矩阵的特征值与特征向量的理论与应用开题报告
毕业设计（论文）材料之二（2）
本科毕业设计(论文)开题报告
题目：矩阵的特征值与特征向量
的理论与应用
课题类型：科研□ 论文√ 模拟□ 实践□
学生姓名：王家琪
学号：3090801105
专业班级：数学091
学院：数理学院
指导教师：万上海
开题时间：2013年3月16日
2013 年3月15日
开题报告内容与要求
一、毕业设计（论文）内容及研究意义（价值）
矩阵的特征值与特征向量是高等代数的重要组成部分，通过对矩阵特征值与特征向量的性质介绍，以及对矩阵特征值与特征向量理论的分析，将特征值与特征向量应用于方程组的求解问题是高等代数中的重要内容。
随着计算机的迅速发展 , 现代社会的进步和科技的突飞猛进 , 高等代数作为一门基础的工具学科已经向一切领域渗透 , 它的作用越来越为世人所重视。在多数高等代数教材中,特征值与特征向量描述为线性空间中线性变换A的特征值与特征向量；而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,定义为n阶矩阵A的特征值与特征向量.从理
论上来讲,只要求出线性变换A的特征值与特征向量,就可知矩阵A的特征值与特征向量,反之亦然。因此求矩阵的特征值与特征向量就变得尤为重要的引入是为了研究线性空间中线性变换A的属性。
物理、力学、工程技术中的许多问题在数学上都归结为求矩阵的特征值与特征向量问题。又特征方程求特征值是比较困难的，而在现有的教材和参考资料由特征方程求特征值总要解带参数的行列式，且只有先求出特征值方可由方程组求特征向量。一些文章给出了只需通过行变换即可同步求出特征值及特征向量的新方法，但仍未摆脱带参数行列式的计算问题。本文对矩阵特征值与特征向量相关问题进行系统的归纳，给出一种能够迅速找出特征值和特征向量以及它们在解题解决一些复杂问题方面有较其他方法更为方便实用的地方。
二、毕业设计（论文）研究现状和发展趋势（文献综述）
汤正华[1]在2008年讨论了矩阵的特征值与特征向量的定义、性质；特征值与特征向量的求法等问题。
李延敏[2]在2004年通过对矩阵进行行列互换，同步求出矩阵特征值与特征向量，解决了不少带参数求特征值问题，并给出一些新定理。
赵院娥、李顺琴[3]在2009年进一步研究几种矩阵的特征值问题。邵丽丽[4]在2006年通过对n阶矩阵的特征值与特征向量的研究，针对n阶矩阵的特征值与特征向量的应用进行了3方面的探讨，并给出了相关命题的证明及相应的例题。
黄金伟[5]在2007年给出求解矩阵的特征值与特征向量的两种简易方法：列行互逆变换方法与列初等变换方法。向以华[6]在对矩阵特征值与特征向量相关问题进行系统的归纳，得出了通过对矩阵进行行列互逆变换就可同时求出特征值与特征向量的结论，同时讨论了反问题。
张红玉[7]在2009年通过n阶方阵A的特征值得出一系列相关矩阵的特征值，再由特征值与正定矩阵关系得出正定矩阵的结论。王英瑛[8]在2008年利用矩阵的初等变换理论，详细讨论了矩阵特征值和特征向量的求法。
夏慧明、周永权[9]在2008年提出一种基于进化策略求解矩阵特征值及特征向量的新方法。郭华、刘小明[10]在2004年从方阵的特征值与特征向量的性质出发，结合具体例子阐述了特征值与特征向量在简化矩阵运算中所起的作用。
岳嵘[11]在2007年通过对已知n阶对称矩阵A的k个互不相等的特征值及
k 个特征向量，给出矩阵A的计算公式，并给出证明及应用举例。
1
贤锋[12]在2006年通过建模实例介绍了最大特征值及特征向量的应用。
王秀芬[13]在2004年推导出一种方法，通过此方法可以利用特征值与特征向量
求线性递推关系中的通项公式。
近年来，对矩阵特征值与特征向量的研究已经很深入，本课题将对矩阵特征值与特征向量的相关问题进行系统的归纳。对矩阵的特征值与特征向量的基本性质进行介绍，根据其性质对矩阵特征值与特征向量的应用进行更深一步的探讨。
三、毕业设计（论文）研究方案及工作计划（含工作重点与难点及拟采用的途径）
研究方案：
1、介绍矩阵特征值与特征向量的研究现状，研究矩阵特征值与特征向量的实际意义。
2、介绍矩阵特征值与特征向量的定义及其基本性质，并对矩阵特征值与特征向量的理论及应用进行分析。
工作计划：
1、工作重点
在矩阵特征值与特征向量基本性质的基础上，了解矩阵特征值与特征向量的理论及其应用。
2、工作难点
在搜集有关矩阵特征值与特征向量应用实例上对矩阵特征值与特征向量相关问题进行系统归纳；一篇引用的英文文献及其译文。
3、拟采用的途径
在研究的过程中，首先通过阅读大量文献资料，找出与该课题有关的问题及结论，对问题加以分析，同时给出结论的证明。针对其有关性质和命题进行深入研究和探索，加以整理，从而形成自己的研究成果。
时间安排
第1周（2.20-2.26）
查找、搜集、整理相关文献资料，学习可能用到的相关理论知识。
第2周(2.27-3.5)
阅读搜集到的相关文献，与导师讨论相关问题，撰写开题报告。
第3周(3.6-3.12)
将开题报告交导师审定，修改开题报告。
第4-5周(3.13-3.26)
开题报告的答辩工作，论文大纲的整体构思。
第6周（3.27-4.2）
撰写论文的写作大纲，写作方案及基本框架，并送交导师审定。
第7-12周（4.3-5.14）
撰写论文，完成论文初稿，交导师审阅，在此期间常与导师沟通，并做好接受期中教学检查的准备。
第13-14周（5.15-5.28）
