上一讲,我们介绍了如何求解矩阵的特征值和特征向量,而通过两者可以实现矩阵的对角化,本讲介绍如何实现矩阵对角化和应用。 假设A有n个线性无关特征向量,按列组成矩阵S,很自然地称它为特征向量矩阵,那么AS等于, 这说明A的k次方的特征值是A的特征值的k次方,特征向量不变。换句话说,特征值和特征向量提供了理解矩阵幂的一个好方法。如果k趋向无穷,A的k次方趋向于零的条件是,所有特征值的绝对值小于1(该定理前提是存在n个线性无关特征向量)。 如果所有的特征值均不相同,A必然存在n个线性无关的特征向量而且可对角化;如果有重复的特征值,就要在深入研究,可能但不一定存在n个线性无关特征向量,例如10x10单位阵,有10个相同的特征值,但依旧存在10个线性无关特征向量;但可能遇到麻烦情况,对于三角阵,特征值就在对角线上, 这是一个退化矩阵,只有一个方向上的特征向量,而不是两个,这对重复的特征值是可能的,这造成了特征向量的短缺,没有第二个无关的特征向量,此时无法对角化。 通过巧妙定义uk,将二阶标量方程转化为了一阶向量方程组,接下来求解矩阵A的特征向量和特征值,从而求解数组的通解;矩阵A是一个对称阵,所以特征值一定是实数不会是复数,而且他们的特征向量一定相互正交, 那么,u0展开成特征向量的线性组合, 最后根据前文的公式利用对角化,求得F100。 最后,我们思考整个问题解题思路,对于动态增长的一阶问题,关键是确定矩阵的特征向量和特征值,特征值决定增长的趋势,发散至无穷还是收敛于0,均取决于特征值,接着需要一个展开式,把u0展开成特征向量的线性组合,而且各个特征向量必须相互独立,最后按照公式求A得k次方。 |
|