第五章 线性代数运算命令与例题 北京交通大学.

Slides:



Advertisements
Similar presentations
2.8 函数的微分 1 微分的定义 2 微分的几何意义 3 微分公式与微分运算法则 4 微分在近似计算中的应用.
Advertisements

常系数线性微分方程组 §5.3 常系数线性方程组. 常系数线性微分方程组 一阶常系数线性微分方程组 : 本节主要讨论 (5.33) 的基解矩阵的求法.
第四章 向量组的线性相关性 §1 向量组及其线性组合 §2 向量组的线性相关性 §3 向量组的秩 §4 线性方程组的解的结构.
3.4 空间直线的方程.
第五章 二次型. 第五章 二次型 知识点1---二次型及其矩阵表示 二次型的基本概念 1. 线性变换与合同矩阵 2.
第3节 二次型与二次型的化简 一、二次型的定义 二、二次型的化简(矩阵的合同) 下页.
§1 二阶与三阶行列式 ★二元线性方程组与二阶行列式 ★三阶行列式
6.9二元一次方程组的解法(2) 加减消元法 上虹中学 陶家骏.
绪 论 一、课程内容 线性代数是是中学代数的继续和发展。
一、二阶行列式的引入 用消元法解二元线性方程组. 一、二阶行列式的引入 用消元法解二元线性方程组.
清仓处理 跳楼价 满200返160 5折酬宾.
第五章 矩阵与行列式 §5.4 逆矩阵 §5.5 矩阵的初等变换.
§1 线性空间的定义与性质 ★线性空间的定义 ★线性空间的性质 ★线性空间的子空间 线性空间是线性代数的高等部分,是代数学
致亲爱的同学们 天空的幸福是穿一身蓝 森林的幸福是披一身绿 阳光的幸福是如钻石般耀眼 老师的幸福是因为认识了你们 愿你们努力进取,永不言败.
1.1.2 四 种 命 题.
第一章 行列式 第五节 Cramer定理 设含有n 个未知量的n个方程构成的线性方程组为 (Ⅰ) 由未知数的系数组成的n阶行列式
§4.3 常系数线性方程组.
第三章 导数与微分 习 题 课 主要内容 典型例题.
第 11 章 矩 阵 上一章讨论的线性方程组,未知数的个 数与方程的个数相等,且系数行列式不等于 零。但是再实际应用中,还会出现未知数的
第二章 矩阵(matrix) 第8次课.
线性代数机算与应用 李仁先 2018/11/24.
元素替换法 ——行列式按行(列)展开(推论)
!!! 请记住:矩阵是否等价只须看矩阵的秩是否相同。
导数的基本运算.
计算机数学基础 主讲老师: 邓辉文.
§2 求导法则 2.1 求导数的四则运算法则 下面分三部分加以证明, 并同时给出相应的推论和例题 .
I. 线性代数的来龙去脉 -----了解内容简介
第四章 矩阵 §1 矩阵概念的一些 背景 §6 初等矩阵 §4 矩阵的逆 §5 矩阵的分块 §2 矩阵的运算 §3 矩阵乘积的行列 式与秩
第二章 矩阵及其运算 §1 线性方程组和矩阵 §2 矩阵的运算 §3 逆矩阵 §4 克拉默法则 §5 矩阵分块法.
第一章 行 列 式 在初等数学中,我们用代入消元法或加减消元法求解 二元和三元线性方程组,可以看出,线性方程组的解完
第四章 向量组的线性相关性.
工业机器人技术基础及应用 主讲人:顾老师
若2002年我国国民生产总值为 亿元,如果 ,那么经过多少年国民生产总值 每年平均增长 是2002年时的2倍? 解:设经过 年国民生产总值为2002年时的2倍, 根据题意有 , 即.
第一章 函数与极限.
第5章 线性代数 矩阵分析 矩阵分解 线性方程组的求解 符号矩阵.
用数学软件解决高等代数问题 主讲 张力宏、张洪刚
实数与向量的积.
第8讲 逆矩阵 主要内容: 1. 逆矩阵的定义及性质 2. 求逆矩阵的伴随矩阵法 3.求逆矩阵的初等行变换法.
线性代数 第二章 矩阵 §1 矩阵的定义 定义:m×n个数排成的数表 3) 零矩阵: 4) n阶方阵:An=[aij]n×n
线 性 代 数 厦门大学线性代数教学组 2019年4月24日6时8分 / 45.
特 征 值 与 特 征 向 量 一、特征值与特征向量的概念 二、特征值和特征向量的性质.
第五讲 线性代数中的数值计算问题.
复习.
第三章复习及习题课.
第4章 Excel电子表格制作软件 4.4 函数(一).
§4 线性方程组的解的结构.
第16讲 相似矩阵与方阵的对角化 主要内容: 1.相似矩阵 2. 方阵的对角化.
§6.7 子空间的直和 一、直和的定义 二、直和的判定 三、多个子空间的直和.
第13讲 非齐次线性方程组的结构解, 线性空间与线性变换
第三章 函数的微分学 第二节 导数的四则运算法则 一、导数的四则运算 二、偏导数的求法.
多层循环 Private Sub Command1_Click() Dim i As Integer, j As Integer
O x y i j O x y i j a A(x, y) y x 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算 5.4 平面向量的坐标运算.
线性代数 第十一讲 分块矩阵.
2.2矩阵的代数运算.
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
线 性 代 数 厦门大学线性代数教学组 2019年5月12日4时19分 / 45.
A经有限次初等变换化为B,称A与B等价,记作A→B.
2019/5/20 第三节 高阶导数 1.
§2 方阵的特征值与特征向量.
第五节 线性方程组有解判别定理 一、线性方程组的向量表示形式 二、线性方程组有解判别定理 三、一般线性方程组的解法 四、线性方程组的求解步骤.
在发明中学习 线性代数概念引入 之四: 矩阵运算 李尚志 中国科学技术大学.
欢迎大家来到我们的课堂 §3.1.1两角差的余弦公式 广州市西关外国语学校 高一(5)班 教师:王琦.
定义5 把矩阵 A 的行换成同序数的列得到的矩阵,
第四节 向量的乘积 一、两向量的数量积 二、两向量的向量积.
教学大纲(甲型,54学时 ) 教学大纲(乙型, 36学时 )
第10章 代数方程组的MATLAB求解 编者.
第三节 数量积 向量积 混合积 一、向量的数量积 二、向量的向量积 三、向量的混合积 四、小结 思考题.
§4.5 最大公因式的矩阵求法( Ⅱ ).
§1 向量的内积、长度及正交性 1. 内积的定义及性质 2. 向量的长度及性质 3. 正交向量组的定义及求解 4. 正交矩阵与正交变换.
第三章 线性方程组 §4 n维向量及其线性相关性(续7)
Presentation transcript:

