浅谈矩阵的特征值与特征向量的应用终稿复习课程.docx
- 文档编号:5105651
- 上传时间:2022-12-13
- 格式:DOCX
- 页数:31
- 大小:49.46KB
浅谈矩阵的特征值与特征向量的应用终稿复习课程.docx
《浅谈矩阵的特征值与特征向量的应用终稿复习课程.docx》由会员分享,可在线阅读,更多相关《浅谈矩阵的特征值与特征向量的应用终稿复习课程.docx(31页珍藏版)》请在冰豆网上搜索。
浅谈矩阵的特征值与特征向量的应用终稿复习课程
浅谈矩阵的特征值与特征向量的应用(终稿)
浅谈矩阵的特征值与特征向量的应用
摘要
特征值与特征向量在现代科学中有重要的应用。
本文介绍了特征值与特征向量的定义以及性质,并且给出了在线性空间中线性变换的特征值、特征向量与矩阵中的特征值、特征向量之间的关系。
然后介绍了几种特征值与特征向量的求解方法。
最后介绍了特征值与特征向量在实际中的应用,如在数学领域中、物理中以及经济发展与环境污染增长模型中的应用等等。
关键字:
特征值;特征向量;应用;矩阵;初等变换
Abstract
Eigenvaluesandeigenvectorshaveimportantapplicationsinmodernscience.Thispaperintroducesthedefinitionandnatureoftheeigenvaluesandeigenvectors,eigenvaluesandgiveslinearspaceoflineartransformations,eigenvectorsandeigenvaluesoftherelationshipmatrix,featurevectors.Thenintroducesseveraleigenvaluesandeigenvectorsofsolvingmethods.Finally,theeigenvaluesandeigenvectorsinpracticalapplication,suchasinthefieldsofmathematics,physics,economicdevelopmentandenvironmentalpollutiongrowthmodelandtheapplication,andsoon.
Keyswords:
eigenvalue;eigenvector;application;matrix;elementary;
浅谈矩阵的特征值与特征向量的应用2
摘要2
Abstract2
第1章引言4
1.1研究背景4
1.2研究现状5
1.3本文研究目的及意义6
第2章特征值与特征向量的一般理论6
2.1特征值与特征向量的定义和性质6
2.1.1特征值与特征向量的定义7
2.1.2特征值与特征向量的性质7
2.2特征值与特征向量的一般求解方法8
2.2.1一般数字矩阵的简单求解8
2.2.2初等变换法求矩阵的特征值与特征向量10
第3章矩阵的特征值与特征向量的应用研究12
3.1特征值与特征向量在数学领域简单应用13
3.1.1高阶高次幂矩阵的求解13
3.1.2在线性递推关系的应用14
3.2特征值与特征向量在物理学中的应用17
3.2.1简单理想状态双振动系统17
3.3环境污染及经济增长模型中的应用22
总结25
参考文献26
第1章引言
1.1研究背景
矩阵是数学中的一个重要的基本概念之一,是代数学的一个主要研究对象,也是数学研究和应用的一个重要工具.矩阵的特征值与特征向量问题是矩阵理论的重要组成部分,它在高等代数和其他科技领域中占有重要的位置.同时它又贯穿了高等代数的许多重要方面,对于该课题的研究加深了我们对高等代数各个部分的认识,从而使我们更深刻的了解高等代数的相关理论.对矩阵的特征值与特征向量的理论研究和及其应用探究,不仅对提高高等代数以及相关课程的理解有很大帮助,而且在理论上也很重要,可以直接用来解决实际问题.现在矩阵已成为独立的一门数学分支,矩阵特征值与特征向量的应用是多方面的,不仅在数学领域里,而且在力学、物理、科技方面都有十分广泛的应用.
