- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
////根标题=数学实验
////主标题=线性代数实验
////作者=
////地址1=电子科技大学~~数学科学学院
////地址2=
////地址3=
////标题缩减级别=1
1.1 实验基础:线性代数知识 1
1.1.1 解线性方程组 1
1.1.2 矩阵特征值 2
1.2 线性方程组求解 2
1.2.1 应用问题:在减肥食谱中的应用 2
1.3 矩阵的幂与特征值、特征向量 3
1.4 Leslie模型及其应用 6
1.4.1 案例1. 简单迁移模型 6
1.5 线性变换 8
实验基础:线性代数知识
解线性方程组
解线性方程组:
Matlab命令:A\b
示例:
A=rand(3,3);
truesol=rand(3,1)
b=A*truesol
mysol=A\b
比较数值结果与真解.
矩阵特征值
A是n阶方阵,求非零向量和数
称为特征向量, 称为特征值.
lamda=eig(A) —— 计算A的特征值,这里lamda是A的全部特征值构成的列向量。
[P,D]=eig(A) ——计算出A的全部特征值和对应的特征向量. 其中, D是对角矩阵,保存矩阵A的全部特征值; P是满阵, P的列向量构成对应于D的特征向量组。
线性方程组求解
线性方程组的理论应用已经渗透到数学发展的许多分支
很多实际问题的处理最后往往归结为比较容易处理的线性方程组的问题
线性方程组在工程技术上、空间几何和国民经济的许多领域都有着广泛的应用
应用问题:在减肥食谱中的应用
下表是该食谱中的3种食物以及100克每种食物成分含有某些营养素的数量。
营养 每100克食物所含营养(g) 减肥所要求的每日营养量 脱脂牛奶 大豆面粉 乳清 蛋白质 36 51 13 33 碳水化合物 52 34 74 45 脂肪 0 7 1.1 3 如果用这三种食物作为每天的主要食物,那么它们的用量应各取多少才能全面准确地实现这个营养要求?
以100克为一个单位,为了保证减肥所要求的每日营养量,设每日需食用的脱脂牛奶个单位,大豆面粉个单位,乳清个单位,则由所给条件得
解上方程组得,解为
.
即为了保证减肥所要求的每日营养量,每日需食用脱脂牛奶27.72克,大豆面粉39.19克,乳清23.32克。
求解上述线性方程组的程序:
A=[36 51 13; 52 34 74; 0 7 1.1]; b=[33;45;3]; x=A\b
x =
0.2772
0.3919
0.2332
Leslie模型及其应用
科学家LesliePH.于1945年引进一种数学方法,利用某一初始时刻种群的年龄结构现状,动态地预测种群年龄结构及数量随时间的演变过程。
案例1. 简单迁移模型
每年A镇的人口10%迁往B镇;B镇的人口15%迁往A镇. 假设某年A、B两镇人口各有120人和80人. 问两年后两镇人口数量分布如何?
设两镇总人口不变, 人口流动只限于两镇之间. 引入变量:
表示 A 镇第 年人口数量;
表示 B 镇第 年人口数量.
由第 年到第 年两镇人口数量变化规律如下
,
[newpage]
////codebegin
%%%title1:线性代数实验
%%%title2:应用实验
%%%title:简单迁移模型
A=[0.9,0.15;0.1,0.85];
X0=[120;80];
X2=A^2*X0
D=eig(A)
////codeend
,
若,则
是特征值1的特征向量.
思考:在无限长时间后,两镇人数的变化规律与矩阵A有何关联?
矩阵的幂与特征值、特征向量
相关知识点:
相似对角化,特征值,特征向量,正交矩阵
在许多工程计算中,经常遇到计算矩阵的幂的问题,请问有没有快速的计算方法?
概念:
定义 设都是阶方阵,若存在可逆矩阵,使
,
则称是的相似矩阵,并称矩阵与相似.
对进行运算称为对进行相似变换,称可逆矩阵为相似变换矩阵.
易证矩阵的相似关系满足:
①自反性:对于任意阶方阵,有与相似;
②对称性:若与相似,则与相似;
③传递性:若与相似,与相似,则与相似.
定理 若阶矩阵与相似,则与有相同的特征多项式,从而与有相同的特征值.
相似矩阵的一个重要性质:
若阶矩阵与对角阵相似,则即为的个特征值.
定义 若阶矩阵与对角阵相似,则称可以相似对角化,简称可对角化.
如果矩阵可以相似对角化,在存在可逆矩阵,满足
其中,。
由得,
可知,为矩阵的特征值,其中为对应于特征值的特征向量。
则,如果是正交矩阵,则(正交矩阵)。
进而得到
.
这样就大大简化了计算矩阵的幂的复杂度.
需要计算矩阵的特征值、特征向量。
以对称矩阵为例说明:
利用[V,D
文档评论(0)