matlab求矩阵的特征值与特征向量.docVIP

项目六 矩阵的特征值与特征向量 实验1 求矩阵的特征值与特征向量 实验目的 学习利用Mathematica(4.0以上版本)命令求方阵的特征值和特征向量;能利用软件计算方 阵的特征值和特征向量及求二次型的标准形. 基本命令 1.求方阵的特征值的命令Eigenvalues[M] 2.求方阵的特征向量的命令Eigenvectors[M] 3.求方阵的特征值和特征向量的命令Eigensystem[M] 注:在使用后面两个命令时,如果输出中含有零向量,则输出中的非零向量才是真正的特 征向量. 4.对向量组施行正交单位化的命令GramSchmidt 使用这个命令,先要调用“线性代数.向量组正交化”软件包,输入 LinearAlgebra\Orthogonalization.m 执行后,才能对向量组施行正交单位化的命令. 命令GramSchmidt[A]给出与矩阵的行向量组等价的且已正交化的单位向量组. 5.求方阵的相似变换矩阵和相似变换的约当标准型的命令 JordanDecomposition[A] 注:因为实对称阵的相似变换的标准型必是对角阵. 所以,如果为实对称阵,则 JordanDecomposition[A]同时给出的相似变换矩阵和的相似对角矩阵. 实验举例 求方阵的特征值与特征向量. 例1.1 求矩阵的特征值与特值向量. 1.求矩阵A的特征值. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvalues[A] 则输出A的特征值 {-1,1,1} 2.求矩阵A的特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigenvectors[A] 则输出 {{-3,1,0},{1,0,1},{0,0,0}} 即A的特征向量为 3.利用命令Eigensystem同时矩阵A的所有特征值与特征向量. 输入 A={{-1,0,2},{1,2,-1},{1,3,0}} MatrixForm[A] Eigensystem[A] 则输出矩阵A的特征值及其对应的特征向量. 例1.2 求矩阵的特征值和特征向量的近似值. 输入 A={{1/3,1/3,-1/2},{1/5,1,-1/3},{6,1,-2}}; Eigensystem[A] 则屏幕输出的结果很复杂,原因是矩阵的特征值中有复数且其精确解太复杂.此时,可采用 近似形式输入矩阵,则输出结果也采用近似形式来表达. 输入 A={{1/3,1/3,-1/2},{1/5,1,-1/3},{6.0,1,-2}}; Eigensystem[A] 则输出 {{-0.+1.27186i,-0.-1.27186i,0.}, {{0.+0.i,0.+0.I,0.+0.i}, {0.-0.i,0.-0.i,0.+0.i}, {-0.,-0.,-0.}}} 从中可以看到有两个复特征值与一个实特征值.属于复特征值的特征向量也是复的;属于实 特征值的特征向量是实的. 例1.3 已知2是方阵的特征值,求. 输入 Clear[A,q]; A={{2-3,0,0},{-1,2-t,-3},{-1,-2,2-3}}; q=Det[A] Solve[q==0,t] 则输出 {{t8}} 即当时,2是方阵的特征值. 例1.4 已知是方阵的一个特征向量,求参数及特征向 量所属的特征值. 设所求特征值为,输入 Clear[A,B,v,a,b,t]; A={{t-2,1,-2},{-5,t-a,-3},{1,-b,t+2}}; v={1,1,-1}; B=A.v; Solve[{B[[1]]==0,B[[2]]==0,B[[3]]==0},{a,b,t}] 则输出 {{a-3, b0, t-1}} 即时,向量是方阵的属于特征值-1和特征向量. 矩阵的相似变换 例1.5 设矩阵,求一可逆矩阵,使为对角矩阵. 方法1 输入 Clear[A,P]; A={{4,1,1},{2,2,2},{2,2,2}}; Eigenvalues[A] P=Eigenvectors[A]//Transpose 则输出 {0,2,6} {{0,-1,1},{-1,1,1},{1,1,1}} 即矩阵A的特征值为0,2,6.特征向量为,与,矩阵. 可验证为对角阵, 事实上,输入 Inverse[P].A.P 则输出 {{0,0,0},{0,2,0},{0,0,6}} 因此,矩阵在相似变换矩阵的作用下,可化作对角阵. 方法2 直接使用JordanDecomposition命令, 输入 jor=JordanDecomposition[A] 则输出 {{{0,-1,1},{-1,1,1