Собственные числа и собственные векторы матрицы.

Из курса линейной алгебры известно, что если А х =l х, то вектор х называется собственным вектором матрицы А, а число l – собственным числом, соответствующим данному собственному вектору. Совокупность всех собственных чисел матрицы называется спектром матрицы. Если в спектре матрицы одно и тоже собственное число встречается k раз, то говорят, что кратность этого собственного числа равна k.

Для нахождения собственных чисел матрицы А используется команда eigenvalues(A). Для нахождения собственных векторов матрицы А используется команда eigenvectors(A). В результате выполнения этой команды будут получены собственные числа, их кратность и соответствующие собственные векторы.

Чтобы понять, в каком виде получаются результаты выполнения команды eigenvectors, внимательно разберитесь со следующим примером: матрица имеет 3 собственных вектора: , отвечающий собственному числу кратности 1, , отвечающий собственному числу кратности 1, , отвечающий собственному числу кратности 1. Найдем их в Maple:

> A:=matrix([[3,-1,1],[-1,5,-1],[1,-1,3]]):

> eigenvectors(A);

[2,1,{[-1,0,1]}], [3,1,{[1,1,1]}], [6,1,{[1,-2,1]}]

В строке вывода перечислены в квадратных скобках собственное число, его кратность и соответствующий собственный вектор в фигурных скобках, затем следующие наборы таких же данных.

 

Характеристический и минимальный многочлены матрицы.

Для вычисления характеристического многочлена матрицы A используется команда charpoly(A,lambda).

Минимальный многочлен (делитель) матрицы А можно найти с помощью команды minpoly(A,lambda).

 

Канонические и специальные виды матрицы.

Привести матрицу А к нормальной форме Жордана можно командой jordan(A).

К треугольному виду матрицу А можно привести тремя способами:

1) команда gausselim(A) приводит матрицу А к треугольному виду методом Гаусса;

2) команда ffgausselim(A) приводит матрицу А к треугольному виду методом Гаусса без деления. Эта команда предпочтительней для работы с символьными матрицами, так как не производит нормировку элементов и исключает возможные ошибки, связанные с делением на нуль;

3) команда gaussjord(A) приводит матрицу А к треугольному виду методом Гаусса-Жордана.

Характеристическую матрицу можно вычислить командой charmat(A,lambda).

 

Задание 3.

1. Дана матрица . Найти ее собственные векторы и собственные числа.

> U:=matrix([[3,2-I],[2+I,7]]):

> eigenvectors(U);

,

2. Дана матрица . Найти собственные векторы, собственные числа, характеристический многочлен и минимальный многочлен, Жорданову форму.

> A:=matrix([[3,-I,0],[I,3,0],[0,0,4]]):

> eigenvectors(A);

[2, 1, {([1, - I, 0])}], [4, 2, {([0, 0, 1]), ([- I, 1, 0])}]

> P(lambda):=charpoly(A,lambda);

> d(lambda):=minpoly(A,lambda);

> jordan(A);

3. Дана матрица . Привести матрицу А к Жордановой форме, треугольному виду, найти ее характеристическую матрицу.

> A:=matrix([[1,-3,4],[4,-7,8],[6,-7,7]]):

> j:=jordan(A);

> g:=gausselim(A);

> F(A):=charmat(A,lambda);

Самостоятельно проверьте, чем будет отличаться результат выполнения команды ffgausselim(A) от gausselim(A) на этом примере.

 

 

§4. Системы линейных уравнений. Матричные уравнения

 

Системы линейных уравнений и матричные уравнения.

Система линейных уравнений может быть решена двумя способами.

Способ 1: стандартная команда solve находит решение системы линейных уравнений, записанных в развернутом виде:

.

Способ 2: команда linsolve(A,b) из пакета linalg находит решение уравнения . Аргументы этой команды: А – матрица, b – вектор.

С помощью команды linsolve(A,b) можно найти решение матричного уравнения АХ = В, если в качестве аргументов этой команды указать, соответственно, матрицы А и В.

 

Ядро матрицы.

Ядро матрицы А – это множество векторов х таких, произведение матрицы А на которые равно нулевому вектору: . Поиск ядра матрицы А эквивалентен решению системы линейных однородных уравнений. Найти ядро матрицы А можно командой kernel(A).

Задание 4.

 

1. Найти общее и одно частное решение системы:

> eq:={2*x-3*y+5*z+7*t=1, 4*x-6*y+2*z+3*t=2,

2*x-3*y-11*z-15*t=1}:

> s:=solve(eq,{x,y,z});

s:={ , y = y, }

Для нахождения частного решения следует выполнить подстановку конкретного значения одной из переменных при помощи команды subs:

> subs({y=1,t=1},s);

{ , , 1=1}

2. Решить матричное уравнение: АX = В; где ,

> A:=matrix([[1,2],[3,4]]):

> B:=matrix([[3,5],[5,9]]):

> X:=linsolve(A,B);

3. Дана матрица . Найти ее ранг, дефект: d (A)= n – r (A), где n – размерность квадратной матрицы, r – ее ранг. Найти ядро А. Наберите:

> A:=matrix([[1,1,0],[0,2,-1],[1,3,-1]]):

> r(A):=rank(A);

r(A):=2

> d(A):=rowdim(A)-r(A);

d(A):=1

> k(A):=kernel(A);

k(A):={[-1,1,2]}

 

 

⇐ Предыдущая12345

Поделиться:

Воспользуйтесь поиском по сайту: