实验三 矩阵的特征值和特征向量 二次型.ppt
合集下载
矩阵的特征值与特征向量(PPT)
更进一步,连续取单位向量x,让它大小保持为1,那么Ax就将四分之一圆弧 进行拉伸,变成四分之一椭圆。
MATLAB提供了一个eigshow命令,可以演示向量x和Ax之间的关系。用鼠标拖动绿色的 单位向量x绕原点转动,图中同步出现蓝色的Ax向量。Ax的大小在变化,方向也在变 化,而且Ax的方向与x不一定相同。在变化过程中,x与Ax共线的位置称为特征方向。 在特征方向上有Ax等于λ x。
例2 已知大写字母M的各个结点坐标如表所示(第一行代表横坐 标,第二行代表纵坐标)。
x
0
0.5 0.5
3
5.5 5.5
6
6
3
0
y
0
0
6
0
6
0
0
8
1
8
(1)绘制M的图形。
ቤተ መጻሕፍቲ ባይዱ
(2)设������ =
������ ������
������. ������ ,用A对M的结点坐标进行变换,并绘制变换后的图形。 ������
x=[0,0.5,0.5,3,5.5,5.5,6,6,3,0;0,0,6,0,6,0,0,8,1,8]; A=[1,0.5;0,1]; y=A*x; subplot(2,2,1); fill(x(1,:),x(2,:),'r'); subplot(2,2,2); fill(y(1,:),y(2,:),'r');
定义变换矩阵A,再利用A对x进行变换,得到y矩阵,最后分别绘制变换 前后的图形,M原来是正体,变换后改为斜体。
启示:在构建字库时,不必单独创建斜体字库,而只需对正体字库进行 适当的线性变换即可,这样可以大大节省存储空间。
例1 设
������ =
精选幻灯片3矩阵的特征值和特征向量总结
命题2 如果 x是矩阵 A的对应特征值 ?的特征向量, 则k(x k ? 0)也是 A的对应特征值 ?的特征向量。
命题3 矩阵A的任一特征向量所对应的特征值是唯一的。
x ? 0, Ax? ?1x, Ax? ?2x
?1x ?
?2x
?
0
?
(?1
? ?2)x
x? 0
?
0? ? ?
?
?1 ? ?2 ? 0
5
目录
上页
下页
返回
怎样求矩阵 A的特征值与特征向量?
Ax? ? x
要求实数? 与非零向量x.
( A? ? I )x ? 0
它有非零解的充分必要条件是
A? ? I ? 0
a11 ? ? a12 L
即
a21 a22 ? ? L
LL LL L
a1n a2n ? 0 LL
an1
an2 L ann ? ?
6
目录
上页
下页
返回
矩阵的特征方程和特征多项式定义3.2
?I ? A
A的特征矩阵
?I ? A ?I ? A? 0
A的特征多项式 A的特征方程
特征方程的根称为A的特征根,也称为A的特征值。
7
目录
上页
下页
返回
求矩阵的特征值与特征向量的步骤 ( A? ? I )x ? 0
1.求矩阵A的特征方程 A ? ? I ? 0
0 ?2
2 4
????????12
? ???
?
????63
? ???
?
3 ????12
? ???
?
3x1
是
?2 1 ?1???2 ? ??6?
Ax2 ? ????43
命题3 矩阵A的任一特征向量所对应的特征值是唯一的。
x ? 0, Ax? ?1x, Ax? ?2x
?1x ?
?2x
?
0
?
(?1
? ?2)x
x? 0
?
0? ? ?
?
?1 ? ?2 ? 0
5
目录
上页
下页
返回
怎样求矩阵 A的特征值与特征向量?
Ax? ? x
要求实数? 与非零向量x.
( A? ? I )x ? 0
它有非零解的充分必要条件是
A? ? I ? 0
a11 ? ? a12 L
即
a21 a22 ? ? L
LL LL L
a1n a2n ? 0 LL
an1
an2 L ann ? ?
