A-λE|=0,λ特征值，是主对角线元素相减，而对角矩阵，特征值和对角线元素相等，正好满足|A-λE|=0
对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵，常写为diag（a1，a2,...,an) 。对角矩阵可以认为是矩阵中最简单的一种，值得一提的是：对角线上的元素可以为 0 或其他值，对角线上元素相等的对角矩阵称为数量矩阵；对角线上元素全为1的对角矩阵称为单位矩阵。
对角矩阵的运算包括和、差运算、数乘运算、同阶对角阵的乘积运算，且结果仍为对角阵。
扩展资料：
特征值的基本应用
求特征向量
设A为n阶矩阵，根据关系式Ax=λx，可写出(λE-A)x=0，继而写出特征多项式|λE-A|=0，可求出矩阵A有n个特征值（包括重特征值）。将求出的特征值λi代入原特征多项式，求解方程(λiE-A)x=0，所求解向量x就是对应的特征值λi的特征向量。
判断相似矩阵的必要条件
设有n阶矩阵A和B，若A和B相似（A∽B），则有：
1、A的特征值与B的特征值相同——λ(A)=λ(B)，特别地，λ(A)=λ(Λ)，Λ为A的对角矩阵；
2、A的特征多项式与B的特征多项式相同——|λE-A|=|λE-B|；
3、A的迹等于B的迹——trA=trB/
，其中i=1,2,…n（即主对角线上元素的和）；
4、A的行列式值等于B的行列式值——|A|=|B|；
5、A的秩等于B的秩——r(A)=r(B)。
因而A与B的特征值是否相同是判断A与B是否相似的根本依据。
判断矩阵可对角化的充要条件
矩阵可对角化有两个充要条件：
1、矩阵有n个不同的特征向量；
2、特征向量重根的重数等于基础解系的个数。对于第二个充要条件，则需要出现二重以上的重特征值可验证（一重相当于没有重根）。
若矩阵A可对角化，则其对角矩阵Λ的主对角线元素全部为A的特征值，其余元素全部为0。（一个矩阵的对角阵不唯一，其特征值可以换序，但都存在由对应特征向量顺序组成的可逆矩阵P使 
参考资料：百度百科-特征值
|A-λE|=0,λ特征值，是主对角线元素相减，
而对角矩阵，特征值和对角线元素相等，正好满足|A-λE|=0
对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵，常写为diag（a1，a2,...,an) 。对角矩阵可以认为是矩阵中最简单的一种，值得一提的是：对角线上的元素可以为 0 或其他值，对角线上元素相等的对角矩阵称为数量矩阵；对角线上元素全为1的对角矩阵称为单位矩阵。对角矩阵的运算包括和、差运算、数乘运算、同阶对角阵的乘积运算，且结果仍为对角阵。
本回答被网友采纳这是一个结论性的说法。
要严谨的证明这个结论可以利用对角矩阵能相似对角化成λE的矩阵
因为ixe-ai=(x-1)(x-2)(x-3).
令ixe-ai=0，
解得所有特征值是1,2,3
。
第一个例子也同理。
所以对角矩阵的特征值就是主对角线上的各个元素。
简单一点，|A-λE|=0,λ特征值，是主对角线元素相减，
而对角矩阵，特征值和对角线元素相等，正好满足|A-λE|=0