第5章 线性代数 数学应用软件MATHEMATICA课件.ppt

第5章 线性代数 5.1矩阵 5.1.1、向量和矩阵的生成 在Mathematica中,向量和矩阵是用集合(表)来表示的。如： {a,b,c}: 表示向量（a,b,c) {{a,b},{c,d}}:表示矩阵 a b c d 矩阵生成函数 5.1.2 截取矩阵块 矩阵块是指矩阵中的某个元素、某行元素 某列元素。要方便表示矩阵的某行或某列元 素，我们在定义矩阵时，最好同时给出所定 义矩阵的一个名称。 截取矩阵块方法： A[[i,j]]:给出第i,j列元素。 A[[i]]:给出第i行元素。 A[[All,i]]:给出第i列元素。 A[[{i1,…,ir},{j1,…,js}]]:A的r×s子矩阵 Tr[A,List]:给出对角线元素。 5.1.3 矩阵运算 2、矩阵的基本运算 5.2 特征值和特征向量 5.3 LU分解与求解方程组 5.4 求解线性方程组 练习 已知 1 1 1 1 A= 1 0 -1 1 3 1 -1 3 3 2 1 3 1、计算A的秩，计算AX=0的基础解系。 2、求A的特征值和特征向量。 3、求A的行列式的值。 4、求A3 * 用矩阵的形式写出list MatrixForm[list] 给出 list所表示的矩阵的维数 Dimensions[list] 给出矩阵 list中的第i行，第j列元素。 list[[i,j]]或Part[list,i,j] 给出矩阵 list中的第i行 list[[i]]或Part[list,i] 创建一个对角线上为list的元素的方阵 DiagonalMatrix[list] 创建一个n×n单位矩阵 IdentityMatrix[n] 创建一个m×n,其 i, j项为a[i,j] Array[a,{m,n}] 用f的值创建一个m×n矩阵，其中i从1到m,j从1到n Table[f,{i,m},{j,n}] 意义 函数 演示5.1.nb 演示5.1 1.1 数与矩阵的加法乘法：数对每个元素作用 1.2 矩阵相加，矩阵相乘（同线代介绍运算） 注： 三种乘法运算：点积：· (向量为内积，矩阵为乘法) 星号积：﹡ (对数与数指乘法，对向量和矩阵 指对应元素相乘) 叉积：× (对向量为外积，对矩阵无意义) 1、加、减、乘法运算 演示5.2.nb 矩阵A的秩 MatrixRank[A] 矩阵每个元素的余子式 Minors[A] 所有k阶子式组成的表 Minors[A,k] 矩阵m的n次幂 MatrixPower[A,n] 求矩阵m的迹 Tr[A] 求行列式 Det[A] 求逆 Inverse[A] 矩阵转置 Transpose[A] 意义 函数 演示5.2.nb m的p范数 Norm[m,p] m的k位数字精度的特征值 Eigenvalues[N[m,k]] m的特征值数值解 Eigenvalues[N[m]] 所有的特征值和特征向量 Eigensystem[m] m的特征向量 Eigenvectors[m] m的特征值 Eigenvalues[m] 意义 函数 演示5.3.nb 求数字矩阵的LU分解 LUDecomposition[m] 用LU分解求方程组的解 LUBackSubstitution[data,b] 意义 函数 A初等行变换，A为m行n列的矩阵 RowReduce[A] 求解方程组AX=0的基础解系的向量表 NullSpace[A] 求线性方程组AX=B的一个解 LinearSolve[A,B] 意义 函数 *