PD⁻¹P⁻¹（D 对角元取倒数）。对角化是「换坐标系」，求逆只是它的一个副产品。

谱定理保证：实对称矩阵的特征值全为实数、不同特征值的特征向量自动正交、重根方向也够数。因此还能取正交矩阵做 P（谱分解 A = QΛQᵀ）。

特征分解只对方阵且要求可对角化；SVD 对任意矩阵（含长方形）都存在，用左右奇异向量 U、V 与奇异值 Σ 分解。SVD 是特征分解的「通用推广」。

参考资料

凯文内容作者Calcton 数学编辑组口径审核Calcton 编辑组交叉审核· 内容更新于 2026-08-31

负责 Calcton 的公式核对与内容撰写：每个工具的公式都注明出处，示例数字经过程序复算，健康与判定标准一律采用国际口径。

Calcton 数学编辑组：标准教科书（高中至大学低年级）与常用数学手册的公式口径。

参考来源与更新说明

本页公式与判定标准参考以下权威资料：

最后更新：2026-08-31。

免责声明：本页面提供的计算结果与说明内容仅供参考，不构成医疗、税务、投资或法律等专业建议。尽管我们力求公式与数据准确，仍可能存在误差；据此做出的任何决策，请结合专业机构意见。

在线矩阵对角化计算器

什么是在线矩阵对角化计算器？

如何使用在线矩阵对角化计算器

计算示例

注意事项

常见问题

参考资料

引用本页

把这个计算器嵌入到你的网站

参考来源与更新说明

什么是在线矩阵对角化计算器？

如何使用在线矩阵对角化计算器

计算示例

注意事项

常见问题