矩阵的特征值与特征向量分析及应用论文.docVIP

矩阵的特征值与特征向量分析及应用 PAGE PAGE 3 摘 要 特征值和特征向量是高等代数中的一个重要概念，为对角矩阵的学习奠定了基础.本文在特征值和特征向量定义的基础上进一步阐述了特征值和特征向量的关系.本文还研究矩阵的特征值和特征向量的求解方法.再列举了特征值和特征向量相关的性质.最后给出了阵的特征值与特征向量在生活中的运用，并应用于实例. 关键词：矩阵 特征值 特征向量 Abstract Eigenvalues and eigenvectors are important concepts of advanced algebra which laid the foundation for the diagonal matrix learning. This paper, on the basis of the definition of eigenvalues and eigenvectors, study the relationship of them. This also study the solution method of eigenvalues and eigenvectors. And then lists the related properties of eigenvalues and eigenvectors. Finally, use the matrix eigenvalues and eigenvectors in ordinary live, and application in real examples. Keywords: matrix ; eigenvalue ; eigenvector 目 录 引言 第一章、本征值和本征向量的关系 1.1 本征值与本征向量的定义 1.2 求解本征值与本征向量的方法探索 第二章、矩阵的特征多项式和特征根 2.1 矩阵的特征多项式和特征根的定义 2.2 求解特征根和特征向量的方法 2.3 线性变换的特征根与特征向量的求法 第三章、特征值和特征向量在生活中的应用 3.1 经济发展与环境污染的增长模型 3.2 莱斯利（Leslie）种群模型 四、结论 引言 矩阵是高等代数课程的一个基本概念， 是研究高等代数的基本工具.。线性空间、线性变换等,、都是以矩阵作为手段； 由此演绎出丰富多彩的理论画卷.。求解矩阵的特征值和特征向量,，是高等数学中经常碰到的问题。一般的线性代数教材中，都是先计算特征多项式，然后求得特征值， 再通过解线性方程组得到对应的特征向量。特征多项式和特征根在整个矩阵理论体系中具有举足轻重的作用，并且在于生活现实中的应用也很广泛。 第一章 本征值和本征向量的关系 1.1本征值与本征向量的定义 定义1　设σ是数域F上线性空间V的一个线性变换．如果对应F中的一个数λ，存在V中的非零向量ξ，使得σ（ξ）=λξ　 （1） 那么λ就叫做σ的一个本征值，而ξ叫做σ的属于特征根λ的一个本征向量． 显然，如果ξ是α∈F的属于本征值λ的一个本征向量，那么对于任意α∈F,都有 σ（αξ）=ασ（ξ）=λ（αξ） 这样，如果ξ是σ的一个本征向量，那么由ξ所生成的一维子空间U=｛αξ|α∈F｝在σ之下不变；反过来，如果V的一个一维子空间U在σ之下不变，那么U中每一个非零向量都是σ的属于同一本征值的本征向量。① 其中（1）式的几何意义是：本征向量ξ与它在σ下的象σ（ξ）保持在同一直线L（ξ）上，λ＞0时方向相同，λ＜0时方向相反，λ＝0时，σ（ξ）= 0． 在V3中，σ是关于过原点的平面H的反 射，它是一个线性变换．那么H中的每个非零 向量都是σ的属于本征值1的本征向量，Vλ 就是平面H．与H垂直的非零向量都是σ的 属于本征值 -1的本征向量，即V-1就是直 线L（见图1） 见图1 设V表示定义在实数域上的可微分任意次的实函数的全体构成的线性空间．令σ(f(x))= f ′(x), σ是V的线性变换．对于每个实数λ，有σ(eλx)=λeλx.所以，λ是σ的本征值，而eλx是σ的属于λ的本征向量． 1.2求解本征值与本征向量的方法探索 问题的转化 直接由定义来求线性变换的本征值与本征向量往往是困难的，我们可用线性变换的矩阵来解决这个问题． 设V是数域F上的n维线性空间，取定它的基｛α1，α2，…，αn｝，令线性变换σ在这个基下的矩阵是A＝（αij）. 如果ξ＝k1α1+ k2α2+…+ knαn是线性变换σ的属于特征