math

1. 问题的数学表述

考虑一个线性齐次递推方程：

\[ a_n = c_1 a_{n-1} + c_2 a_{n-2} + \cdots + c_k a_{n-k}, \quad (n \geq k), \]

它是一个 $k$ -阶线性递推方程，依赖于初始条件 $a_0, a_1, \ldots, a_{k-1}$。

目标是找到递推序列的通解。

2. 将递推方程转化为矩阵形式

为了利用线性代数的工具，可以将递推方程写成矩阵形式。引入一个状态向量：

\[ \mathbf{v}_n = \begin{bmatrix} a_n \\ a_{n-1} \\ \vdots \\ a_{n-k+1} \end{bmatrix}. \]

则递推关系可以写为矩阵形式：

\[ \mathbf{v}_n = A \mathbf{v}_{n-1}, \]

其中 $A$ 是一个 $k \times k$ 的状态转移矩阵：

\[ A = \begin{bmatrix} c_1 & c_2 & \cdots & c_{k-1} & c_k \\ 1 & 0 & \cdots & 0 & 0 \\ 0 & 1 & \cdots & 0 & 0 \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & \cdots & 1 & 0 \end{bmatrix}. \]

初始向量 $\mathbf{v}_0$ 则由初始条件决定。

3. 矩阵幂和特征根理论

解递推关系的核心问题是求矩阵 $A^n$ 的形式。根据线性代数的理论：

特征值分解

如果矩阵 $A$ 可对角化，则存在一个非奇异矩阵 $P$ 和对角矩阵 $D$，使得： $$ A = P D P^{-1}, \quad \text{其中 } D = \mathrm{diag}(\lambda_1, \lambda_2, \ldots, \lambda_k). $$
$A^n$ 可以快速计算为： $$ A^n = P D^n P^{-1}, \quad \text{且 } D^n = \mathrm{diag}(\lambda_1^n, \lambda_2^n, \ldots, \lambda_k^n). $$

结果解释

对于每个特征值 $\lambda_i$，其对应的特征向量 $\mathbf{v}_i$ 满足： $$ A^n \mathbf{v}_i = \lambda_i^n \mathbf{v}_i. $$
因此，矩阵 $A^n$ 的作用可以分解为特征值（$\lambda_i^n$）和特征向量的线性组合。

4. 从矩阵形式回到递推方程解

利用初始条件向量 $\mathbf{v}_0$ 的线性组合，可以表示通解为：

\[ \mathbf{v}_n = \sum_{i=1}^k c_i \lambda_i^n \mathbf{v}_i, \]

这对应于递推方程解的形式：

\[ a_n = A_1 \lambda_1^n + A_2 \lambda_2^n + \cdots + A_k \lambda_k^n, \]

其中： - $\lambda_i$ 是矩阵 $A$ 的特征值（也是递推方程特征方程的根）， - $A_i$ 是常数，由初始条件决定。

5. 特征根理论的正确性

为了验证这种形式的正确性，必须确认以下几点：

(1) 特征方程的正确性

对于递推方程 $a_n = c_1 a_{n-1} + c_2 a_{n-2} + \cdots + c_k a_{n-k}$，特征方程是： $$ \lambda^k - c_1 \lambda^{k-1} - c_2 \lambda^{k-2} - \cdots - c_k = 0. $$
这是矩阵 $A$ 的特征多项式，因此其根即为递推关系的特征值。

(2) 解的结构封闭性

由于矩阵 $A^n$ 是有限维线性空间上的线性变换，其作用形式必然可由特征值与特征向量描述。
这保证了解的形式可以写成 $\lambda_i^n$ 的线性组合。

(3) 初始条件的确定性

初始条件 $a_0, a_1, \ldots, a_{k-1}$ 唯一确定了常数 $A_i$.
因此，特征根理论生成的解形式是递推方程的唯一通解。

6. 结论

特征根理论之所以能够求解递推方程，关键在于： 1. 递推方程本质上是一个线性变换（矩阵形式）； 2. 矩阵幂的计算与特征值分解直接相关； 3. 特征值和特征向量提供了描述递推序列的基本模式，解可以表示为特征值的幂次线性组合。

这种方法的正确性严格基于线性代数的特征值分解和矩阵理论.