引言
这节课主要是讲特征值的作用,可以方便我们处理矩阵的幂,主要设计到两个内容,分别是对角化和A 的幂
对角化
基本前提:假设矩阵A有n个线性无关的特征向量,S 由n个线性无关的特征向量组成各列,有
A
−
A
S
=
>
对
角
矩
阵
X
A^-AS => 对角矩阵X
A−AS=>对角矩阵X
证明有:
A
S
=
A
[
x
1
x
2
x
3
…
…
]
=
AS = A { \left[ \begin{array}{ccc} x_1 & x_2 & x_3……& \\ \end{array} \right ]}=
AS=A[x1x2x3……]=
[
λ
1
x
1
λ
2
x
2
λ
3
x
3
…
…
]
=
{ \left[ \begin{array}{ccc} \lambda_1 x_1 & \lambda_2x_2 & \lambda_3x_3……& \\ \end{array} \right ]} =
[λ1x1λ2x2λ3x3……]=
[
x
1
x
2
x
3
…
…
]
[
λ
1
0
0
…
…
0
λ
2
0
…
…
0
0
λ
3
…
…
…
…
]
{ \left[ \begin{array}{ccc} x_1 & x_2 & x_3……& \\ \end{array} \right ]} { \left[ \begin{array}{ccc} \lambda_1 & 0 & 0……& \\ 0 & \lambda_2 & 0……& \\ 0 & 0 & \lambda_3……& \\ …… \end{array} \right ]}
[x1x2x3……]⎣⎢⎢⎡λ100……0λ200……0……λ3……⎦⎥⎥⎤
即
A
S
=
S
×
对
角
矩
阵
AS = S \times对角矩阵
AS=S×对角矩阵
=>
A
−
A
S
=
对
角
矩
阵
A^-AS = 对角矩阵
A−AS=对角矩阵
A 的幂
通过对上面的公式进行变形有
A
=
S
−
对
角
矩
阵
S
A = S^- 对角矩阵 S
A=S−对角矩阵S
所以我们利用该公式进行矩阵的幂运算
A
2
=
S
−
对
角
矩
阵
2
S
A^2 = S^- 对角矩阵^2 S
A2=S−对角矩阵2S
即 A 的k次方的特征值为 A 的特征值的k次方,特征向量不变
- 当 所有的矩阵的特征值绝对值小于1时,有 k − > ∞ , ∣ A K ∣ − > 0 k->∞,|A^K|->0 k−>∞,∣AK∣−>0
基本前提的满足条件
如果没有n个线性无关的特征向量,无法完成对角化,因为公式中涉及到了逆元算!
-
当A 有n个不相同的特征值是,可以肯定一定有n个线性无关的特
征向量 -
当A n个特征值有重复,不一定有n个线性无关的特征向量
应用1
u
k
=
A
u
k
−
1
,
u
0
是
一
个
已
知
的
向
量
,
求
解
u
100
u_k = Au_{k-1},u_0 是一个已知的向量,求解u_{100}
uk=Auk−1,u0是一个已知的向量,求解u100
我们容易知道
u
100
=
A
k
u
0
u_{100} = A^ku_0
u100=Aku0
可以利用特征值、特征向量计算
假设A 是有n 个线性无关的特征向量,所以
u
0
u_0
u0 一定是可以分解成A 的特征向量的排列组合,即有
u
0
=
c
1
x
1
+
c
2
x
2
+
…
…
=
S
C
u_0 = c_1x_1 + c_2x_2 +…… = SC
u0=c1x1+c2x2+……=SC
A
u
0
=
c
1
λ
1
I
x
1
+
c
2
λ
2
I
x
2
+
…
…
Au_{0} = c1\lambda_1 Ix_1+c2\lambda_2 Ix_2+……
Au0=c1λ1Ix1+c2λ2Ix2+……
A
100
=
S
对
角
矩
阵
100
S
−
S
C
=
S
对
角
矩
阵
100
C
A^{100} = S对角矩阵^{100}S^- S C =S对角矩阵^{100}C
A100=S对角矩阵100S−SC=S对角矩阵100C
应用2
斐波那契数列有
F
n
=
F
n
−
1
+
F
n
−
2
F_n = F_{n-1}+F_{n-2}
Fn=Fn−1+Fn−2,我们通过构造
u
k
=
[
F
k
+
1
F
k
]
u_k = { \left[ \begin{array}{ccc} F_{k+1}\\ F_{k}\\ \end{array} \right ]}
uk=[Fk+1Fk]联立
F
n
=
F
n
−
1
+
F
n
−
2
F_n = F_{n-1}+F_{n-2}
Fn=Fn−1+Fn−2和
F
n
−
1
=
F
n
−
1
F_{n-1} = F_{n-1}
Fn−1=Fn−1
有
u
k
=
[
1
1
1
0
]
u
k
−
1
u_k ={ \left[ \begin{array}{ccc} 1 & 1\\ 1 & 0\\ \end{array} \right ]}u_{k-1}
uk=[1110]uk−1,所以我们可以计算得到
- 有一个思考点是:数列的增长速度是有较大的特征值决定的!
我们看上面的计算式 A u 0 = c 1 λ 1 I x 1 + c 2 λ 2 x 2 + … … Au_{0} = c1\lambda_1 Ix_1+c2\lambda_2x_2+…… Au0=c1λ1Ix1+c2λ2x2+……可以看到其实增长速度和较大的那个数关系比较大~