6
目录
上页
下页
返回
矩阵的特征方程和特征多项式定义3.2
?I ? A
A的特征矩阵
?I ? A ?I ? A? 0
A的特征多项式 A的特征方程
特征方程的根称为A的特征根,也称为A的特征值。
7
目录
上页
下页
返回
求矩阵的特征值与特征向量的步骤 ( A? ? I )x ? 0
1.求矩阵A的特征方程 A ? ? I ? 0
0 ?2
2 4
????????12
? ???
?
????63
? ???
?
3 ????12
? ???
?
3x1
是
?2 1 ?1???2 ? ??6?
Ax2 ? ????43
线性代数PPT课件:相似矩阵与二次型 第2节 矩阵的特征值与特征向量
| A - E | = 0 ,
a11
即
a12 an 2
a1n a
ann
上式是以 为未知数的一元 n 次方程,称为
方阵 A 的特征方程. 其左端 | A - E | 是 的 n 次多项式,记作 f(), 称为方阵 A 的特征多项式.
定理 设 1 , 2 , … , n 是 n 阶矩阵 A = (aij)
的 n 个特征值( k 重特征值算作 k 个特征值) , 则 (1) 1 + 2 + … + n = a11 + a22 + … + ann ;
(2) 12 …n = | A |.
由该定理容易得到下面的推论.
推论 方阵可逆当且仅当它的特征值全不为0.
定理4.2.2 设 1 , 2 是对称矩阵 A 的两个
特征值, p1 , p2 是对应的特征向量,
则 p1 , p2 正交.
若 1 2 ,
利用定理4.1.1和定理4.2.2,容易得到下面的 结论.
定理4.2.3 对称矩阵 A 的不同特征值的特征
向量是线性无关的.
变化,但通常会有某些特殊向量,A对这些向量的
作用是很简单的.
引例 请在 矩阵对向量的作用
中任意输入
矩阵,观察它对单位向量组的作用,对于您输入 的矩阵,是否存在一个单位向量,使矩阵对该向 量的作用只是“拉伸”了该向量.备选数据 1 1 3 2 0.707 0.8944 : A ; A , u , v .
第4.2节 矩阵的特征值与特征向量
定 义
计算方法
性 质
工程技术中的振动问题和稳定性问题,往往 可归结为求一个方阵的特征值和特征向量的问题,
特征值与特征向量课件课件
就是属于特征值 0 的一个特征向量. 于是可得求
线性变换 A 的特征值与特征向量的步骤如下:
Step 1 :在线性空间 V 中取一组基1 , 2 , …,
n ,写出 A 在这组基下的矩阵 A ;
Step 2 :计算 A 的特征多项式,并求出特征
方程在数域 P 中的所有根. 设矩阵 A 有 s 个不同 的特征值 1 , 2 , …, s ,它们也就是线性变换 A 的全部特征值.
第3页,幻灯片共40页
二、几何意义
在几何向量空间 R2 和 R3 中,线性变换 A 的
特征值与特征向量的几何意义是:
特征向量 ( 起
点在坐标原点) 与其像 A 同向(或反向),同向时,
特征值 0 > 0,反向时, 0 < 0,且 0 的绝对值等 于 | A | 与 | | 之比值; 如果特征值 0 = 0,则特
a22 a22
an1 an2 ann
称为 A 的特征多项式, 这是数域 P 上的一个 n
次多项式.