第五章 线性代数运算命令与例题 北京交通大学

5.1向量与矩阵的定义 数学上矩阵是这样定义的: 由个数排成m行n列的数表: 称为m行n列矩阵,特别,当m=1时就是线性代数中的向量。 记作: 两个矩阵称为同型矩阵。

命令形式1:Table[f[i,j],{i,m},{j,n}] 功能: 输入矩阵,其中f是关于i和j的函数,给出[i, j]项的值. 5.1.1输入一个矩阵 命令形式1:Table[f[i,j],{i,m},{j,n}] 功能: 输入矩阵,其中f是关于i和j的函数,给出[i, j]项的值. 命令形式2:直接用表的形式来输入 功能:用于矩阵元素表达式规律不易找到的矩阵的输入。 注意: 1. 要看通常的矩阵形式可以用命令: MatrixForm[%] 2. 对应上述命令形式,输入一个向量的命令为 Table[f[j],{j,n}]或直接输入一个一维表{a1,a2,…,an},这里a1,a2,…,an是数或字母。

例1.输入矩阵A= , 向量b={1,4,7,-3}。 解:Mathematica命令 In[1]:= a={{12,-3,0,2,1},{56,-8,-45,21,91},{3,6,81,13,4}} Out[1]:= {{12,-3,0,2,1},{56,-8,-45,21,91},{3,6,81,13,4}} In[2]:=b={1, 4, 7, -3} Out[2]:= {1, 4, 7, -3}

例2. 输入一个矩阵 解:Mathematica命令 In[3]:=Table[Sin[i+j],{i,5},{j,3}] Out[3]:={{Sin[2],Sin[3],Sin[4]},{Sin[3],Sin[4],Sin[5]},{Sin[4],Sin[5],Sin[6]}, {Sin[5],Sin[6],Sin[7]},{Sin[6],Sin[7],Sin[8]}} In[4]:=MatrixForm[%] Out[4]:= Sin[2] Sin[3] Sin[4] Sin[3] Sin[4] Sin[5] Sin[4] Sin[5] Sin[6] Sin[5] Sin[6] Sin[7] Sin[6] Sin[7] Sin[8]