1.2研究现状
在此之前已有很多专家学者涉足此领域研究该问题.吴江、孟世才、许耿在《浅谈<线性代数>中“特征值与特征向量”的引入》中从线性空间V中线性变换在不同基下的矩阵具有相似关系出发引入矩阵的特征值与特征向量的定义.郭
华、刘小明在《特征值与特征向量在矩阵运算中的作用》中从方阵的特征值与特征向量的性质出发,结合具体的例子阐述了特征值与特征向量在简化矩阵运算中所起的作用.矩阵的特征值与特征向量在结构动力分析中有重要作用,矩阵迭代法是求矩阵的第一阶特征值与特征向量的一种数值方法,但是选取不同的初始向量使结果可能收敛于不同阶的特征值与特征向量,而不一定收敛与第一阶陈建兵在《矩阵迭代法求矩阵特征值与特征向量初始向量选取的讨论》中讨论了初始向量的选取问题.特征值理论是线性代数中的一个重要的内容,当方阵阶数很高时实际计算比较繁琐,赵娜、吕剑峰在《特征值问题的MATLAB实践》中从实际案例入手,利用MATLAB软件讨论了求解特征值问题的全过程.汪庆丽在《用矩阵的初等变换求矩阵的特征值与特征向量》中研究了一种只对矩阵作适当的初等行变换就能求到矩阵的特征值与特征向量的方法,论证其方法的合理性,并阐述此方法的具体求解步骤.岳嵘在《由特征值特征向量去顶矩阵的方法证明及应用》中探究了已知n阶对称矩阵A的k个互不相等的特征值及k-1个特征向量计算出矩阵A的计算方法.张红玉在《矩阵特征值的理论及应用》中讨论了通过n阶方阵A的特征值得出一系列相关矩阵的特征值,再由特征值与正定矩阵的关系得出正定矩阵的结论.刘学鹏、杨军在《矩阵的特征值、特征向量和应用》一文中讨论了矩阵的特征值和特征向量的一些特殊情况,以及
在矩阵对角化方面的应用.冯俊艳、马丽在《讨论矩阵的特征值与行列式的关系》中讨论了利用矩阵的特征值解决行列式的问题.
1.3本文研究目的及意义
在前人研究的基础上,本文给出了特征值与特征向量的概念及其性质,特征值与特征向量性质是最基本的内容,特征值与特征向量的讨论使得这一工具的使用更加便利,解决问题的作用更强有力,其应用也就更广泛.在此基础上,对矩阵的特征值与特征向量的计算进行详尽的阐述和说明.利用特征方程求特征值进而求特征向量法、列行互逆变换法、矩阵的初等变换求特征值和特征向量由于特征值与特征向量的应用是多方面的,本文重点介绍了对特征值与特征向量的应用探究,阐述了特征值和特征向量在矩阵运算中的作用,利用特征值法求解二次型最值问题以及矩阵的高次幂和反求解问题的应用.在例题解析中运用一些特征值与特征向量的性质和方法,可以使问题更简单,运算上更方便,是简化有关复杂问题的一种有效途径.本文就是通过具体的例子加以说明运用特征值与特征向量的性质可以使问题更加清楚,从而把特征值与特征向量在解决实际问题中的优越性表现出来.
第2章特征值与特征向量的一般理论
2.1特征值与特征向量的定义和性质
为了研究矩阵的线性变换,并且希望能够在线性空间中通过一些线性变换找到一个比较简单的形式,所以引入了特征值与特征向量这一概念。
我们知道,在一个有限维的线性空间中,确定一组基之后,线性变化就可以通过矩阵
的方法来表示,当然对于一些复杂的形式来说,这种变化过程也十分繁琐。
那接下来就是要讨论如何会使得这些方法变得简洁,首先介绍一下特征值与特征向量的定义。
2.1.1特征值与特征向量的定义
定义1:
设A是n阶矩阵,如果存在数与n维零向量x,使关系式
Axx成立,那么,这样的数称为方阵A的特征值,非零向量x称为方阵A的对应于特征值的特征向量(可以是复数,A的元素与x的分量也可以是复数).可以将关系式Axx写成
(A)x0
这是n个未知数n个方程的齐次线形方程组.其有非零解的充分必要条件是:
系数行列式AE0.方程组(A)x0是以为未知数的一元n次方程,称为方阵A的特征方程.AE是的n次多项式,记作f(),称为方阵A的特征多项式.显然,A的特征值就是特征方程的解.特征方程在复数范围内恒有解,其个数为方程的次数(重根按重数计算).因此,n阶矩阵在复数范围内有n个特征值.
