项目矩阵特征值与特征向量.doc
《项目矩阵特征值与特征向量.doc》由会员分享,可在线阅读,更多相关《项目矩阵特征值与特征向量.doc(18页珍藏版)》请在咨信网上搜索。
1、项目六 矩阵的特征值与特征向量 实验1 求矩阵的特征值与特征向量实验目的学习利用Mathematica(4.0以上版本)命令求方阵的特征值和特征向量;能利用软件计算方阵的特征值和特征向量及求二次型的标准形.求方阵的特征值与特征向量.例1.1 (教材 例1.1) 求矩阵的特征值与特值向量.(1) 求矩阵A的特征值. 输入 A=-1,0,2,1,2,-1,1,3,0MatrixFormAEigenvaluesA则输出A的特征值-1,1,1(2) 求矩阵A的特征向量. 输入A=-1,0,2,1,2,-1,1,3,0MatrixFormAEigenvectorsA则输出 -3,1,0,1,0,1,0,
2、0,0即A的特征向量为(3) 利用命令Eigensystem同时矩阵A的所有特征值与特征向量. 输入A=-1,0,2,1,2,-1,1,3,0MatrixFormAEigensystemA则输出矩阵A的特征值及其对应的特征向量.例1.2 求矩阵的特征值与特征向量. 输入A=Tablei+j,i,3,j,3MatrixFormA (1) 计算矩阵A的全部(准确解)特征值, 输入EigenvaluesA则输出 0, ,(2) 计算矩阵A的全部(数值解)特征值, 输入EigenvaluesNA则输出 12.4807, -0.480741, -1.3483(3) 计算矩阵A的全部(准确解)特征向量,
3、输入EigenvectorsA/MatrixForm则输出 (4) 计算矩阵A的全部(数值解)特征向量, 输入EigenvectorsNA/MatrixForm则输出 (5) 同时计算矩阵A的全部(准确解)特征值和特征向量, 输入 OutputFormEigensystemA则输出所求结果 (6) 计算同时矩阵A的零空间, 输入NullSpaceA则输出 1,-2,1(7) 调入程序包LinearAlgebraOrthogonalization后,还可以做以下的运算:矚慫润厲钐瘗睞枥庑赖。GramSchmidt :用Gram-Schmidt过程将向量组单位正交化;Normalize :将向量组
4、单位化;Projectionvect1,vect2:求从向量组vect1到vect2的正交映射.输入LinearAlgebraOrthogonalizationGramSchmidtEigenvectorsNA/MatrixForm则输出例1.3 求方阵的特征值和特征向量.输入ClearM;M=1,2,3,2,1,33,3,6;EigenvaluesMEigenvectorsMEigensystemM则分别输出-1,0,9-1,1,0,-1,-1,11,1,2-1,0,9,-1,1,0,-1,-1,11,1,2例1.4 (教材 例1.2) 求矩阵的特征值和特征向量的近似值.输入A=1/3,1/
5、3,-1/2,1/5,1,-1/3,6,1,-2;EigensystemA则屏幕输出的结果很复杂,原因是矩阵的特征值中有复数且其精确解太复杂.此时,可采用近似形式输入矩阵,则输出结果也采用近似形式来表达. 输入A=1/3,1/3,-1/2,1/5,1,-1/3,6.0,1,-2;EigensystemA则输出-0.748989+1.27186i,-0.748989-1.27186i,0.831311,0.179905+0.192168i,0.116133+0.062477I,0.955675+0.i,聞創沟燴鐺險爱氇谴净。0.179905-0.192168i,0.116133-0.062477
6、i,0.955675+0.i,残骛楼諍锩瀨濟溆塹籟。-0.0872248,-0.866789,-0.490987从中可以看到有两个复特征值与一个实特征值.属于复特征值的特征向量也是复的;属于实特征值的特征向量是实的.例1.5 (教材 例1.3) 已知2是方阵的特征值,求.输入ClearA,q;A=2-3,0,0,-1,2-t,-3,-1,-2,2-3;q=DetASolveq=0,t则输出t8即当时,2是方阵的特征值.例1.6 (教材 例1.4) 已知是方阵的一个特征向量,求参数及特征向量所属的特征值. 设所求特征值为,输入ClearA,B,v,a,b,t;A=t-2,1,-2,-5,t-a,
7、-3,1,-b,t+2;v=1,1,-1;B=A.v;SolveB1=0,B2=0,B3=0,a,b,t则输出a-3, b0, t-1即时,向量是方阵的属于特征值-1和特征向量.矩阵的相似变换例1.7 (教材 例1.5) 设矩阵,求一可逆矩阵,使为对角矩阵.方法1 输入ClearA,P;A=4,1,1,2,2,2,2,2,2;EigenvaluesAP=EigenvectorsA/Transpose则输出0,2,60,-1,1,-1,1,1,1,1,1即矩阵A的特征值为0,2,6.特征向量为,与,矩阵.可验证为对角阵, 事实上,输入 InverseP.A.P则输出0,0,0,0,2,0,0,0
8、,6因此,矩阵在相似变换矩阵的作用下,可化作对角阵.方法2 直接使用JordanDecomposition命令, 输入jor=JordanDecompositionA则输出0,-1,1,-1,1,1,1,1,1,0,0,0,0,2,0,0,0,6酽锕极額閉镇桧猪訣锥。可取出第一个矩阵和第二个矩阵,事实上,输入jor1jor2则输出0,-1,1,-1,1,1,1,1,10,0,0,0,2,0,0,0,6输出结果与方法1的得到的结果完全相同.例1.8 方阵是否与对角阵相似?输入ClearA;A=1,0,2,1;EigensystemA输出为1,1,0,10,0于是,1是二重特征值,但是只有向量0,