针对导师提出的审阅意见，与导师讨论，修改、补充、完善论文，交导师审阅，提出修改意见。
第15周（5.29-6.4）
进一步完善论文，并最终确定论文。
第16周（6.5-6.11）
结合定稿的毕业论文做幻灯片，准备论文答辩。
第17周（6.12-6.18）
准备并进行论文答辩
四、主要参考文献（不少于10篇，期刊类文献不少于7篇，应有一定数量的外文文献，至少附一篇引用的外文文献及其译文）
[1] 汤正华. 关于矩阵的特征值与特征向量的探讨[J].山东行政学院山东省经济管理干部学院学报,2008(06):91-108
[2] 李延敏. 关于矩阵特征值与特征向量同步求解问题[J]. 2004(08):20-31
[3] 赵院娥,李顺琴. 矩阵的特征值与特征向量[J].江西科学,2009(10):05-14
[4] 邵丽丽. 矩阵的特征值与特征向量的应用研究[J].菏泽学院学报,2006:18-23
[5] 黄金伟.矩阵的特征值与特征向量的简易求法[J].福建信息技术教育,2007(04):34-45
[6]向以华.矩阵的特征值与特征向量的研究[J].重庆三峡学院学报,2009(03):105-117
[7] 张红玉. 矩阵特征值的理论及应用[J]. 山西大同大学学报(自然科学版),2009(02):15-01
[8] 王英瑛. 矩阵特征值和特征向量求法的探讨[J]. 山东理工大学学报( 自然科学版),2008(05):45-50
[9] 夏慧明,周永权. 求解矩阵特征值及特征向量的新方法[J]. (广西民族大学数学与计算机科学学院学报,2008(11):83-93
[10] 郭华,刘小明. 特征值与特征向量在矩阵运算中的作用[J].渝州大学学报( 自然科学版),2008(03):117-124
[11] 岳嵘. 由特征值与特征向量确定矩阵的方法证明及应用[J]. 高等函授学报( 自然科学版),2007(06):26-34
[12] 贤锋. 最大特征值及特征向量的应用[J]. 闽江学院学报(自然科学版),2006(05):35-39
[13] 王秀芬. 线性递推关系中特征值与特征向量的应用[J]. 潍坊学院学报,2004(04): 36-42
[14] 施劲松,刘剑平. 矩阵特征值、特征向量的确定[J].2003(12):19-6
[15] 张霓. 矩阵特征值与特征向量的一些应用[J]. 中国科技信息,2007(04):67-74
[16] John E. Condren and Thomas W. Gedra. Eigenvalue And Eigenvector Sensitivities Applied To Power Systemstead-State Operating Point.2011.07
矩阵特征值的运算性质及推广
矩阵特征值的运算性质及推广 摘要:本篇论文主要从五方面来进行讲解：引言；矩阵特征值的性质；矩阵特征值的应用推广；分块矩阵的性质；分块矩阵特征值应用推广。 由于本篇论文是要以矩阵特征值性质的应用为主题，首先介绍总结了矩阵的一些基本概念及矩阵基本运算，然后在文中着重阐述了矩阵特征值性质，罗列出相关引理并予以证明,然后通过五种类型的矩阵特征值的应用例子将矩阵特征值的运算性质进行推广。将矩阵拓展到分块矩阵，讨论分块矩阵的性质及应用. 关键词：矩阵，特征值，特征向量，特征方程，特征多项式 The Operation Properties and Promotion of Eigenvalue Cui haiyang (Institute of Computer Science, Math) Abstract Three aspects to this thesis to explain: Introduction; matrix eigenvalue nature; promote the application of Matrix Eigenvalues. Because of this paper is a matrix eigenvalue to the application of the nature of the theme first introduced some basic concepts of matrix and the matrix of basic operations, and then in the text focuses on the eigenvalue properties, set out the relevant Yin Li, and to prove it. Finally, five types of application examples Eigenvalue Eigenvalue computation will be the nature of promotion. Key words：Matrix , Eigenvalue, Eigenvectors, Characteristic equation，Characteristic polynomial 1引言 矩阵计算领域在不断的发展和成熟，作为一门数学学科，它是众多理工学科重要的数学工具，矩阵理论既是经典数学的基础课程，是数学的一个重要且目前仍然非常活跃的领域，又是一门最有实用价值的数学理论，是计算机科学与工
【VIP专享】矩阵变换及应用开题报告