2.1.2特征值与特征向量的性质
性质1若i是R的ri重特征值,R对应特征值i有si个线性无关的特征向量,则siri.
性质2如果x1,x2都是矩阵R的属于特征值0的特征向量,则当k1x1k2x20时,k1x1k2x20仍是R的属于特征值0的特征向量.
性质3如果1,2,,n是矩阵R的互不相同的特征值,其对应的特征向量分别是x1,x2,,xn,则x1,x2,,xn线性无关.
R
性质4若R
rijn
的特征值为1,2,,
n,则
12
nr11
r22rnn,12
性质5实对称矩阵
R的特征值都是实数,
属于不同特征值的特征向量正
交.
性质6若i是实对称矩阵R的ri重特征值,则对应特征值i恰有ri个线性
无关的特征向量,或rRiEnri
性质7设为矩阵R的特征值,Px为多项式函数,则P为矩阵多项式
PR的特征值.
2.2特征值与特征向量的一般求解方法
2.2.1一般数字矩阵的简单求解
通过对于矩阵特征值与特征向量的定义,我们对于一个确定的线性变换A的特征值与特征向量的求解方法,可以分成以下几个步骤:
1、在线性空间V中取一组基1,2,n,写出线性变换在这组基下的矩阵A;
2、求出矩阵A的特征多项式EA在数域P中的所有的根,这些根就是线性变换下所有的特征值;
3、把所求得的特征值逐个带入方程组中,对于每一个特征值,求解方程组,都可以得到一组基础解系,它们就是属于这个特征值的几个线性无关的特征向量在基1,2,n下的坐标,这样我们也就求出了属于每个特征值的全部线性无关的特征向量。
122
R212221
例2.1在基1,2,3下的一组线性变换A的矩阵形式为221,求A
的特征值与特征向量。
解先求出此矩阵的特征多项式
ER
2
15
可以看出当EA为零时,特征值分别为-1(二重)和5。
并先将-1代入
齐次方程组
1x1
2x1
2x12x2
2x2
1x2
2x3
2x3
1x3
它的基础解系为
可以得到
2x1
2x2
2x3
2x1
2x2
2x3
2x1
2x2
2x3
1
0
0,
1
1
1
0
0
0
由此便可以看出关于特征值-1的两个线性无关的特征向量为
113
223
再根据定义可以得出关于-1的特征向量为k11k22,其中的k1和k2取不全为零的任意值,然后再将5代入,可得
4x1
2x2
2x3
0
2x1
4x2
2x3
0
2x1
2x2
4x3
0
基础解系为
1
1
1
所以,对于特征值5的线性无关向量是
3123可以看出特征值5的全部特征向量为k3,k的值同上,为不全为零的数。
2.2.2初等变换法求矩阵的特征值与特征向量
在开始介绍之前首先应该了解什么叫做矩阵的初等变换。
矩阵的初等变换一般就分为初等行变换和初等列变换,先给出初等行变换的定义:
(1)调换矩阵的任意两行(如i,j行);
(2)将一个非零的数k乘以矩阵中某一行的所有元素;(例如第i行乘以k);
(3)将某一行元素的k倍加到另一行对应的元素上去;这就是矩阵的初等行变换,以同样的方法可以定义初等列变换。
而经过这种
初等变换后所得到的矩阵称为初等矩阵。
定理2.1设A是一个n阶的矩阵,
它的特征矩阵
A可以经过一系列的初
等变换转化为一个下三角矩阵,
记做
l1
l2
ln
,则对角
线上元素乘积为零的方程l1
l2
ln
0的解就是
A的特征值。
定理2.2若对于特征矩阵
TiE
进行初等变换,将其转换为一个阶梯型
的矩阵,同时对于一个相同形式的单位矩阵进行相同的变换,那么就存在一个
n阶阵Pn,n,使得
Pn,n
T
Dr,n
0nr,n
Pr,n
Pn
r,n
其中的rRAiE且Dr,n是满秩矩阵,那么Pnr,n中的n-r个n维行向量就是矩阵A的特征值所对应的特征向量。
