实验五矩阵数学建模.docxVIP

实验五++矩阵数学建模 实验五矩阵运算、分解和特征值 【实验目的】 矩阵的基本运算。 矩阵的LU、QR和Cholesky分解。 矩阵的特征向量和特征值。 【实验内容】 问题4求线性方程组 ?2xl?x2?5x3?x4?8??xl?3x2?6x4?9??2x2?x3?2x4??5 ??xl?4x2?7x3?6x4?0 的解。(提示：对于线性方程组Ax?B,先求A的行列式；若A可逆， ?1则解为x?AB) 问题2： ?123?? (1)求矩阵 A??456??的 LU 分解。 ?780??? ?123???456?的 QR 分解。(2)求矩阵 A???789???101112?? (3)求5阶pascal矩阵的Cholesky分解(其中5阶pascal矩阵可以 用命令pascal(5)生成) 问题3： (1)求矩阵A???3?l??的特征值和特征向量。？?13? ?23?? (2)求矩阵A??45??的奇异值分解。 ?84??? 思考:[UzS,V]=svd(A)和[U,S,V]二svd(A,O)结果有什么不同？可以用命令 helpsvd看使用说明。 【相关内容介绍】 矩阵的基本运算。 ?311??11?1????已知矩阵 A??212,B?2?10????,求 ?123??101????? (1) A?B, (2) 6A, (3) AB, (4) A 的行列式,(5) A 的逆 A?l。 A=[3,14；2/l,2;l/2/3]；B=[l,l,-l；2/-l,0;l,0/l]; A+B 6*A A*B det(A) inv(A) 大家算一下： A.*B%运算符*前加多一个点?，组成了一个新运算％人的行列式％人的逆 A?1 比较这个运算和A*B有什么不同？ 矩阵的LU、QR和Cholesky分解 在实际运用中，为了简化计算，我们常常要对矩阵做一些特殊的分解, 最常用的分解是LU、QR和Cholesky分解。 矩阵的LU分解 LU分解是将一个方阵表示为一个(排列的)下三角矩阵和一个上三角 矩阵的乘积。所谓排列的下三角矩阵是指经过列的一些互换后，可以变成 下三角矩阵。MATLAB命令为 [L,U]=lu(A)矩阵A的LU分解，输出中的L,U 分别代表下三角矩阵和上三角矩阵。 例如，利用LU分解法可将A和B二矩阵分别拆解为上、下三角形矩 阵 注意分解矩阵B得到的第一个矩阵[LB]是排列的下三角形矩阵，如果 第二、三列互换，则此变成完全的下三角形矩阵。 ?100??12?1??12?1???????210*0?11 = ?2?53 注意：????????C,但 是??111??00?2???1?30??????? ?100??12?l?????C = [LC][UC]???210?*?0?ll???lll??00?2????? 3???0.510???2?5???事实上，C = [LC][UC] =?100*0?0.50.5?????0.511??00?2????? 矩阵的QR分解 QR分解把矩阵分解为正交矩阵和上三角矩阵的初等变换形式的乘积, 比如把矩阵A进行如下分解AP = QR,其中P为初等变换矩阵。MATLAB命 令为[Q,R]二qr(A)矩阵A的QR分解，输出中的QR 分别代表止交矩阵和上三角矩阵。 矩阵的Cholesky分解 Cholesky分解把矩阵分解为上三角矩阵和其转置的乘积，即A = RTR, 其中R为上三角矩阵。MATLAB命令为 R=chol(A)矩阵A的Cholesky分解，输出中的R 代表上三角矩阵。 矩阵的特征值和特征向量 情形假若A是一个方阵，那么 [X,D]=eig(A) 得到D的对角线元素是特征值,X是矩阵，它的列是相应的特征向量。 情形2：假若矩阵A的行数大于列数，那么 [U,S,V]=svd(A) 给出的是满足A=USV#39;的U,S,V,其中U,V是方阵，而S是形如 ?al?????0 ????0????????an??0????0?? 的矩阵。这可以看作是情形1的推广。上面的这种分解称为矩阵A的 奇异值分解，而U$V称为奇异值分解三元组。 补充(奇异解分解的定义)： 满足 A=U*S*V U和V中分别是A的奇异向量，而S中是A的奇异值。AA#39;的特 征向量组成U,特征值组成S#39;S, A#39;A的特征向量组成V,特征值 (与AA#39;相同)组成SS#39;。因此，奇异值分解和特征值问题紧密 联系。例如，求教材《数学模型》P247的矩阵 ?0??0 ?1A???O ?0??0?10111??00111?10100?^教材比较，是否一样？ ？的特征值与特 征向量，00011?01001??01000?? SVDSi ngularvaluedecompositi on. [UzS/V]