鞍山师范学院 数学系13届学生毕业设计（论文）开题报告 课题名称：浅谈矩阵的变换及其应用 学生姓名：李露露 专业：数学与应用数学 班级：10级1班 学号：30 指导教师：裴银淑 2013年12月26日
一、选题意义 1、理论意义： 矩阵是数学中的一个重要内容，是线性代数核心。矩阵的变换是矩阵中一种十分重要的运算，它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解决的问题。因此，矩阵变换是研究代数问题的一个重要工具。 2、现实意义： 矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性，并起着不可代替的作用。 二、论文综述 1、国内外有关研究的综述： 矩阵不仅是个数学学科，而且也是许多理工学科的重要数学工具，因此国内外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词，他与矩阵论的创立者凯莱一起发展了行列式理论。1858年，凯莱发表了关于矩阵的第一篇论文《矩阵论的研究报告》。自此以后，国内外有了许多关于矩阵的研究。在张贤达所著的《矩阵分析与应用》一书中，就有关于矩阵变换的内容，在第一章中有关于矩阵初等变换的内容，并有初等变换在矩阵方程中的应用，在第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金斯大学的RogerA.Horn和威廉姆和玛丽学院的CharlesR.Johnson 联合编著的《矩阵分析》也有关于矩阵变换的内容，此书主要涉及的是矩阵变换的应用。国内外关于矩阵变换的研究都取得了很大的进展，为矩阵知识所涉及的各个领域都作出了巨大贡献。 2 、本人对以上综述的评价：
浅谈矩阵的特征向量特征值的意义
浅谈矩阵的特征向量特征值的意义 描述了矩阵的特征向量和特征值的定义，简述了矩阵的特征向量特征值在数学、物理、信息和哲学上的一些意义，对于从多角度深入理解矩阵的特征向量特征值有积极意义。 标签：线性代数；矩阵；特征向量；特征值 1 线性变换与矩阵的特征向量特征值[1] 线性变换是指一个n维列向量被左乘一个n阶矩阵后得到另一个n维列向量，它是同维向量空间中的把一个向量线性映射成了另一个向量。即 Y=AX （Y，X∈Rn A=（aij）A=（aij）n×n） 如果对于数λ，存在一个n维零列向量X（即X∈Rn且X≠0），使得 AX=？姿X 则称数λ为矩阵A的一个特征值，X为矩阵A对应于λ的特征向量。 在线性代数中研究线性变换就是研究相应的矩阵A，矩阵A的特征向量和特征值是线性变换研究的重要内容。 2 在数学上的意义 矩阵乘法对应了一个变换，是把任意一个向量变成另一个方向或长度都大多不同的新向量。在这个变换的过程中，原向量主要发生旋转、伸缩的变化。如果矩阵对某一个向量或某些向量只发生伸缩变换，不对这些向量产生旋转的效果，那么这些向量就称为这个矩阵的特征向量，伸缩的比例就是特征值。这里可以将特征值为负，特征向量旋转180度，也可看成方向不变，伸缩比为负值。所以特征向量也叫线性不变量。特征向量的不变性是他们变成了与其自身共线的向量，他们所在的直线在线性变换下保持不变；特征向量和他的变换后的向量们在同一根直线上，变换后的向量们或伸长或缩短，或反向伸长或反向缩短，甚至变成零向量（特征值为零时）[2]。 对对称矩阵而言，可以求得的特征向量是正交的，就是把矩阵A所代表的空间，进行正交分解，使得A的向量集合可以表示为每个向量a在各个特征向量上面的投影长度。 例如，对于x，y平面上的一个点（x，y），我对它作线性变换A， 这个线性变换相当于关于横轴x做镜像。我们可以求出矩阵A的特征向量
分块矩阵的性质及其应用【开题报告】
阵的相关计算简单化, 而且还可以用于证明一些与矩阵有关的问题. 分块矩阵应用于矩阵的秩和一些相关矩阵方面的证明问题, 以及求逆矩阵和方阵行列式的计算问题上, 对矩阵进行适当分块可以使高等代数中的许多计算与证明问题迎刃而解, 所以分块矩阵作为高等代数中的一个重要概念, 我们需要透彻的了解分块矩阵, 在此基础上较好地学会在何时应用矩阵分块, 从而研究它的性质及应用是非常必要的. 根据目前国内外对矩阵应用研究的发展, 可以知道矩阵已经广泛应用到线性规划、线性代数、统计分析, 以及组合数学等.在这样的形式下, 必须要求对矩阵有一种科学的处理方式以提高应用效果.本文是通过查阅相关文献和学习相关知识后总结并探讨了分块矩阵在各方面的应用.当前对分块矩阵的应用主要发展到计算和证明两大方面.证明方面: 通过对矩阵的分块证明了有关矩阵秩的定理以及其他线性代数证明问题; 计算方面,本文通过对分块矩阵的性质的研究很好的解决了求矩阵的逆矩阵问题, 求行列式, 求矩阵的秩等问题的新的快捷方式. 二、研究的基本内容, 拟解决的主要问题: 研究的基本内容: 通过学习分块矩阵的相关的几种定义, 掌握分块矩阵的性质, 从而熟练分块矩阵的应用. 解决的主要问题: 1．了解分块矩阵的基本概念. 2．探讨分块对角化的性质. 3．研究分块矩阵的应用. 三、研究步骤、方法及措施: 研究步骤: 1．查阅相关资料, 做好笔记; 2．仔细阅读研究文献资料; 3．在老师指导下, 确定整个论文的思路, 列出论文提纲, 撰写开题报告; 4．翻译英文资料; 5．撰写毕业论文; 6．上交论文初稿; 7．反复修改论文, 修改英文翻译, 撰写文献综述; 8．论文定稿.
