515 字
3 分钟
对角矩阵 (Diagonal Matrix)
2026-04-10
无标签

定义#

对角矩阵是指在一个方阵中,只有主对角线上的元素可能非零,而其他位置的元素都是零的矩阵。形式化定义如下:

D=[d10000d20000d30000dn]D = \begin{bmatrix} d_1 & 0 & 0 & \cdots & 0 \\ 0 & d_2 & 0 & \cdots & 0 \\ 0 & 0 & d_3 & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & d_n \end{bmatrix}

其中 d1,d2,,dnd_1, d_2, \ldots, d_n 是对角线上的元素,可以是任意实数。

性质#

如果把矩阵看作加工向量的机器,普通矩阵会把向量旋转 + 缩放,而对角阵非常纯粹:它 只做缩放,不旋转

  • 如果 d1=2d_1 = 2,意味着它把向量在 xx 轴方向拉长 2 倍。

  • 如果 d2=0.5d_2 = 0.5,意味着它把向量在 yy 轴方向压缩一半。

  • 各轴独立:每个轴的缩放互不干扰。

计算#

对角矩阵的计算非常简单:

  • 乘法极快:
    • 两个对角阵相乘,只需要把对应的对角元素相乘即可。
    • 对角阵和向量相乘,也只需要把向量的每个分量分别乘以对应的对角元素(看作不同坐标轴上缩放程度不一样)。这大大减少了计算量,尤其在高维空间中。
Dx=[d10000d20000d30000dn][x1x2x3xn]=[d1x1d2x2d3x3dnxn]=i=1ndixiei\begin{aligned} D \mathbf{x} &= \begin{bmatrix} d_1 & 0 & 0 & \cdots & 0 \\ 0 & d_2 & 0 & \cdots & 0 \\ 0 & 0 & d_3 & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & d_n \end{bmatrix} \begin{bmatrix}x_1 \\ x_2 \\ x_3 \\ \vdots \\ x_n \end{bmatrix}= \begin{bmatrix} d_1x_1\\ d_2x_2\\ d_3x_3\\ \vdots\\ d_nx_n \end{bmatrix} =\sum_{i=1}^{n} d_i x_i \mathbf{e}_i \end{aligned}
  • 求幂简单:想求 D100D^{100}?不需要乘一百次,直接把对角线上的每个数字求 100 次方。
  • 行列式好算:det(D)\det(D) 就是主对角线所有元素的乘积。
  • 逆矩阵秒出:只要对角线上没有 0,逆矩阵 D1D^{-1} 就是把对角线元素全部取倒数
  • 特征值:对于对角阵,对角线上的数字直接就是它的特征值。
特征值={d1,d2,,dn}\text{特征值} = \{d_1, d_2, \ldots, d_n\}
对角矩阵 (Diagonal Matrix)
https://biscuit0613.github.io/posts/lineralgebra/diagonalmatrix/
作者
Biscuit
发布于
2026-04-10
许可协议
CC BY-NC-SA 4.0