5.1.2 几个特殊矩阵的输入 1. 生成0矩阵 命令形式: Table[0,{m},{n}] 功能:产生一个的0矩阵 2. 生成随机数矩阵 命令形式: Table[Random[ ],{m},{n}] 功能: 产生一个的随机数矩阵 3.生成上三角矩阵 命令形式: Table[If[i<=j,a,0],{i,m},{j,n}] 功能: 产生一个非0元全为数a的上三角矩阵 4.生成下三角矩阵 命令形式: Table[If[i>=j, a, 0], {i,m},{j,n}] 功能: 产生一个非0元全为数a的下三角矩阵

5.生成三对角矩阵 命令形式: Table[Switch[i-j,-1,a[[i]],0,b[[i]],1, c[[i-1]],-,0],{i,m},{j,n}] 功能: 产生一个的三对角矩阵 6.生成对角矩阵 命令形式:DiagonalMatrix[list] 功能:使用列表中的元素生成一个对角矩阵. 7.生成单位矩阵 命令形式:IdentityMatrix[n] 功能:生成n阶单位阵

例3. 构造的0矩阵。 例4. 构造一个的随机数矩阵。 解: Mathematica命令 In[5]:=Table[0,{4},{3}] Out[5]:= {{0, 0, 0}, {0, 0, 0}, {0, 0, 0}, {0, 0, 0}} In[6]:= MatrixForm[%] Out[6]:= 0 0 0 例4. 构造一个的随机数矩阵。 In[7]:=Table[Random[ ],{2},{5}] Out[7]:={{0.46223, 0.545335, 0.423938, 0.635765, 0.792571}, {0.802126, 0.372146, 0.114424, 0660867, 0.0163719}}

例5. 构造非0元全为2的45上三角矩阵。 例6. 构造非0元全为1的44下三角方阵。 解:Mathematica命令 In[8]:=Table[If[i<=j,2,0],{i,4},{j,5}] Out[8]={{2,2,2,2,2},{0,2,2,2,2},{0,0,2,2,2},{0,0,0,2,2}} In[9]:=MatrixForm[%] Out[9]=2 2 2 2 2 0 2 2 2 2 0 0 2 2 2 0 0 0 2 2 例6. 构造非0元全为1的44下三角方阵。 In[10]:=Table[If[i>=j,1,0],{i,4},{j,4}] Out[10]={{1,0,0,0},{1,1,0,0},{1,1,1,0},{1,1,1,1}} In[11]:=MatrixForm[%] Out[11]=1 0 0 0 1 1 0 0 1 1 1 0 1 1 1 1

例7. 生成三对角矩阵 例8. 生成对角矩阵 解:Mathematica命令 In[12]:=Table[Switch[i-j,-1,a,0,b,1,c,_,0],{i,6},{j,6}] Out[12]={{b,a,0,0,0,0},{c,b,a,0,0,0},{0,c,b,a,0,0}, {0,0,c,b,a,0},{0,0,0,c,b,a},{0,0,0,0,c,b}} 例8. 生成对角矩阵 In[13]:=DiagonalMatrix[{a,b,c,d}] Out[13]={{a,0,0,0},{0,b,0,0},{0,0,c,0}, {0,0,0,d}}

例9.生成5阶单位矩阵。 解:Mathematica命令 In[14]:=a=IdentityMatrix[5] Out[14]={{1,0,0,0,0},{0,1,0,0,0},{0,0,1,0 0}, {0,0,0,1,0},{0,0,0,0,1} } In[15]:=MatrixForm[%] Out[15]=1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1

5.2向量与矩阵的运算 5.2.1基本运算 运算 功能 命令形式 矩阵加法和减法 将两个同型矩阵相加(减) AB 数乘 将数与矩阵做乘法 5.2向量与矩阵的运算 5.2.1基本运算 运算 功能 命令形式 矩阵加法和减法 将两个同型矩阵相加(减) AB 数乘 将数与矩阵做乘法 kA 其中k是一个数,A是一个矩阵 矩阵的乘法 将两个矩阵进行矩阵相乘 B 其中乘号"."使用键盘上的小数点 矩阵的求逆 求方阵的逆 Inverse[A] A必须为方阵 矩阵的转置 . 求矩阵的转置 Transpose[A] A可以是任意矩阵 向量的数量积(点积) 求同维向量的数量积 v1.v2

例10. 计算 例11. 计算 解:Mathematica命令 In[16]:= {{1,3,7},{-3,9,-1}}+{{2,3,-2},{-1,6,-7}} Out[16]={{3, 6, 5},{-4, 15, -8}} 例11. 计算 In[17]:=5{{1,2,3},{3,5,1}} Out[17]={{5, 10, 15}, {15, 25, 5}}