110
430
例2.2求矩阵A=
的特征值和特征向量。
41
TE
30
02
100
010
001
3
2-10
130010
1+41100
002001
0010
1010=DP
2-001
然后使D中的主对角元素乘积为零,从上式式可得
0,
所以特征值为1=2,2=3=1;分别代入
11
0
0
1
0
D1
P
1
01
1
0
3
0
当1=2时,
00
0
0
0
1
RD12
,所
0
P1
0,0,1T
0
以当1=2时对应的特征向量为
1
。
当
2=
3
=1时代入得
1
2
00
1
0
1
2
001
0
D2P2
0
0
10
2
0
0
0
102
0
0
0
10
0
1
0
0
002
1
0
T
P20,2,1T2
所以2=3=1得特征向量为
上面的例子给出了做初等行变换的方法,同样的对于列变换也可以用相同
的方法解决,下面给出例子;
3
1
1
A
7
5
1
例2.3求矩阵
6
6
2
的特征值与特征向量。
解
3
11
1
1
3
7
51
1
5
7
EA
6
62c1c3
2
6
6
E
1
00
0
0
1
0
10
0
1
0
0
01
1
0
0
4
2
4
40
同理,使得主对角线元素乘积为零,即
,所以可看
出特征值为122,34,将12代入其中,可得
100
160
L1060
Q1001
011
110
2
可以得出特征值12所对应的特征向量为,
然后再将
代入,结果如下所示
1
0
0
1
0
0
1
0
0
1
0
0
L3
6
0
36c2c3
6
36
0
Q3
0
0
1
0
1
0
0
1
1
0
1
1
1
1
6
1
6
1
1
T
1,1,0
可以得出特征值34所对应的特征向量为2
0,1,1
T
第3章矩阵的特征值与特征向量的应用研究
作为一个重要的概念,特征值与特征向量中的应用也是最为广泛的,首先
它贯穿了整个代数学,同时在对于解决某些较为特殊和复杂的其他领域问题
时,也会使得问题更加简便,接下来就简略探究其在数学领域中的应用、物理
学中的应用以及环境污染以及经济增长模型中的应用。
3.1特征值与特征向量在数学领域简单应用
3.1.1高阶高次幂矩阵的求解
对于一个高阶甚至于n阶的矩阵进行求解,若采用以往的方法会比较麻
烦,所以就引入了较为简单的方法。
当一个n阶的矩阵A可对角化时,就是说
k
原矩阵与其对角阵相似,那么在计算它的高次幂矩阵Ak时有简便算法。
何为可
对角化,如下条件即说该矩阵可对角化:
前提是A为对称的矩阵,再有矩阵A
有n个不相等的特征值,且特征值所对应的特征向量线性无关,对于每一个特
1
征值均有m。
满足如上条件即可说A可对角化,APP1。
对APP1来说,其中Px,x,x,
成。
并且由A的n个特征值构成的对角矩阵为
1PP1P,所以Ak
AkPP1kPP1PP其中kdiag1k,2k,
P1P
Pdiag
它由A的n个特征向量构
diag1,2,n,有
P1PP1PP1PkP1
1k,2k,nkP1。
例3.1已知矩阵
k是正整数)
解从题中可以看出,
A是
个对称矩阵,所以可以采用上述的简便算法,
15
通过特征值的解法,可以得出矩阵A的特征值为11,5,设特
征向量是x1,x2,x3,所以对角阵为diag1,1,5,
1
0
1
P11
3
2
1
1
Px1
x2
x3
0
1
1
1
2
1
1
1
0
,且矩阵P的逆为
1
1
1
,又
1
P1AP
diag
1,
1,5
,化简后可以看出
A
1
PP1
,有
1
1
01
1k
0
0
2
1
1
Ak
Pk
P1
0
11
0
1
k0