线性方程组的求解与应用开题报告
设计题目线性方程组理论及其应用 学生姓名陈彦语学号1111124123 专 业 数学与应用数 学（师范类） 一、课题的目的意义： 高等代数教材中只给出了运用克拉默法则（Cramer's Rule）和利用增广矩阵进行初等行变换求解线性方程组的方法，本文将更加系统的阐述求解线性方程组的几类方法，并进一步讨论线性方程组在许多领域中的应用。 线性代数是代数学的一个重要组成部分，广泛应用于现代科学的许多分支，其核心问题之一就是线性方程组的求解问题。线性方程组的求解是数值计算领域十分活跃的研究课题之一，大量的科学技术问题，最终往往归结为解线性方程组。因为计算机只能“线性”地求解问题，所以所有问题在计算机处理前都要线性化。可以说，线性方程组的求解在现代科学领域占有重要地位。 二、近几年来研究现状： 目前关于线性方程组的数值解法一般有两大类，一类是直接方法，另一类是迭代方法。直接方法最基本的是高斯消元法及其变形，这种方法是解低阶稠密矩阵方程组的有效方法，近十几年来直接法在求解具有较大型稀疏矩阵方程组方面取得了较大进展。迭代法就是用某种迭代过程去逐步逼近线性方程组的精确解，迭代法具有的优点是：需要计算机的存储单位较少、程序设计简单、原始系数矩阵在计算过程中始终不变，但存在收敛性和收敛速度的问题。迭代法是解大型稀疏矩阵方程组的重要方法，当前对迭代算法的研究已经较为成熟，但如何使之适合新体系模型，以获得更好的性能加速还有待进一步研究。 。三、设计方案的可行性分析和预期目标： 可行性分析：本文主要以查找资料，在现有知识水平上，对求解线性方程组的一般方法进行总结归纳，并根据对数学软件的学习，在借鉴前人对计算机编程科学性研究的基础上，给出利用matlab软件求解几类常见线性方程组的方法。通过广泛收集线性方程组应用方向的文献和书籍，并多次向导师请教，最终以具体实例来说明线性方程组在许多领域的应用，并实现线性方程组的求解过程。 预期目标：通过撰写论文，能让我从一个更高的角度来审视高等代数，对其中的线性方程组部分有一个更加深刻的理解和认识，锻炼自己的发散性思维和缜密的思考能力，培养自己利用所学知识解决实际问题的能力，从而达到对所学知识的融会贯通。
第五章 矩阵的特征值与特征向量
第五章 矩阵的特征值与特征向量 5.1矩阵的特征值与特征向量 5.1.1矩阵的特征值与特征向量的概念 设A 是n 阶矩阵，若存在数λ及非零的n 维列向量α，使得：λαα=A (0≠α)成立，则称λ是矩阵A 的特征值，称非零向量α是矩阵A 属于特征值λ的特征向量. 5.1.2矩阵的特征值与特征向量的求法 把定义公式λαα=A 改写为()0=-αλA E ,即α是齐次方程组()0=-x A E λ的非零解.根据齐次方程组有非零解的充分条件可得：0=-A E λ. 所以可以通过0=-A E λ求出所有特征值，然后对每一个特征值i λ，分别求出齐 次方程组()0=-x A E i λ的一个基础解系，进而再求得通解. 【例5.1】求??? ? ? ?????------=324262423A 的特征值和特征向量. 解：根据()()0273 2 4 26 24 23 2 =+-=---= -λλλλλλA E ，可得71=λ，22-=λ. 当7=λ时，??? ? ? ?????? ??? ???????=-0000002124242124247A E ， 所以()07=-x A E 的一个基础解系为：()T 0,2,11-=α,()T 1,0,12-=α，则相应的特征向量为2211ααk k +，其中21,k k 是任意常数且()()0,0,21≠k k . 当2-=λ时，???? ? ?????--? ??? ? ??????---=--00012014152428242 52A E ，所以()02=--x A E 的一个基础解系为()T 2,1,23=α，则相应的特征向量为33αk ，其中3k 是任意常数且
浅谈矩阵的特征值与特征向量的应用(终稿)复习课程
浅谈矩阵的特征值与特征向量的应用(终稿)
浅谈矩阵的特征值与特征向量的应用 摘要 特征值与特征向量在现代科学中有重要的应用。本文介绍了特征值与特征向量的定义以及性质，并且给出了在线性空间中线性变换的特征值、特征向量与矩阵中的特征值、特征向量之间的关系。然后介绍了几种特征值与特征向量的求解方法。最后介绍了特征值与特征向量在实际中的应用，如在数学领域中、物理中以及经济发展与环境污染增长模型中的应用等等。 关键字：特征值；特征向量；应用；矩阵；初等变换 Abstract Eigenvalues and eigenvectors have important applications in modern science. This paper introduces the definition and nature of the eigenvalues and eigenvectors, eigenvalues and gives linear space of linear transformations, eigenvectors and eigenvalues of the relationship matrix, feature vectors. Then introduces several eigenvalues and eigenvectors of solving methods. Finally, the eigenvalues and
eigenvectors in practical application, such as in the fields of mathematics, physics, economic development and environmental pollution growth model and the application, and so on. Keys words：eigenvalue；eigenvector；application；matrix；elementary； 目录 浅谈矩阵的特征值与特征向量的应用 (2) 摘要 (2) Abstract (2) 第1章引言 (4) 1.1 研究背景 (4) 1.2 研究现状 (5) 1.3 本文研究目的及意义 (6) 第2章特征值与特征向量的一般理论 (6) 2.1 特征值与特征向量的定义和性质 (6) 2.1.1 特征值与特征向量的定义 (7) 2.1.2 特征值与特征向量的性质 (7) 2.2 特征值与特征向量的一般求解方法 (8) 2.2.1 一般数字矩阵的简单求解 (8)