In[18]:= {a, b, c}.{e, f, g} Out[18]= a e + b f + c g 例12. 求向量 与 的点积。 解:Mathematica命令 In[18]:= {a, b, c}.{e, f, g} Out[18]= a e + b f + c g 例13. 求向量{a,b,c}与矩阵 的乘积。 In[19]:= {a, b, c}.{{1, 2},{3, 4},{5, 6}} Out[19]={a + 3 b + 5 c, 2 a + 4 b + 6 c}

例14. 求矩阵 与向量{a,b}的乘积。 例15:求矩阵 与 的乘积。 解:Mathematica命令 In[20]:={{1,2},{3,4},{5,6}}.{a, b} Out[20]:={a + 2 b, 3 a + 4 b, 5 a + 6 b} 例15:求矩阵 与 的乘积。 In[21]:= a={{1,3,0},{-2,-1,1}} In[22]:=b={{1,3,-1,0},{0,-1,2,1},{2,4,0,1}} In[23]:=a.b Out[23]:={{1, 0, 5, 3}, {0, -1, 0, 0}}

例16. 求矩阵 的逆。 解:Mathematica命令 例16. 求矩阵 的逆。 解:Mathematica命令 In[24]:=A={{1,2,3,4},{2,3,1,2},{1,1,1,-1},{1,0,-2,-6}} Out[24]={{1,2,3,4},{2,3,1,2},{1,1,1,-1},{1,0,-2,-6}} In[25]:=Inverse[A] Out[25]={{22,-6,-26,17},{-17,5,20,-13},{-1,0,2,-1},{4,-1,-5,3}}

In[26]:= Inverse[{{a,b},{c,d}}] Out[26]:= 例17. 求矩阵 的逆。 解:Mathematica命令 In[26]:= Inverse[{{a,b},{c,d}}] Out[26]:= 例18. 求矩阵 的转置。 In[27]:=A={{1,2,3,4},{2,3,4,5},{3,4,5,6}} Out[27]:={{1, 2, 3, 4}, {2, 3, 4, 5}, {3, 4, 5, 6}} In[28]:=Transpose[A] Out[28]:={{1, 2, 3}, {2, 3, 4}, {3, 4, 5}, {4, 5, 6}}

5.2.2. 方阵的运算 求行列式 命令形式:Det[A] 功能:计算方阵A的行列式 求方阵的幂 命令形式:MatrixPower[A,n] 求矩阵的k阶子式 命令形式:Minors[A,k] 功能:求出矩阵A的所有可能的k阶子式的值。

例19 ,求A的行列式 解:Mathematica命令 In[29]:=Det[{{a,b},{c,d}}] Out[29]:=-bc+ad 例20. 求矩阵 的2次幂。 In[30]:=MatrixPower[{{1,2},{3,4}},2] Out[30]:={{7, 10}, {15, 22}}

例21. 求矩阵 的所有2阶子式的值。 解:Mathematica命令 In[31]:=Minors[{{1,2,3},{2,3,4}},2] Out[31]:={{-1, -2, -1}}

例22. 某农场饲养的动物所能达到的最大年龄为15岁,将其分为三个年龄组:第一组,0——5岁;第二组6——10岁;第三组成11——15岁。动物从第二年龄组起开始繁殖后代,经过长期统计,第二年龄组的动物在其年龄段平均繁殖4个后代,第三组在其年龄段平均繁殖3个后代,第一年龄组和第二年龄组的动物能顺利进入下一个年龄组的存活率分别是1/2和1/4。假设农场现有三个年龄段的动物各1000头,问15年后农场饲养的动物总数及农场三个年龄段的动物各将达到多少头?指出15年间,动物总增长多少头及总增长率。

In[32]:=L={{0,4,3}.{1/2,0,0},{0,1/4,0}}; x0={1000,1000,1000}; 解:年龄组为5岁一段,故将时间周期也取5年。15年经过3个周期。用k=1,2,3分别表示第一、二、三个周期,xi(k)表示第i个年龄组在第k个周期的数量。由题意,有如下矩阵递推关系: 即 利用Mathematica计算有: In[32]:=L={{0,4,3}.{1/2,0,0},{0,1/4,0}}; x0={1000,1000,1000}; In[33]:= Do[x0=L.x0;Print[x0], {3}] Out[33]:= {7000, 500, 250} {2750, 3500, 125} {14375, 1375, 875} 结果分析: 15年后,农场饲养的动物总数将达到16625头,其中0——5岁的有14375头,占总数的86.47%,6——10岁的有1375头,占8.27%,11——15岁的有875头,占5.226%,15年间,动物总增长13625头,总增长率为13625/3000=454.16%。