9、1是特征向量,因此,矩阵A不与对角阵相似.例1.9 (教材 例1.6) 已知方阵与相似, 求.注意矩阵是对角矩阵,特征值是.又矩阵是分块下三角矩阵,-2是矩阵的特征值.矩阵与相似,则,且-1,2也是矩阵的特征值.输入Clearc,v;v=4,0,0,-2,2-x,-2,-3,-1,1;SolveDetv=0,x则输出x0所以,在题设条件,.例1.10 对实对称矩阵,求一个正交阵,使为对角阵.输入LinearAlgebraOrthogonalizationClearA,PA=0,1,1,0 ,1,0,1,0,1,1,0,0,0,0,0,2;EigenvaluesAEigenvectorsA输出的
10、特征值与特征向量为-1,-1,2,2-1,0,1,0,-1,1,0,0,0,0,0,1,1,1,1,0再输入P=GramSchmidtEigenvectorsA/Transpose输出为已经正交化和单位化的特征向量并且经转置后的矩阵为了验证是正交阵,以及是对角阵,输入TransposeP.PInverseP.A.P/SimplifyTransposeP.A.P/simplify则输出1,0,0,0,0,1,0,0,0,0,1,0,0,0,0,1-1,0,0,0,0,-1,0,0,0,0,2,0,0,0,0,2-1,0,0,0,0,-1,0,0,0,0,2,0,0,0,0,2第一个结果说明,因此
11、是正交阵;第二个与第三个结果说明例1.11 求一个正交变换,化二次型为标准型.二次型的矩阵为这恰好是例1.10的矩阵, 因此,用例1.10中的正交矩阵,作正交变换,即将化作标准型.输入f=Tablexj,j,4.A.Tablexj,j,4/Simplify则输出 2(x2x3+x1(x2+x3)+x42)这是原来的二次型.把上式中的x1,x2,x3,x4用y1,y2,y3,y4表示,输入代换命令彈贸摄尔霁毙攬砖卤庑。f/.Tablexj(P.Tableyj,j,4)j,j,4/Simplify则输出-y12-y22 +2(y32 +y42)这就是二次型的标准型.例1.12 (教材 例1.7)
12、已知二次型(1)求标准形; (2)求正惯性指数; (3)判断二次型是否正定.输入 A=1,1,-2,1,-2,1,-2,1,1EigenvaluesA则输出矩阵A的特征值为-3,0,3所以二次型的标准形为;正惯性指数为1;该二次型不是正定的.例1.13 (教材 例1.8) 求正交变换将二次型化为标准形.输入A=1,1,0,-1,1,1,1,0,0,1,1,-1,-1,0,-1,1MatrixFormAX=x1,x2,x3,x4;ExpandX.A.XLinearAlgebraOrthogonalization.mP=GramSchmidtEigenvectorsAP.A.InverseP/Ma
13、trixForm则输出所求的正交变换矩阵P与二次型矩阵A标准形. 从结果知, 所求二次型的标准型为实验2 层次分析法实验目的通过应用层次分析法解决一个实际问题,学习层次分析法的基本原理与方法;掌握用层次分析法建立数学模型的基本步骤;学会用Mathematica解决层次分析法中的数学问题.基本原理层次分析法是系统分析的重要工具之一,其基本思想是把问题层次化、数量化, 并用数学方法为分析、决策、预报或控制提供定量依据. 它特别适用于难以完全量化, 又相互关联、相互制约的众多因素构成的复杂问题. 它把人的思维过程层次化、数量化,是系统分析的一中新型的数学方法.运用层次分析法建立数学模型, 一般可按如
14、下四个基本步骤进行.1.建立层次结构首先对所面临的问题要掌握足够的信息, 搞清楚问题的范围、因素、各因素之间的相互关系,及所要解决问题的目标. 把问题条理化、层次化, 构造出一个有层次的结构模型. 在这个模型下,复杂问题被分解为元素的组成部分. 这些元素又按其属性及关系形成若干层次.层次结构一般分三层:第一层为最高层, 它是分析问题的预定目标和结果, 也称目标层;第二层为中间层, 它是为了实现目标所涉及的中间环节, 如: 准则、子准则, 也称准则层;第三层为最底层, 它包括了为实现目标可供选择的各种措施、决策方案等, 也称方案层.注:上述层次结构具有以下特点:(1) 从上到下顺序地存在支配关系
15、, 并用直线段表示;(2) 整个层次结构中层次数不受限制.2.构造判断矩阵构造判断矩阵是建立层次分析模型的关键. 假定以上一层的某元素为准则,它所支配的下一层次的元素为,这个元素对上一层次的元素有影响,要确定它们在中的比重. 采用成对比较法. 即每次取两个元素和, 用表示与对的影响之比, 全部比较的结果可用矩阵表示,即謀荞抟箧飆鐸怼类蒋薔。 称矩阵为判断矩阵.根据上述定义,易见判断矩阵的元素满足下列性质:当时,我们称判断矩阵为正互反矩阵.怎样确定判断矩阵的元素的取值呢?当某层的元素对于上一层某元素的影响可直接定量表示时, 与对的影响之比可以直接确定, 的值也可直接确定. 但对于大多数社会经济问
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 项目 矩阵 特征值 特征向量
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。