- 1、本文档共11页,可阅读全部内容。
- 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、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、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
实验九 线性映射的迭代与特征向量的计算
[实验目的]
1. 掌握线性映射的性质;
2. 了解特征值、特征向量的计算方法:乘幂法;
用线性映射的性质解决两个实际问题:天气问题与比赛排名问题。
§1 基本理论
关系式
x1(n+1) =a11x1(n)+a12x2(n),
x2(n+1) =a21x1(n)+a22x2(n),
将向量(x1(n),x2(n),…,xm(n))T映射为向量(x1(n+1),x2(n+2),…xm(n+1))T。它可以写成xn+1=Ax(其中xn , xn+1为m维向量,A为m×m矩阵)的形式。我们把形如y=Ax的映射称为线性映射。给出一个初始向量x0=(x1(0),x2(0),…,xm(0))T ,将上述映射反复作用可得到序列:x0 , x1=Ax0, x2=Ax1, …,xn+1=Axn,…我们将这一过程称为线性映射的迭代,其中矩阵A称为迭代矩阵。
2实验内容与练习
2.1平面线性映射的迭代
在(9.1)式中,取m=2,就得到比较简单的平面线性映射((x1(n),x2(n))T可以看作平面上的点):
x1(n+1) =a11x1(n)+a12x2(n),
(9.2)
x2(n+1) =a21x1(n)+a22x2(n),
对于给定的迭代矩阵A=及初始向量(x1(0),x2(0))T,利用(9.2)进行迭代所得到的序列具有什么样的性质呢?这是本节所要解决的问题。
我们先从一个具体的例子着手。取迭代矩阵A=,(x1(0),x2(0))T=(1,2)T。
A={{4,2},{1,3}};
x={1,2}
t={};
For[i=1,i=20,i++,
x=A.x;
t=Append[t,x]];
t
ListPlot[t,PlotStule-AbsolutePointSize[4]]
练习1 取迭代矩阵,初始向量(x1(0),x2(0))T=(1,2)T,求出点列(x1(n),x2(n))T(n=1,2,…),并画出这些点的散点图。
如果知道{xn}的通项,就可以很方便地研究迭代序列的性质。下面来研究x1(n)与x2(n)的通项。
由迭代的过程可以知道,
xn= Axn-1 =A*Axn-2=A2xn-2 =…=Anx0
因此,如果已知x0,只要设法求出,就可以写出xn的一般表达式。
如果A是对角矩阵,显然有An=。如果A不是对角矩阵,它在一定的条件下与对角矩阵相似,即存在可逆矩阵P与对角矩阵D=,使得A=PDP-1。此时有:An=PDnP-1,A的幂可以很方便的求出来。
在Mathematica软件中,可以用下面的JordanDecomposition命令很方便地求出上述的矩阵P与D。
A={{4,2},{1,3}};
{p,d}=JordanDecomposition[A];
p
d
程序的结果为P=与D=
练习2 对A=,(x1(0),x2(0))T=(1,2)T,求出{x1}的通项。
练习3 对于练习1中的,(x1(0),x2(0))T=(1,2)T,求出{xn }的通项。
下面来研究平面线性迭代序列的极限性质。首先通过图形来观察。
对A=,而初始向量取-1与1之间的随机数,我们进行多次迭代,用下面的程序将所得到的迭代点列画在同一个图上(见图9.1)。
9.1 迭代序列散点图
A={{4,2},{1,3}};
t={};
Do[x={2*Random[]-1,2*Random[]-1};
T=Append[t,x];
For[i=1,i=40,i++,
X=A.x;
T=Append[t,x]],
{j,1,20}];
ListPlot[t,PlotStule-AbsolutePointSize[3]]
可以看出,迭代点列似乎在一条通过原点的直线上。为什么会出现这种现象呢?
若一个点列位于平面上的直线上,则这个点列的两个分量的比值是一个常数。那么,上述序列的两个分量的比值是否是一个常数呢?
练习4 对随机给出的 (x1(0),x2(0))T,观察数列{}。该数列有极限吗?
练习5 对x0 =(x1(0),x2(0))T,给出{xn }的通项公式,从理论上研究数列{}的极限,并与练习4的结论作对比。
练习6 对于练习1中的迭代矩阵B,取随机的初始值,画出迭代序列的散点图。并研究{}的极限。
2.2 一般线性映射的迭代
在前一节中,我们研究了平面线性映射的迭代,即在(9.1)中取m=2的情况。下面来研究m取一般值的情况。此时仍然有
(9.3)
类似于2.1节,如果A是一个对角矩阵或与一个对角矩阵相似,则可以比较方便的求出矩阵A
文档评论(0)