MIT 线性代数 22 对角化和A的幂,差分方程的线性代数解法

一.对角化和矩阵的幂次计算

假设矩阵An个线性无关的特征向量X_1,X_2,X_3,......,X_n,且特征值分别是\lambda_1,\lambda_2,\lambda_3,...,\lambda_n,这些特征向量按列组成特征向量矩阵S=\begin{bmatrix}X_1&X_2&X_3&\dots&X_n\end{bmatrix}
AS=A\begin{bmatrix}X_1&X_2&X_3&....&X_n\end{bmatrix}=\begin{bmatrix}\lambda_1X_1&\lambda_2X_2&\lambda_3X_3&....&\lambda_nX_n\end{bmatrix}

=\begin{bmatrix}X_1&X_2&X_3&....&X_n\end{bmatrix} \begin{bmatrix} \lambda_1& & &\cdots&0 \\0&\lambda_2& &\cdots&0 \\0& &\lambda_3&\cdots&0 \\\vdots& & &\ddots&\vdots \\0& & &\cdots& \lambda_n \end{bmatrix}
=S \Lambda\Lambda称为对角特征值矩阵)

强调一遍,并不是所有的矩阵都会有n个线性无关的特征向量,关于这一点,我们在上一节就发现了一些无法求解出多个不同的线性无关特征向量的矩阵

也就是AS=S\Lambda
我们可以写成如下形式
S^{-1}AS=\Lambda 这就是矩阵A的对角化方法


A=S\Lambda S^{-1}

其中我们把A=S\Lambda S^{-1} 这是一个新的矩阵分解方法,我们之前消元的时候有LU分解,以及施密特正交化的QR分解

如果我们尝试对A的幂次方做计算,比如A的平方
A^2=S\Lambda S^{-1}S\Lambda S^{-1}=S\Lambda^2 S^{-1}
于是同理可得有
A^k=S\Lambda^k S^{-1}
也就是A的这种特征值对角化分解方式对于求A的幂次计算非常方便

二.差分方程线性代数解法

给定差分方程u_{K+1}=Au_{k}
u_{1}=Au_{0}
u_{2}=Au_{1}
u_{k}=A^ku_{0}
这样的问题,当A可对角化时,即存在n个 不同的特征向量以及对应的特征值的情况下,即A是满秩的,也是可逆的
那么很显然可以把u_0 用A的特征向量进行线性组合表示,

于是
u_0=c_1X_1+c_2X_2+...+c_nX_n 其中X_1,X_2.....X_n是矩阵A的特征向量
Au_0=c_1\lambda_1 X_1+c_2\lambda_2 X_2+...+c_n\lambda_n X_n,其中\lambda_1,\lambda_2......\lambda_n表示矩阵A的各个特征向量对应的特征值
于是我们得到
A^ku_0=c_1\lambda_1^k X_1+c_2\lambda_2^k X_2+...+c_n\lambda_n^k X_n
=S\Lambda^kC

这里举了一个斐波那契数列的例子
众所周知,斐波那契数列排列方式是0,1,1,2,3,5,8,13,21.........

即有F_{k+2}=F_{k+1}+F_k-------(k>=0)

问题是如何求解F_{100}

参考前面的例子我们可以这么写
追加一个等式得到方程组
F_{k+2}=F_{k+1}+F_k
F_{k+1}=F_{k+1}
如果我们令向量u_k=\begin{bmatrix}F_{k+1}\\F_k\end{bmatrix}
于是就会有
u_{k+1}=\begin{bmatrix}F_{k+2}\\F_{k+1}\end{bmatrix}=\begin{bmatrix}1&1\\1&0\end{bmatrix}\begin{bmatrix}F_{k+1}\\F_k\end{bmatrix}

也就是u_{k+1}=\begin{bmatrix}1&1\\1&0\end{bmatrix}u_k

其中特征矩阵c

|A-\lambda I|=0
马上可以求出特征值是\lambda_1 =\frac{1+\sqrt{5}}{2} =1.618.....,\lambda_2=\frac{1-\sqrt{5}}{2}=-0.618.....
其特征向量即A-\lambda I的零空间 有
X_1=\begin{bmatrix}\lambda_1 \\1\end{bmatrix}
X_2=\begin{bmatrix}\lambda_2 \\1\end{bmatrix}

由前面的推论我们知道,特征向量X_1X_2,进行线性组合能得到u_0
所以u_{0}=c_1 X_1+c_2X_2
而A又是可对角化的矩阵,所以
u_{1}=Au_0=c_1 AX_1+c_2AX_2=c_1\lambda_1 X_1+c_2\lambda_2 X_2
u_{100}=A^{100}u_0=c_1\lambda_1^{100} X_1+c_2\lambda_2^{100} X_2

我们注意到第二项\lambda_2为负数,意味着平方后这一项c_2\lambda_2^{100} X_2整体收敛到无穷小,这意味着u_k数组系列的取值基本上由\lambda_1决定

因为u_{0}=c_1 X_1+c_2X_2=\begin{bmatrix}F_{1}\\F_0\end{bmatrix}=\begin{bmatrix}1\\0\end{bmatrix}

于是可以解出

c_1=\frac{1}{\sqrt{5}} ,,c_2=\frac{-1}{\sqrt{5}}

于是我们甚至求出了斐波那契数列的通项公式

u_k=\begin{bmatrix}F_{k+1}\\F_k\end{bmatrix}=c_1\lambda_1^{k} X_1+c_2\lambda_2^{k} X_2
=\begin{bmatrix}X_1 &X_2\end{bmatrix}\begin{bmatrix}\lambda_1^k &0\\0&\lambda_2^k \end{bmatrix}\begin{bmatrix}c_1 \\c_2 \end{bmatrix}
=\begin{bmatrix}\lambda_1 &\lambda_2 \\1&1\end{bmatrix} \begin{bmatrix}\lambda_1^k &0\\0&\lambda_2^k \end{bmatrix}\begin{bmatrix}c_1 \\c_2 \end{bmatrix}

我们只看下面的F_k的展开

F_k=c_1\lambda_1^k+c_2\lambda_2^k=\frac{1}{\sqrt{5}}[(\frac{1+\sqrt{5}}{2})^k-(\frac{1-\sqrt{5}}{2})^k]

这就是斐波那契数列的通项公式

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,026评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,655评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,726评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,204评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,558评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,731评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,944评论 2 314
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,698评论 0 203
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,438评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,633评论 2 247
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,125评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,444评论 3 255
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,137评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,103评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,888评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,772评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,669评论 2 271

推荐阅读更多精彩内容