矩阵的开题报告doc
矩阵的开题报告 篇一：矩阵变换及应用开题报告 鞍山师范学院 数学系 13届学生毕业设计（论文）开题报告 课题名称：浅谈矩阵的变换及其应用 学生姓名：李露露 专业：数学与应用数学 班级：10级1班 学号： 30 指导教师：裴银淑 XX年 12月 26日 一、选题意义 1、理论意义： 矩阵是数学中的一个重要内容，是线性代数核心。矩阵的变换是矩阵中一种 十分重要的运算，它在解线性方程组求逆矩阵及矩阵理论的探讨中都可起到 非常重要的作用。很多复杂、繁琐的问题经过变换都可以化为简单、易于解 决的问题。因此，矩阵变换是研究代数问题的一个重要工具。 2、现实意义：
矩阵变换在物理、力学、信号与信息处理、通信、电子、系统、控制、模式 识别、土木、电机、航空航天等众多学科中式最富创造性和灵活性，并起着 不可代替的作用。 二、论文综述 1、国内外有关研究的综述： 矩阵不仅是个数学学科，而且也是许多理工学科的重要数学工具，因此国内 外有许多有关于矩阵的研究。英国数学家西尔维斯特首先使用了“矩阵”一词， 他与矩阵论的创立者凯莱一起发展了行列式理论。1858年，凯莱发表了关于矩 阵的第一篇论文《矩阵论的研究报告》。自此以后，国内外有了许多关于矩阵的 研究。在张贤达所著的《矩阵分析与应用》一书中，就有关于矩阵变换的内容， 在第一章中有关于矩阵初等变换的内容，并有初等变换在矩阵方程中的应用，在 第四章中也提到了Householder变换和Givens旋转。美国著名的约翰斯.霍普金 斯大学的RogerA.Horn和威廉姆和玛丽学院的
CharlesR.Johnson联合编著的《矩 阵分析》也有关于矩阵变换的内容，此书主要涉及的是矩阵变换的应用。国内外 关于矩阵变换的研究都取得了很大的进展，为矩阵知识所涉及的各个领域都作出 了巨大贡献。 2 、本人对以上综述的评价： 矩阵理论一直都是各个学科的基本数学工具，矩阵变换是矩阵理论的基础， 近年来有许多关于矩阵变换的研究，这些研究将一些繁琐复杂的问题简单化，也 极大地推进和丰富了电子信息、航空航天等领域的发展，同时促进了更多的数学 家加入到研究矩阵变换的队伍中，这样就使得矩阵变换知识日渐完善，并应用到 更多的领域中去。 三、论文提纲 前言 (一)、矩阵初等变换及应用 1、矩阵初等变换的基本概念 2、初等变换在方程组中的应用 3、初等变换在向量组中的应用
矩阵的特征值和特征向量
第五章矩阵的特征值和特征向量 来源：线性代数精品课程组作者：线性代数精品课程组 1．教学目的和要求： (1) 理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量. (2) 了解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，会将矩阵化为相似对 角矩阵. (3) 了解实对称矩阵的特征值和特征向量的性质. 2．教学重点： (1) 会求矩阵的特征值与特征向量. (2) 会将矩阵化为相似对角矩阵. 3．教学难点：将矩阵化为相似对角矩阵. 4．教学内容： 本章将介绍矩阵的特征值、特征向量及相似矩阵等概念，在此基础上讨论矩阵的对角化问题. §1矩阵的特征值和特征向量 定义1设是一个阶方阵，是一个数，如果方程 (1) 存在非零解向量，则称为的一个特征值，相应的非零解向量称为属于特征值的特 征向量． （1）式也可写成， (2) 这是个未知数个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式 , (3) 即 上式是以为未知数的一元次方程，称为方阵的特征方程．其左端是的 次多项式，记作，称为方阵的特征多项式．
== = 显然，的特征值就是特征方程的解．特征方程在复数范围内恒有解，其个数为方程的次数（重根按重数计算），因此，阶矩阵有个特征值． 设阶矩阵的特征值为由多项式的根与系数之间的关系，不难证明 （ⅰ） （ⅱ） 若为的一个特征值，则一定是方程的根, 因此又称特征根，若为 方程的重根，则称为的重特征根．方程的每一个非 零解向量都是相应于的特征向量，于是我们可以得到求矩阵的全部特征值和特征向量的方法如下： 第一步：计算的特征多项式； 第二步：求出特征方程的全部根，即为的全部特征值； 第三步：对于的每一个特征值，求出齐次线性方程组： 的一个基础解系，则的属于特征值的全部特征向量是 （其中是不全为零的任意实数）． 例1 求的特征值和特征向量. 解的特征多项式为 =
矩阵特征值和特征向量在实际中的应用及其实现
第39卷 第7期 高 师 理 科 学 刊 Vol. 39 No.7 2019年 7月 Journal of Science of Teachers′College and University Jul. 2019 文章编号：1007-9831（2019）07-0008-03 矩阵特征值和特征向量在实际中的应用及其实现 周琴 （湖南涉外经济学院 信息与机电工程学院，湖南 长沙 410205） 摘要：矩阵的特征值和特征向量是矩阵理论中的重要内容，在实际问题中的应用也很广泛．研究了矩阵的特征值和特征向量在循环比赛的排名问题和预测分析中的应用，并利用MATLAB软件实现了这些问题的快速求解． 关键词：特征值；特征向量；排名问题；预测分析 中图分类号：O151.2 文献标识码：A doi：10.3969/j.issn.1007-9831.2019.07.003 Application and realization of matrix eigenvalue and eigenvector in practical problems ZHOU Qin （School of Information，Mechanical and Electrical Engineering，Hunan International Economics University，Changsha 410205，China） Abstract：The eigenvalues and eigenvectors of matrices are important contents in matrix theory and are widely used in practical problems．