第12页,幻灯片共40页
上面的分析说明,如果 0 是线性变换 A 的特
征值,那么 0 一定是矩阵 A 的特征多项式的一个
根; 反过来,如果 0 是矩阵 A 的特征多项式在数
域 P 中的一个根,即 |0E - A | = 0,那么齐次线性
关于特征值与特征向 量课件
第1页,幻灯片共40页
一、定义
我们知道,在有限维线性空间中,取了一组基 之后,线性变换就可以用矩阵来表示. 为了利用矩 阵来研究线性变换,对于每个给定的线性变换,我 们希望能找到一组基使得它的矩阵具有最简单的形
式. 从现在开始,我们主要来讨论,在适当的选择
基之后,一个线性变换的矩阵可以化成什么样的简 单形式. 为了这个目的,先介绍特征值和特征向量
二次型ppt课件
为标准形,并求所做的坐标变换。
解 因为没有二次项,先利用平方差公式 做如下变换:
x1 x2
y1 y1
y2 y2
x1 1 1 0 y1
即
x2
1
1
0
y2
(1)
x3 y3
x3 0 0 1 y3
记作
x=C1 y
将(1)式代入二次型,得
f(x1, x2, x3)= 2y12 2y22 4y2y3
例3 用配方法把三元二次型
f
(x1, x2 , x3 )
2 x12
3x
2 2
x32
4x1x2
4x1x3
8x2 x3
化为标准形,并求所用的坐标变换 x=Cy 及变换矩阵C 。
解 先按x12 及含有x1的混合项配成完全平方,即
19
f (x1, x2 , x3 )
2[x12 2x1(x2 x3) (x2 x3)2 ] 2(x2 x3)2 3x22 x32 8x2x3
这样的问题,不仅在几何中出现,在数学的其它分支以及
物理、力学和网络计算中也常遇到.我们将这类问题一般
化,讨论 n个变量的二次齐次多项式的化简问题.
1
6.1 二次型的定义和矩阵表示 合同矩阵
定义6.1 n元变量x1,x2, ,xn的二次齐次多项式
f(x1,x2, ,xn ) a11x12 2a12x1x2 2a13x1x3 2a1n x1xn a22x22 2a23x2 x3 2a2n x2 xn ann xn2
其中1, ,n 是实对称矩阵A的n个特征值, Q的n个列向量是A属于1, ,n 的n个标准正交变换化二次型
f (x1, x2 , x3 ) 2x12 4x1x2 4x1x3 5x22 8x2 x3 5x32
解 因为没有二次项,先利用平方差公式 做如下变换:
x1 x2
y1 y1
y2 y2
x1 1 1 0 y1
即
x2
1
1
0
y2
(1)
x3 y3
x3 0 0 1 y3
记作
x=C1 y
将(1)式代入二次型,得
f(x1, x2, x3)= 2y12 2y22 4y2y3
例3 用配方法把三元二次型
f
(x1, x2 , x3 )
2 x12
3x
2 2
x32
4x1x2
4x1x3
8x2 x3
化为标准形,并求所用的坐标变换 x=Cy 及变换矩阵C 。
解 先按x12 及含有x1的混合项配成完全平方,即
19
f (x1, x2 , x3 )
2[x12 2x1(x2 x3) (x2 x3)2 ] 2(x2 x3)2 3x22 x32 8x2x3
这样的问题,不仅在几何中出现,在数学的其它分支以及
物理、力学和网络计算中也常遇到.我们将这类问题一般
化,讨论 n个变量的二次齐次多项式的化简问题.
1
6.1 二次型的定义和矩阵表示 合同矩阵
定义6.1 n元变量x1,x2, ,xn的二次齐次多项式
f(x1,x2, ,xn ) a11x12 2a12x1x2 2a13x1x3 2a1n x1xn a22x22 2a23x2 x3 2a2n x2 xn ann xn2
其中1, ,n 是实对称矩阵A的n个特征值, Q的n个列向量是A属于1, ,n 的n个标准正交变换化二次型
f (x1, x2 , x3 ) 2x12 4x1x2 4x1x3 5x22 8x2 x3 5x32
高等数学线性代数特征值、特征向量与二次型教学ppt(5)
为A的
.
二、特征值与特征向量的求法
Ax x (A E)x 0,
(A E)x 0有非零解 A E 0.