5.3解线性方程组 命令形式: Solve[eqns,{x1,x2,…}] 功能:求解以{x1,x2,…}为未知量的方程或纺方程组。 例23. 求方程组 的解。 解:Mathematica命令 In[34]:=Solve[{2x+3y= =4,x-y= =1},{x,y}] Out[34]:=

例24. 求齐次方程 的解。 解:Mathematica命令 In[35]:=Solve[5x1+4x2+3x3+2x4+x5==0,x1] Out[35]= In[36]:=Solve[5x1+4x2+3x3+2x4+x5==0,x5] Out[36]={{x5 -> -5 x1 - 4 x2 - 3 x3 - 2 x4}}

例25. 求非齐次方程 的解。 解:Mathematica命令 In[37]:=Solve[{2x1+7x2+3x3+x4==6,3x1+5x2+2x3+2x4==4,9x1+4x2+x3+7x4==2}, {x1,x2,x3,x4}] Out[37]=

5.4求矩阵特征值和特征向量 命令形式1:Eigenvalues[A] 功能:求出方阵A的全部特征值。 命令形式2:Eigenvalues[N[A]] 功能: 求出方阵A的全部特征值的数值解。 注意:命令1有时不能求出特征值,而命令2总能求出特征值的近似值 例26. 求矩阵 的特征值。 解:Mathematica命令 In[38]:=A={{2.,1.,1.},{1.,2.,1.},{1.,1.,2.}} Out[38]={{2., 1., 1.}, {1., 2., 1.}, {1., 1., 2.}} In[39]:=Eigenvalues[A] Out[39]={4., 1., 1.}

例27. 求矩阵 的特征值。 解:Mathematica命令 In[40]:=A={{2,1,1},{1,2,1},{1,3,2}}; In[41]=Eigenvalues[N[A]] Out[41]={4.56155, 1., 0.438447} 得三个特征值4.56155, 1., 0.438447.

例28. 求矩阵 的特征值。 解: Mathematica命令 In[43]:=A={{3,7,-3},{-2,-5,2},{-4,-10,3}}; In[44]:=Eigenvalues[N[A]] Out[44]={1., 1.77636 10 -15 + 1. I, 1.77636 10 -15 - 1. I} 得三个特征值1.,1.77636 10 -15 + 1. I,1.77636 10 -15 - 1. I

5.4.2 求矩阵特征向量命令 命令形式1:Eigenvectors[A] 功能:求方阵A全部特征向量。 5.4.2 求矩阵特征向量命令 命令形式1:Eigenvectors[A] 功能:求方阵A全部特征向量。 命令形式2: Eigenvectors[N[A]] 功能:求方阵A全部特征向量的数值解。 例29. 求矩阵的特征向量。 解:Mathematica命令 In[47]:=A={{2.,1.,1.},{1.,2.,1.},{1.,1.,2.}} Out[47]={{2., 1., 1.}, {1., 2., 1.}, {1., 1., 2.}} In[48]=Eigenvectors[A] Out[48]={{0.57735, 0.57735, 0.57735}, {0., -0.707107, 0.707107}, {-0.816497, 0.408248, 0.408248}} 得三个特征向量为: {0.57735, 0.57735, 0.57735}, {0., -0.707107, 0.707107}, {-0.816497, 0.408248, 0.408248}

例30.求矩阵的特征向量。 In[49]:=Eigenvectors[N[A]] Out[49]:={{-0.816497, 0.408248, 0.408248}, {0.6742 + 3.82181 10 -18 I, -0.40452 - 0.13484 I,-0.26968 - 0.53936 I}, {0.6742 - 3.82181 10 -18 I, -0.40452 + 0.13484 I, -0.26968 + 0.53936 I}}

例31. 求矩阵 的特征值和特征向量。 解:Mathematica命令 In[53]:=A={{2.,1.,1.},{1.,2.,1.},{1.,1.,2.}} Out[53]={{2.,1., 1.}, {1., 2., 1.}, {1., 1., 2.}} In[54]:=Eigensystem[A] Out[54]={{4., 1., 1.}, {{0.57735,0.57735,0.57735},{0.,-0.707107, 0.707107},{-0.816497,0.408248,0.408248}}} 其中,第一个表是三个特征值,第二个2维表是三个特征向量

例32:综合应用:

第五章结束 谢谢!