Studies on the application of eigenvalues and eigenvectors of matrices in ranking of cyclic competitions and prediction analysis，and use software MATLAB to realize the rapid solution of these problems． Key words：eigenvalue；eigenvector；ranking issues；predictive analysis 1 引言及预备知识 矩阵的特征值和特征向量在矩阵理论体系中具有举足轻重的作用，并且在实际问题中的应用也很广泛．文献[1-2]探索了特征值和特征向量的几何意义；文献[3]利用特征值与特征向量研究了纤维及大分子的可视化显示．在一些常用的数学建模方法如马尔可夫链模型、偏最小二乘回归模型、层次分析法和主成分分析法中，特征值和特征向量均有应用[4-6]． 定义[7-9]设A是n阶矩阵，如果数l和n维非零列向量a满足l A a a，那么数l称为矩阵A的特征 = 值，a称为A对应于特征值l的特征向量． 在实际教学中，由于矩阵特征值和特征向量的计算方法较为繁琐，学生需要较长的计算时间．如需进一步将计算结果应用到实际问题中，冗长的过程会使学生理解起来比较困难．为了解决此问题，可以利用MATLAB软件[10]自带的函数eig（A）实现矩阵A的特征值和特征向量的快速计算，再将其与实际应用相结合．本文介绍矩阵特征值和特征向量在排名问题和预测分析中的应用，给出了求解实际问题的MATLAB实现方法． 收稿日期：2019-03-02 基金项目：湖南省教育厅科学研究项目（18C1097）；2017年度湖南涉外经济学院教学改革研究项目——数学实验在地方本科院校非数学专业 教学中的应用研究 作者简介：周琴（1984-）, 女, 湖南长沙人，讲师，硕士，从事计算数学和数学教育研究．E-mail：19891881@https://www.360docs.net/doc/b817303701.html,
矩阵特征值、特征向量的研究【开题报告】
毕业论文开题报告 数学与应用数学 矩阵特征值、特征向量的研究 一、选题的背景、意义 （1）选题的背景、意义 “矩阵(Matrix)”术语是由西尔维斯特创用并由凯莱首先明确其概念的。19世纪50年代，西尔维斯特引入“矩阵”一词来表示“一项由几行H列元素组成的矩形阵列”或“各种行列式组”，凯莱作为矩阵理论的创立者，首先为简化记法引进矩阵，然后系统地阐述了矩阵的理论体系。随后，弗罗伯纽斯等人发展完善了矩阵的理论体系形成了矩阵的现代理论。然而，矩阵思想的萌芽由来已久，早在公元前l世纪中国的《九章算术》就已经用到类似于矩阵的名词。但那时矩阵仅是用来作为一种矩形阵列解决实际问题，并没有建立起独立完善的矩阵理论。18世纪末到19世纪中叶，这种排列形式在线性方程组和行列式计算中应用日益广泛，行列式等理论的发展提供了矩阵发展的条件，矩阵概念由此产生，矩阵理论得到系统的发展。20世纪初，无限矩阵理论得到进一步发展[]1。 线性代数（Linear Algebra）是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中[]2。 由于费马和笛卡儿的工作，线性代数基本上出现于十七世纪。直到十八世纪末，线性代数的领域还只限于平面与空间。十九世纪上半叶才完成了到n维向量
空间的过渡矩阵论始于凯莱，在十九世纪下半叶，因若当的工作而达到了它的顶点。1888年，皮亚诺以公理的方式定义了有限维或无限维向量空间。托普利茨将线性代数的主要定理推广到任意体上的最一般的向量空间中．线性映射的概念在大多数情况下能够摆脱矩阵计算而引导到固有的推理，即是说不依赖于基的选择。不用交换体而用未必交换之体或环作为算子之定义域，这就引向模的概念，这一概念很显著地推广了向量空间的理论和重新整理了十九世纪所研究过的情况。 “代数”这一个词在我国出现较晚，在清代时才传入中国，当时被人们译成“阿尔热巴拉”，直到1859年，清代著名的数学家、翻译家李善兰才将它翻译成为“代数学”，一直沿用至今[]3[]4。 线性代数是讨论矩阵理论、与矩阵结合的有限维向量空间及其线性变换理论的一门学科。 （2）国内外研究现状和发展趋势 主要理论成熟于十九世纪，而第一块基石（二、三元线性方程组的解法）则早在两千年前出现（见于我国古代数学名著《九章算术》）[]5。 ①线性代数在数学、力学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位； ②在计算机广泛应用的今天，计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分； ③该学科所体现的几何观念与代数方法之间的联系，从具体概念抽象出来的公理化方法以及严谨的逻辑推证、巧妙的归纳综合等，对于强化人们的数学训练，增益科学智能是非常有用的； ④随着科学的发展，我们不仅要研究单个变量之间的关系，还要进一步研究多个变量之间的关系，各种实际问题在大多数情况下可以线性化，而由于计算机的发展，线性化了的问题又可以计算出来，线性代数正是解决这些问题的有力工具。 线性代数起源于对二维和三维直角坐标系的研究。在这里，一个向量是一个有方向的线段，由长度和方向同时表示。这样向量可以用来表示物理量，比如
矩阵特征值与特征向量在图像处理中的应用