设0是方阵A的一个特征值, 则由 ( A 0E)x 0,
可求得非零解x p0,
p0就是A对应于0的一个特征向量.
求矩阵A的特征值及特征向量的步骤 :
(1)计算 A E ; (2)求 A E 0的所有根,即A的所有的特征值;
1 0 0 0
1
00,
2
10,
3
10,
4
0 0
.
0
0
0
1
也为R4的一个标准正交基.
三、正交矩阵与正交变换
定义6 若n阶方阵A满足 AT A E 即A1 AT ,则
称A为 正交矩阵 .
若A (1,2 , ,n ),则AT A E等价于
1T
T 2
1,
2
,
nT
,n E
由例1知道,1 2 3 3 a11 a22 a33,
定理3
123 4 | A | .
设n阶方阵A (aij )nn的n个特征值为1, 2, , n
(重特征值按重数算), 则
(1) 12 n A ;
(2) 1 2 n a11 a22
(注: trA称为矩阵A的迹)
ann trA.
所以P是正交矩阵.
2 2 1 2 2 1
3
3
3
3
3
3
PT
P
2 3
1 3
2 3
2 3
1 3
2 3
1 3
2 3
2 3
1 3
2 3
2 3
1 0 0
0 0
线性代数 第五章第一节 矩阵的特征值与特征向量 PPT精品课件
性质6 设 λ1,λ2 ,L,λs为矩阵A的互异特征值 , 对应的
第 五
特征向量分别为 ξ1,ξ2 ,L,ξ s , 则ξ1,ξ2 ,L,ξ s线性无关.
证:⑴ s=1时结论成立;
章
矩
⑵假设s=r-1时成立,则s=r时:
阵 的
设 k1ξ1 + k2ξ2 + L + kr−1ξr−1 + krξ r = 0, (∗)
的
n
特 征 值 与
其中 trA = ∑ aii 为A的迹。 i =1 性质2 设相似矩阵有相同的特征多项式,从而特征
对 角
值也相同。
化
证:设A与B相似, 则存在可逆阵P,使得 B = P −1AP
fB (λ ) = λI − B = λI − P −1AP = P −1(λI − A)P
= P−1 λI − A P = λI − A = fA(λ )
⎜⎛ 1 ⎟⎞
ξ1 = ⎜ 1 ⎟;
⎜⎝ 0 ⎟⎠
⎜⎛ 1 ⎟⎞
ξ2 =⎜ 0⎟;
⎜⎝ 1 ⎟⎠
⎜⎛ 1 ⎟⎞
ξ3 =⎜ −1⎟ .
⎜⎝ − 1 ⎟⎠
-6-
第一节 矩阵的特征值与特征向量
第
例3 设λ0 为A的特征值,则
五
章
⑴ λm0 为Am的特征值;
矩 阵 的 特
⑵
若A可逆,
则
1
λ0
为A−1的特征值;
征 值 与 对
⑶
若A可逆,
则
1
λ0
A 为A∗的特征值.
角
化
-7-
第一节 矩阵的特征值与特征向量
特征值与特征向量的性质:
特征方程在复数范围内恒有解,其个数为方程的次
实验三 矩阵的特征值和特征向量 二次型
定 理 1 : n 阶 方 阵 A 可 对 角 化 的 充 分 必 要 条 件 是 A 有 n 个 线 性 无 关 的 特 征 向 量 。
例3:判断下列方阵是否可对角化。若可对角 化,求出可逆阵P,使P-1AP为对角阵。
4 6 0 (1) A3 5 0
3 6 1 0 1 0 (2) A1 2 0 1 1 1
1. 顺序主子式判断法 ⑴ 求二次型 F=X’AX 的矩阵 A 的各阶顺序
主子式 Di (i=1,2,3…..); ⑵ 判断 Di 是否大于0 .
