毕业设计（论文）-特征值与特征向量.docVIP

郑州工学院 2003 届毕业论文 题 目 院(系)、部： 学生姓名： 指导教师： 职称 专 业： 班 级： 完成时间： 第一部分：特征值与特征向量 特征值与特征向量是《高等代数》和《线性代数》课程中的一个重要基本概念。在不同的教材中,关于特征值与特征向量定义的描述不一定相同,但归纳起来只有两种: （一)线性空间中线性变换/Ａ的特征值与特征向量。 （二)ｎ阶矩阵Ａ的特征值与特征向量。 这两种定义之间的关系是一个最使人们不易理解而难以掌握的代数问题。本文试图就这个问题给出一个简单而明了的解释。 一、特征值与特征向量的两种不同定义 在多数《高等代数》教材中,特征值与特征向量的引入是为了研究线性空间中线性变换/Ａ的属性的,其定义如下: 定义1　设/Ａ是数域Ｐ上线性空间Ｖ的一个线性变换,如果对于数域Ｐ中的一数λ,存在一个非零向量ξ∈Ｖ,使得 /Ａξ=λξ 那么λ称为/Ａ的一个特征值,而ξ称为/Ａ的属于特征值λ的一个特征向量。 在大部分《线性代数》教材中,特征值与特征向量的讨论被作为矩阵理论研究的一个重要组成部分,其定义如下: 定义2　设Ａ是数域Ｐ上的一个ｎ阶方阵,若存在一个数λ∈Ｐ以及一个非零ｎ维列向量ｘ∈Ｐn,使得 Ａｘ=λｘ, 则称λ是矩阵Ａ的一个特征值,向量ｘ称为矩阵Ａ关于特征值λ的特征向量。 从表面上看,这是两种关于特征值与特征向量完全不同(其主体对象不同)的定义,但实际上,它们之间的关系是线性代数理论中最为精彩的一页。 二、两种定义之间的关系 要了解这两种定义之间的关系,首先重要的是要弄清两种定义中主体对象线性变换/Ａ与ｎ阶矩阵Ａ的关系。 设Ｖ是数域Ｐ上的ｎ维线性空间,ε1,ε2,…εｎ是Ｖ的一组基,则对于Ｖ上任一线性变换/Ａ,存在数域Ｐ上惟一的ｎ阶方阵Ａ,使 (/Ａε1,/Ａε2,…,/Ａεn)=(ε1,ε2,…,εn)Ａ 我们称Ａ为线性变换/Ａ在基ε1,ε2,…,εn下的矩阵。反之,对于数域Ｐ上任一ｎ阶矩阵Ａ,在Ｖ中存在惟一的线性变换/Ａ,满足 (/Ａε1,/Ａε2,…,/Ａεn)=(ε1,ε2,…,εn)Ａ 即线性变换/Ａ与ｎ阶矩阵Ａ的关系是1-1对应的。 以下假设线性变换/Ａ在基ε1,ε2,…,εn下的矩阵为Ａ,则它们的特征值与特征向量的关系如下: 若λ是矩阵Ａ的特征值,ｘ=(ｘ1,ｘ2,…,ｘn)T是矩阵Ａ关于特征值λ的特征向量,则λ也是线性变换/Ａ的特征值, ξ=ｘ1ε1+ｘ2ε2+…+ｘｎεｎ 是/Ａ的属于λ的特征向量。 反之,若λ是线性变换/Ａ的特征值 ξ=ｘ1ε1+ｘ2ε2+…+ｘnεn 是/Ａ的属于λ的特征向量,则λ是矩阵Ａ的特征值,ｘ=(ｘ1,ｘ2,…,ｘｎ)Ｔ是矩阵Ａ关于特征值λ的特征向量。 由此可知,线性变换/Ａ与其对应的ｎ阶矩阵Ａ有相同的特征值,而ｎ阶矩阵Ａ的特征向量ｘ是/Ａ的特征向量ξ在基ε1,ε2,…,εn下的坐标。即从理论上来讲,只要求出了定义1中的特征值与特征向量,就可知定义2中的特征值与特征向量,反之亦然。但实际上,我们总是先求Ａ的特征值与特征向量,再推出线性变换/Ａ的特征值与特征向量。 三、特征值与特征向量的解法 关于矩阵Ａ的特征值与特征向量的解法可以在任何一部《高等代数》或《线性代数》教材中看到。特征多项式|λＥ-Ａ|=0的根即为Ａ的全部特征值。而对于Ａ的任一特征值λ,方程组(λＥ－Ａ)Ｘ=0的所有非零解ｘ即为矩阵Ａ的关于特征值λ的全部特征向量。根据两种定义间特征值与特征向量的关系,确定一个线性变换/Ａ的特征值与特征向量的方法可以分成以下几步: 1．在线性空间Ｖ中取一组基ε1,ε2,…,εn,写出/Ａ在这组基下的矩阵Ａ; 2．求Ａ在数域Ｐ中全部特征值,它们也就是线性变换/Ａ的全部特征值; 3．对于每个特征值λ,求出方程组(λＥ-Ａ)ｘ=0的一组基础解系,它们就是属于λ的ｎ个线性无关的特征向量在基ε1,ε2,…,εn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。 由于同一线性变换在不同基底下的矩阵是相似的,而相似的矩阵是具有相同特征值的,所以/Ａ的特征值与基的选取无关．由基变换与坐标变换公式,/Ａ的属于λ的特征向量也是/Ａ的一个不变量,不依赖于基的选择。这就保证了定义1中关于线性变换/Ａ的特征值与特征向量定义的精确性。 第二部分：矩阵的特征值与特征向量的同步求解方法 一般教科书中介绍的求矩阵Ａ的特征值与特征向量的方法是:首先,求解｜λＥ-Ａ｜=0,得全部特征值λi;然后,对每一个λ