特征值与特征向量在图像处理中的应用 姓名：张x 学号：20092430 班级：2009121 摘要：正所谓学以致用，在长期以来的学习过程中，我们真正能够将所学到的知识运用到生活中的能有多少，我们对课本上那些枯燥的公式虽牢记于心，却不知道它的实际用途。在学习了矩阵论以来，虽然知道很多问题的求法，就如矩阵特征值和特征向量，它们有何意义我们却一点不知。我想纯粹的理知识已经吸引不了我们了，我们需要去知道它们的用途，下面就让我们一起来看看矩阵特征值与特征向量在图像处理中是如何发挥它们的作用的。 关键字： 特征值、特征向量、图像、 正文： 生活中的我们，每天清晨醒来，随之映入眼帘的就是各种形形色色的图像，我们确实也很难想象，在我们的生活中，图像的处理和矩阵特征值、特征向量有什么关系？首相我们先来了解下，何为特征值、特征向量。 定义：设是阶方阵，若有数和非零向量，使得 称数是的特征值，非零向量是对应于特征值的特征向量。 例如对，有及向量，使得，这说明 是的特征值，是对应于的特征向量。 特征值和特征向量的求法： 1．由得，并且由于是非零向量，故行列式，即 （称之为的特征方程） 由此可解出个根（在复数范围内），这就是的所有特征值。
2．根据某个特征值，由线性方程组解出非零解，这就是对应于特征值的特征向量。 特征值和特征向量的性质： 1 ．， 2 ．若是的特征向量，则对，也是的特征向量。 3 ．若是的特征值，则是的特征值，从而是的特征值。 4 ．是的个特征值，为依次对应的特征向量，若 各不相同，则线性无关。 我想在了解了特征值和特征向量的基本理论之后，你们很难想象，为什么这些知识会和图像有联系吧。说实话，我自己也不是很清楚，我也是看了别人的理论讲解，才略微理解了一二。让我们一起去了解下。 根据特征向量数学公式定义，矩阵乘以一个向量的结果仍是同维数的一个向量，因此，矩阵乘法对应了一个变换，把一个向量变成同维数的另一个向量，那么变换的效果是什么呢？这当然与方阵的构造有密切关系，比如可以取适当的二维方阵，使得这个变换的效果就是将平面上的二维向量逆时针旋转30度，这时我们可以问一个问题，有没有向量在这个变换下不改变方向呢？可以想一下，除了零向量，没有其他向量可以在平面上旋转30度而不改变方向的，所以这个变换对应的矩阵(或者说这个变换自身)没有特征向量(注意：特征向量不能是零向量)，所以一个特定的变换特征向量是这样一种向量，它经过这种特定的变换后保持方向不变，只是进行长度上的伸缩而已(再想想特征向量的原始定义Ax=cx, cx是方阵A对向量x进行变换后的结果，但显然cx和x的方向相同)。 这里给出一个特征向量的简单例子，比如平面上的一个变换，把一个向量关于横轴做镜像对称变换，即保持一个向量的横坐标不变，但纵坐标取相反数，把这个变换表示为矩阵就是[1 0;0 -1]（分号表示换行），显然[1 0;0 -1]*[a b]'=[a -b]'（上标'表示取转置），这正是我们想要的效果，那么现在可以猜一下了，这个矩阵的特征向量是什么?想想什么向量在这个变换下保持方向不变，显然，横轴上的向量在这个变换下保持方向不变(记住这个变换是镜像对称变换，那镜子表面上(横轴上)的向量当然不会变化)，所以可以直接猜测其特征向量是[a 0]'（a不为0），还有其他的吗？有，那就是纵轴上的向量，这时经过变换后，其方向反向，但仍在同一条轴上，所以也被认为是方向没有变化，所以[0 b]'（b不为0）也是其特征向量。
线性方程组的求解方法及应用开题报告
开题报告 线性方程组的求解方法及应用开题报告 一、选题的背景、意义(所选课题的历史背景、国内外研究现状和发展趋势) 线性方程组求解在中国历史久矣。对线性方程组的研究,中国比欧洲至少早1500年,记载在公元初《九章算术》方程章中。现在中学讲授的线性方程组的解法和《九章算术》介绍的方法大体相同。在科学计算中的许多问题,例如,电学中的网络问题,船体放样中的样条函数计算,实验数据的曲线拟合以及微分方程的差分方法或有限元方法求解等问题,最终都归结为求解线性代数方程组。现行高等代数教材只用行初等变换来解线性方程组,存在一定的局限性。本文主要讨论了解线性方程组的直接法中的Gauss消元法,以及行初等变换、克莱姆法则、标准上三角形求解法等。 对于不同类型的问题,线性方程组的求解方法不尽相同。同时方程组存在解的个数的问题及线性方程组是否存在零解,如在实践中遇到的线性方程组,它的方程个数未必等于未知量个数,即使方程个数等于未知量个数,也未必有唯一解,有可能无解或有无穷多解。这就需要我们去根据相关问题去探究。 马克思曾经说过“一门科学只有成功地应用数学时,才算达到了完善的地步”。随着科学技术的进步,数学已迅速渗透到各门学科之中,因而能强烈感受到数学的重要性。而应用数学中很多用到了线性代数的相关知识,而本选题涉及的线性方程组知识尤为重要,在实际生活的数学应用中,对所需目标进行确定,接着进一步明确一些决策中的关键因素,即而确立线性方程组,进而对此方程求解。因
而求线性方程组解是线性代数中的精髓部分,恰当地使用方法,可以使计算过程比较简洁,避免了迂回复杂的计算。 二、研究的基本内容与拟解决的主要问题 也许会觉得解线性方程组会很容易,但事实上想要彻彻底底的完整得出方程组的解是非常不容易的。若要正确完整得出方程解,首先要具备一定的线性代数的知识,其次要分析对于什么样类型,采用什么样的方法去解决更便捷、更有效。对于不同类型的问题,线性方程组解法的适用就至关重要。同时方程组存在解的个数的问题及线性方程组是否存在零解,如在实践中遇到的线性方程组,它的方程个数未必等于未知量个数,即使方程个数等于未知量个数,也未必有唯一解,有可能无解或有无穷多解。这就需要我们去根据相关问题去探究。 本报告主要涉及到一些方程求解的方法,比如初等行变换、回代法、高斯消元法、标准上三角形法等。同时还介绍了线性方程组在以下几方面的应用,在几何方面求点到平面的方程,空间中向量相关性的判别方法。 2.1线性方程组的一些性质线性方程组即一次方程组。线性方程组有一般形式、矩阵形式、向量形式。 含个方程,个未知量的线性方程组的一般形式为:表示未知量,称系数项,称常数项。将方程组的系数组成矩阵来计算方程的解称为系数矩阵,在系数矩阵的右边添上一列,这一列是线性方程组的等号右边的值形成了增广矩阵。线性方程组也可以用矩阵表示。型线性方程组可表示为,称为线性方程组的系数矩阵;为线性方程组的增广矩阵;方程组的解是使矩阵等式成立的维向量。在矩阵形式下,对增广矩阵作初等变换不改变方程组的解。如矩阵和是行初等变换下等价的矩阵,即存在可逆矩阵,使,则线性方程组是等价的线性方程组。线性方程组也可以用向