程序:建立函数文件 shxu.m
function [C,M] =shxu(A)
% C为A的各阶顺序主子式组成的向量 % M为判定向量: if C(i)>0, then M(i)=1; % others M(i)=0
>> trigle(A)
ans =
答:A不可对角化。
0
解(2):
>> A=[1 1 1 1;1 1 –1 –1;1 –1 1 –1 ;1 –1 –1 1];
>> trigle(A) >> [P D]=eig(A)
ans = 1
P=
-0.5000 0.2113 0.2887 0.7887
0.5000 0.7887 -0.2887 0.2113
例5:判断下列矩阵是否对称 解: A=[1 3 4 6;3 7 9 5;4 9 4 1;6 5 1 0];
1
A
3 4
6
3 7 9 5
4 9 4 1
6 5 1 0
B=A';
if(A==B)
fprintf('A是对称矩阵')
else if(A==-B)
例3:判断下列方阵是否可对角化。若可对角 化,求出可逆阵P,使P-1AP为对角阵。
4 6 0 (1) A3 5 0
3 6 1 0 1 0 (2) A1 2 0 1 1 1
1. 顺序主子式判断法 ⑴ 求二次型 F=X’AX 的矩阵 A 的各阶顺序
主子式 Di (i=1,2,3…..); ⑵ 判断 Di 是否大于0 .
程序:建立函数文件 shxu.m
function [C,M] =shxu(A)
% C为A的各阶顺序主子式组成的向量 % M为判定向量: if C(i)>0, then M(i)=1; % others M(i)=0
>> trigle(A)
ans =
答:A不可对角化。
0
解(2):
>> A=[1 1 1 1;1 1 –1 –1;1 –1 1 –1 ;1 –1 –1 1];
>> trigle(A) >> [P D]=eig(A)
ans = 1
P=
-0.5000 0.2113 0.2887 0.7887
0.5000 0.7887 -0.2887 0.2113
例5:判断下列矩阵是否对称 解: A=[1 3 4 6;3 7 9 5;4 9 4 1;6 5 1 0];
1
A
3 4
6
3 7 9 5
4 9 4 1
6 5 1 0
B=A';
if(A==B)
fprintf('A是对称矩阵')
else if(A==-B)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
>> [V D]=eig(A)
>> trace(A)
二、矩阵的相似对角化
设 A,B都是n 阶方阵,若存在 n 阶可逆矩阵 P ,使:B P 1 AP ,则称矩阵 A,B 是相似的。
设A 是n 阶方阵,若A 与对角矩阵相似,则称 A可对角化。
定理 1:n 阶方阵A 可对角化的充分必要条件 是 A 有n 个线性无关的特征向量。
function y=trigle(A)
%可对角化返回1,否则返回0。
y=1;c=size(A); if c(1)~=c(2)
y=0; return; end e=eig(A);n=length(A); while 1 if isempty(e)
return; end
d=e(1); f=sum(abs(e-d)<10*eps); g=n-rank(A-d*eye(n)); if f~=g y=0; return; end e(find(abs(e-d)<10*eps))=[ ];
例3:判断下列方阵是否可对角化。若可对角 化,求出可逆阵P,使P-1AP为对角阵。
4 6 0 (1) A 3 5 0
3 6 1 0 1 0 (2) A 1 2 0 1 1 1
解(1): >> A=[4 6 0;-3 -5 0;-3 -6 1];
>> [V D]=eig(A) >> rank(V) V= 0 0.5774 -0.8944 0 -0.5774 0.4472 1.0000 -0.5774 0
A的全体特征值的和称为矩阵 A的迹 (Trace)。它等于 A的主对角元素的和。
用Matlab计算特征值和特征向量的命令如下: d=eig(A) 仅计算A的特征值(以向量形式d存放) [V,D]=eig(A) 其中:D为由特征值构成的对角
