6-矩阵的特征值介绍.pptx

实验六 矩阵的特征值与特征向量;实验目的和意义;回顾线性代数中基本概念 　　设 A 为 n 阶实方阵，若存在实数 λ 和 n 维非零向量 v 使得 则称实数 λ 为 A 的特征值，并称非零向量 v 为A 的属于λ 的特征向量。 这里我们只考虑实数的情形;特征值和特征向量的计算 　　线性方程组 改写为齐次方程组 有非零向量解 v 的充分必要条件是特征方程 ;特征值和特征向量的计算 　　线性方程组 改写为齐次方程组 有非零向量解 v 的充分必要条件是特征方程 求特征多项式； 求解特征方程，得特征值 λ1， λ2，… λn; 对每个特征值 λk，求解方程组; 对每个特征值 λk，求解方程组 若矩阵 A 具有 n 个线性无关的特征向量，构成 n 阶矩阵 P，则 P 可逆，并且 若矩阵 A 线性无关的特征向量 n 个，则不能对角化，只能得到 Jordan 标准型。;有限维离散线性动力系统（dynamical system） 形如 (*) 的差分方程，描述了某些系统随时间变化的情况，其中 A 为 n 阶矩阵，xk 为系统在时刻 k 的状态。;动力系统理论研究的一个重要问题是系统的渐近行为（长时间行为），即时间 k?? 时，系统(*)的状态 xk 的趋势。如 周期性 吸引子 有界性 稳定性 …;　　系统(*)通过迭代可知 k 时刻的状态 其中， x0 为初始状态。因此，其渐近行为与矩阵 A 的特征值、特征向量密切相关。;　　系统(*)通过迭代可知 k 时刻的状态 其中， x0 为初始状态。因此，其渐近行为与矩阵 A 的特征值、特征向量密切相关。 　　当 A 可对角化时， 因此，系统渐近行为更容易求得。;最简单的捕食者-被捕食者模型可描述为 其中，uk 和 uk 分别指捕食者和被捕食者在 k时刻（如第 k 个月）的数量。a、b、c、d为正数。 ;记 ， 则可写成如下的状态-矩阵模型： ;以加利福尼亚的红杉森林深处的斑点猫头鹰和褐脚森林鼠的捕食关系为例， 考虑种群的长时间行为。;A = [0.5 0.4;-0.104 1.1]; [pc,lambda] = eig(A); %求A 的特征值和对应的特征向量 [Y,I] = sort(diag(abs(lambda)),descend); %对特征值的绝对值降序排列 temp = diag(lambda); lambda = temp(I) %输出按特征值的绝对值降序排列的特征值 pc = pc(:,I) %与特征值对应的特征向量;得到的特征值为（按特征值的绝对值降序排列）： lambda = 1.0200 0.5800 对应的特征向量为： pc = -0.6097 -0.9806 -0.7926 -0.1961;将小数乘以相应倍数变成整数 A 可对角化 该对角阵右下角，;因此，该捕食系统的解 当 k 充分大时只需看对角阵的左上角1.02。 　　可知猫头鹰和老鼠的数量几乎每个月都近似增加到原来的1.02 倍，即有2%的增长率。;因此，该捕食系统的解 当 k 充分大时只需看对角阵的左上角1.02。 　　可知猫头鹰和老鼠的数量几乎每个月都近似增加到原来的1.02 倍，即有2%的增长率。 　　为了生态平衡，需要调整捕食参数或者其他方法改变矩阵A，使得最大特征值约为1。 　　解的图像表示相应代码如下。;% P8_1.m % 捕食者-被捕食者解的图像表示 clear, clc a = -20*100; b = -a; c = a; d = b; p = 0.1; %确定画图范围 n = 100; %序列迭代次数 xlabel(|\lambda| 1,|u|1) axis([a b c d]),grid on,hold on x = linspace(a,b,30); A = [0.5 0.4;-0.104 1.1]; %特征值绝对值1 [pc,lambda] = eig(A); %求A的特征值和对应的特征向量 [Y,I] = sort(diag(abs(lambda)),descend); %对特征值的绝对值降序排列 temp = diag(lambda); lambda = temp(I) %输出按特征值的绝对值降序排列的特征值 pc = pc(:,I) pc = -pc; z1 = pc(2,1)/pc(1,1)*x; %特征向量v1 z2 = pc(2,2)/pc(1,2)*x; %特征向量v2