1
2
1
(3.1)
3
k
1
11
0
0
5k
1
1
1
2
1k
5k1
k1
5k
1k1
5k
1
3
1k1
5k2
1k
5k
1k1
5k
(3.2)
k1
1k
5k1
k1
5k2
k
1k
5k
3.1.2在线性递推关系的应用
线性递推关系与矩阵之间有着密不可分的联系,特征值与特征向量在其中
也有着广泛的应用,接下来就讨论对于一般的线性递推关系中的应用
首先设一个K阶的线性数列,且是循环的,满足如下递推关系
3.3)
xna1xn1a2xn2akxnk,nk1,k2
其中aii1,2,,k为常数且其中任意ak0。
那么方程
xn
a1xn1
a2xn2
xn2
xn2
3.4)
xnk1
xnk1
经矩阵表示为
xn
xn1
xn2
xnk1
a1a2
10
01
00
ak1ak
00
00
10
xn1
xn2
xnk
3.5)
xn
xn1
nk1xn2
xnk1
A
a1a2
10
00
ak1
0
1
ak
0
nk
xn1
xn2
xnk
3.6)
那么(3.5)式可以写成
nk1
3.7)
通过递推关系(3.7)式变为
nk1A2
nk1
An
k
1,
1xk,xk1,,x2,x1,所以求xn就变成了求
nk
1,即求An
假设矩阵A可转化为对角阵,那么就存在可逆矩阵
P,
1
使得P1AP
则AnkPnkP1,于是
a1
a2
ak1
ak
1
0
0
0
1
0
0
0
0
1
EA
3.8)
在上面行列式的第一列上乘以
2
a
a101
2
,加到下一列,
ak1
0
0
1
a1
k2
以此类推,就得到:
ak1ak
0
0
0
a1
k1
a1
k1
ak1
ak
当是矩阵A的特征值时,可以得到REA
1,
那么齐次线性方程
组EAX0的基础解系中只有一个解,所以当矩阵
k时,分别对应着特征向量为P1,P2,,Pk,那么以其作为矩阵的列,
A有k个特征值
12
1
所构成的矩阵p就是可逆矩阵,且P1AP
2
00
3.9)
例3.2设数列xn满足如下递推的关系:
xn
2xn1
xn2
2xn3n
,其
中x11,x22,x33,求xn的通项。
xn
解由题可得数列是三阶循环的,
xn1
xn1
xn2
xn2
,将方程组写成矩
2xn1xn22xn3
阵的形式
xn
2
1
2
xn1
2
1
2
xn1
1
0
0
xn2,让A
1
0
0
xn2
0
1
0
xn3
0
1
0
3.10)
经过递推得
xn
xn1
xn2
x3
xn1
Axn2
A2xn3
An3x2
(3.11)
xn2
xn3
xn4
x1
又由于x11,x22,x33,且EA0,可得
212
1032220(3.12)
01
特征值为:
1,3
2,再由矩阵的特征方程求解,所得到的特征
向量为:
1
1
4
P11,P2
1,P3
2
(3.13)
1
1
1
令:
11
4
PP1P2P3
11
2
(3.14)
11
1
则
1
0
0n3
1
3
1n3
n3P0
1
0P1
3
1n2
6
1n3
0
0
2
3
代入(3.10)
中有:
1xn
3
1n32n
x3
33
1n3
n6
1
2n1
3
n3
9111
6
2
x2621n32nx1
1
0
0
P
0
1
0P
1
(3.15)
0
0
2
2n
3
3
1n3
6
2
1n32n
2n1
3
3
1n2
6
2
1n22n1
2n2
3
3
1n1
6
2
1n32n2
33
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 浅谈 矩阵 特征值 特征向量 应用 复习 课程