线性代数_理工大学内部课件.ppt

  1. 1、本文档共87页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(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。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 3.>> A=sym('[0 0 a;0 b 0;c 0 0]'); >> [kesai,lamda]=eig(A) 运行结果: kesai = [ 1/c*(c*a)^(1/2), -1/c*(c*a)^(1/2), 0] [ 0, 0, 1] [ 1, 1, 0] lamda = [ (c*a)^(1/2), 0, 0] [ 0, -(c*a)^(1/2), 0] [ 0, 0, b] 即矩阵A的特征值为 , , . 对应的特征向量为: , , . 第3章 矩阵的特征值与特征向量 4.>> A=[0 1 1;1 0 1;1 1 0]; >> [kesai,lamda]=eig(A) 运行结果: kesai = -0.7152 0.3938 0.5774 0.0166 -0.8163 0.5774 0.6987 0.4225 0.5774 lamda = -1.0000 0 0 0 -1.0000 0 0 0 2.0000 >> inv(kesai)*A*kesai-lamda 运行结果: ans = 1.0e-015 * 0.6661 0 0 0 0 -0.1943 -0.4441 0.2220 0 第3章 矩阵的特征值与特征向量 因1.0e-015<<1,故A能相似于对角矩阵。 >> kesai'*A*kesai 运行结果: ans = -1.0000 0 -0.0000 0 -1.0000 0.0000 -0.0000 -0.0000 2.0000 即存在正交矩阵 使得 第3章 矩阵的特征值与特征向量 5.解法一:>> A=[7 -3 -1 1;-3 7 1 -1;-1 1 7 -3;1 -1 -3 7] ; >> [kesai,lamda]=eig(A) 运行结果: kesai = -0.0000 0.7071 0.5000 -0.5000 -0.0000 0.7071 -0.5000 0.5000 0.7071 -0.0000 0.5000 0.5000 0.7071 0 -0.5000 -0.5000 lamda = 4.0000 0 0 0 0 4.0000 0 0 0 0 8.0000 0 0 0 0 12.0000 即所求正交矩阵为 . 第3章 矩阵的特征值与特征向量 >> kesai'*A*kesai 运行结果: ans = 4 * * * * 4 * *

文档评论(0)

yiying66 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档