阵,V为由特征向量作为列向量 构成的矩阵。且使 AV=VD 成立
定义:设A 是n 阶方阵, 是一个数。如
果存在非零的列向量x ,使得
Ax x 成 立 , 则 称 数 为 方 阵A 的 特 征 值
(Eigenvalue),非零列向量x 称为方阵A 的属于
特征值 的特征向量(Eigenvector),该方程称
为特征方程(Eigenvalue Equation)。
对应于特征值3 10 的全部特征向量为:
0.3333
k3 0.6667
0.6667
其中k3 不能为零。
矩阵A的迹为:tr( A) 12
例2:求方阵
4 6 0 A 3 5 0
3 6 1
的特征值、特征向量和迹
解: >> A=[4 6 0;-3 -5 0;-3 -6 1];
实验三
矩阵的特征值和特征向量 二次型
实验目的
1、学会用MATLAB软件求矩阵的特征 值和特征向量 2、学会用MATLAB软件将二次型化 为标准型
3、通过用MATLAB软件编程来判断 二次型的正定性
一、特征值与特征向量
矩阵 A与向量x 相乘,即表示矩阵对向量的 变换(Transformation)。一般说来,向量在变换的 作 用 下 将 发 生 旋 转 (Rotation) 、 反 射 (Reflection) 和放大缩小。但对于任何一个矩阵来说,总存在 那么一些特殊的向量,在对其变换的作用下,向 量的方向不变,而仅长短发生变化。这种向量就 是所谓的特征向量。
>> trigle(A)
ans =
答:A不可对角化。
0
解(2):
trace(A) 计算矩阵A的迹
例1:求方阵ຫໍສະໝຸດ 2 2 2 A 2 5 4
2 4 5
的特征值、特征向量和迹
解: >> A=[2 2 -2;2 5 -4;-2 -4 5];
>> [V D]=eig(A)
>> trace(A)
V= -0.2981 0.8944 0.3333 -0.5963 -0.4472 0.6667 -0.7454 0 -0.6667
D= 100 010 001
答:A不可对角化。
定理 2:方阵A 可对角化的充分必要条件是 它的几何重数等于代数重数。
A 的特征值 的几何重数为方程组 (I A)x 0的解空间的维数;
A 的特征值 的代数重数为 作为特
征根的重数。
下述函数可用来判断矩阵是否可对角 化,若可对角化返回1,否则返回0。
end
例4:判断下列方阵是否可对角化。若可对角
化,求出可逆阵P,使P-1AP为对角阵。
4 3 1 2
(1)
A
5 6
8 12
5 8
4 5
1 3 2 2
1 1 1 1
(2)
A
1 1
1 1
1 1
1 1
1 1 1 1
解(1): >> A=[4 -3 1 2;5 -8 5 4;6 -12 8 5;1 -3 2 2]
end
function y=trigle(A)
%可对角化返回1,否则返回0。
y=1;c=size(A);
if c(1)~=c(2)
y=0;
return
end
e=eig(A);n=length(A);
while 1
if isempty(e)
%若为空阵则为真
return; end
d=e(1); f=sum(abs(e-d)<10*eps); %特征值d的代数重数 g=n-rank(A-d*eye(n)); %特征值d的几何重数 if f~=g y=0; return; end e(find(abs(e-d)<10*eps))=[ ];
ans = 3
D= 100 0 -2 0 001
答:A可对角化,且 V 1AV D
解(2): >> A=[0 1 0;-1 2 0;-1 1 1];
>> [V D]=eig(A) >> rank(V)
ans = 2
V= 0 0.6325 0.4511 0 0.6325 0.4511
1.0000 0.4472 0.7701
>> trace(A) ans =
12
D=
1.0000 0
0
0 1.0000 0
0
0 10.0000
答: 特征值为:1 2 1 (二重) , 3 10 对应于特征值1,2 1 的全部特征向量为:
0.2981 0.8944 k1 0.5963 k2 0.4472
0.7454 0 其中k1 , k2 不能同时为零。