毕业论文矩阵的特征值与特征向量的若干应用
矩阵的特征值与特征向量的若干应用 Several applications of eigenvalues and eigenvectors of the matrix 专业: 数学与应用数学 作者: 指导老师: 学校 二○一
摘要 本文介绍了矩阵的特征值与特征向量的一些理论, 在此理论基础上做了一定的推广, 并通过矩阵的特征值与特征向量的命题与性质来探讨特征值与特征向量的一些应用. 关键词: 特征值; 特征向量; 矩阵; 递推关系
Abstract This article describes some theories of eigenvalues and eigenvectors of the matrix , based on these theories we do some promotions, and discusses the applications of eigenvalues and eigenvectors of the matrix through their propositions and nature. Keywords: eigenvalue; eigenvector; matrix; recursion relations
目录 摘要 ................................... I ABSTRAC.T ........................................................... II 0 引言 (1) 1 关于矩阵的特征值与特征向量的一般理论 (1) 2 矩阵特征值与特征向量的几个应用 (5) 2.1 特征值与特征向量确定矩阵的方法证明及应用 (5) 2.1.1 命题的证明 (5) 2.1.2 命题的应用 (7) 2.2 线性递推关系中特征值与特征向量的应用 (7) 2.2.1 命题的证明 (7) 2.2.2 命题的应用 (9) 2.3 特征值与特征向量在矩阵运算中的应用 (11) 2.3.1 特征值与特征向量的基本性质 (11) 2.3.2 性质的应用 (12) 3 小结 (15) 参考文献 (16)
矩阵的特征值与特征向量习题
第五章 矩阵的特征值与特征向量 习题 1 试用施密特法把下列向量组正交化 (1)?? ? ? ? ??=931421111) , ,(321a a a (2)???? ?? ? ??---=011101110111) , ,(321a a a 2 设x 为n 维列向量 x T x 1 令H E 2xx T 证明H 是对称的正交 阵 3 求下列矩阵的特征值和特征向量: (1)??? ?? ??----20133 521 2; (2)??? ? ? ??633312321. 4 设A 为n 阶矩阵 证明A T 与A 的特征值相同 5 设 0是m 阶矩阵A m n B n m 的特征值 证明 也是n 阶矩阵BA 的特 征值. 6 已知3阶矩阵A 的特征值为1 2 3 求|A 35A 2 7A | 7 已知3阶矩阵A 的特征值为1 2 3 求|A * 3A 2E | 8 设矩阵??? ? ? ??=50413102x A 可相似对角化 求x
9 已知p (1 1 1)T 是矩阵???? ? ??---=2135212b a A 的一个特征向量 (1)求参数a b 及特征向量p 所对应的特征值 (2)问A 能不能相似对角化？并说明理由 10 试求一个正交的相似变换矩阵, 将对称阵??? ? ? ??----020212022化为对角 阵. 11 设矩阵????? ??------=12422421x A 与??? ? ? ? ?-=Λy 45 相似 求x y 并 求一个正交阵P 使P 1AP 12 设3阶方阵A 的特征值为1 2 2 2 3 1 对应的特征 向量依次为p 1 (0 1 1)T p 2(1 1 1)T p 3(1 1 0)T 求A . 13 设3阶对称矩阵A 的特征值 1 6 2 3 3 3 与特征值 1 6对应的特征向量为p 1 (1 1 1)T 求A . 14 设?? ? ? ? ??-=340430241A 求A 100
分块矩阵的初等变换及其应用开题报告 [开题报告]
毕业论文开题报告 信息与计算科学 分块矩阵的初等变换及其应用 一、选题的背景、意义 1．选题的背景 在数学的矩阵理论中，一个分块矩阵或是分段矩阵就是将矩阵分割出较小的矩形矩阵，这些较小的矩阵就称为区块。换个方式来说，就是以较小的矩阵组合成一个矩阵。分块矩阵的分割原则是以水平线和垂直线进行划分。分块矩阵中，位在同一行（列）的每一个子矩阵，都拥有相同的列数（行数）。 通过将大的矩阵通过分块的方式划分，并将每个分块看做另一个矩阵的元素，这样之后再参与运算，通常可以让计算变得清晰甚至得以大幅简化。例如，有的大矩阵可以通过分块变为对角矩阵或者是三角矩阵等特殊形式的矩阵。 2．选题的意义 矩阵的分块是处理较高阶矩阵时常用的方法，用一些贯穿于矩阵的纵线和横线将矩阵分成若干子块，使得阶数较高的矩阵化为阶数较低的分块矩阵。在运算中，我们有时把这些子块当作元素一样来处理，从而简化了表示，便于计算。分块矩阵初等变换是线性代数中重要而基本的运算，它在研究矩阵行列式、特征值、秩等各种性质及求矩阵的逆、解线性代数方程中有着广泛的应用。因此，如何直接对分块矩阵实行初等变换显得非常重要，本文的目的就是讨论分块矩阵的初等变换及其应用[1]。 二、研究的基本内容与拟解决的主要问题 2.1 分块矩阵及其初等变换 2.1.1 分块矩阵的定义： 将一个分块矩阵A用若干条纵线和横线分成许多块的低阶矩阵，每一块低阶矩阵称为A 的子块。以子块为元素的矩阵A称为分块矩阵。 我们将单位矩阵E分块：
??? ? ? ??=s r r E E E 0 00 001O ，其中E r 是r i 阶单位矩阵(1 毕业论文（设计）题目：矩阵特征值和特征向量的求法与应用 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日矩阵特征值和特征向量的求法与应用(参考模板)