Собственные векторы в maple

Собственные векторы в maple

Собственные числа и собственные векторы матрицы.

Из курса линейной алгебры известно, что если А х = l х , то вектор х называется собственным вектором матрицы А , а число l – собственным числом, соответствующим данному собственному вектору. Совокупность всех собственных чисел матрицы называется спектром матрицы. Если в спектре матрицы одно и тоже собственное число встречается k раз, то говорят, что кратность этого собственного числа равна k .

Для нахождения собственных чисел матрицы А используется команда eigenvalues(A). Для нахождения собственных векторов матрицы А используется команда eigenvectors(A). В результате выполнения этой команды будут получены собственные числа, их кратность и соответствующие собственные векторы.

Чтобы понять, в каком виде получаются результаты выполнения команды eigenvectors, внимательно разберитесь со следующим примером: матрица Собственные векторы в mapleимеет 3 собственных вектора: Собственные векторы в maple, отвечающий собственному числу Собственные векторы в mapleкратности 1, Собственные векторы в maple, отвечающий собственному числу Собственные векторы в mapleкратности 1, Собственные векторы в maple, отвечающий собственному числу Собственные векторы в mapleкратности 1. Найдем их в Maple :

В строке вывода перечислены в квадратных скобках собственное число, его кратность и соответствующий собственный вектор в фигурных скобках , затем следующие наборы таких же данных.

Характеристический и минимальный многочлены матрицы.

Для вычисления характеристического многочлена Собственные векторы в mapleматрицы A используется команда charpoly(A,lambda).

Минимальный многочлен (делитель) матрицы А можно найти с помощью команды minpoly(A,lambda).

Канонические и специальные виды матрицы.

Привести матрицу А к нормальной форме Жордана можно командой jordan(A).

К треугольному виду матрицу А можно привести тремя способами:

команда gausselim(A) приводит матрицу А к треугольному виду методом Гаусса;

команда ffgausselim(A) приводит матрицу А к треугольному виду методом Гаусса без деления. Эта команда предпочтительней для работы с символьными матрицами, так как не производит нормировку элементов и исключает возможные ошибки, связанные с делением на нуль;

команда gaussjord(A) приводит матрицу А к треугольному виду методом Гаусса-Жордана.

Характеристическую матрицу Собственные векторы в mapleможно вычислить командой charmat(A,lambda).

Видео:Собственные векторы и собственные числа линейного оператораСкачать

Собственные векторы и собственные числа линейного оператора

Задание 3.

  1. Дана матрица Собственные векторы в maple. Найти ее собственные векторы и собственные числа.

Собственные векторы в maple,Собственные векторы в maple

Дана матрица Собственные векторы в maple. Найти собственные векторы, собственные числа, характеристический многочлен и минимальный многочлен, Жорданову форму.

Собственные векторы в maple

Собственные векторы в maple

Собственные векторы в maple

  • Дана матрица Собственные векторы в maple.

  • Привести матрицу А к Жордановой форме, треугольному виду, найти ее характеристическую матрицу.

    Собственные векторы в maple

    Собственные векторы в maple

    Собственные векторы в maple

    Самостоятельно проверьте, чем будет отличаться результат выполнения команды ffgausselim(A) от gausselim(A) на этом примере.

    Исправляем ошибки: Нашли опечатку? Выделите ее мышкой и нажмите Ctrl+Enter

    Видео:Новые возможности Maple 2018 | New Features in Maple 2018Скачать

    Новые возможности Maple 2018 | New Features in Maple 2018

    Описание пакета LinearAlgebra

    Действия с матрицами

    Определение матрицы.

    Для определения матрицы в Maple можно использовать команду matrix(n, m, [[a11,a12,…,a1n], [a21,a22,…,a2m],…, [an1,an2,…,anm]]), где n — число строк, m – число столбцов в матрице. Эти числа задавать необязательно, а достаточно перечислить элементы матрицы построчно в квадратных скобках через запятую. Например:

    Собственные векторы в maple

    В Maple матрицы специального вида можно генерировать с помощью дополнительных команд. В частности диагональную матрицу можно получить командой diag. Например:

    > J:=diag(1,2,3);

    Собственные векторы в maple

    Генерировать матрицу можно с помощью функции f(i, j) от переменных i, j – индексов матрицы: matrix(n, m, f), где где n — число строк, m – число столбцов. Например:

    > f:=(i, j)->x^i*y^j;

    Собственные векторы в maple

    >A:=matrix(2,3,f);

    Собственные векторы в maple

    Число строк в матрице А можно определить с помощью команды rowdim(A), а число столбцов – с помощью команды coldim(A).

    Арифметические операции с матрицами.

    Сложение двух матриц одинаковой размерности осуществляется теми же командами, что и сложение векторов: evalm(A+B) или matadd(A,B). Произведение двух матриц может быть найдено с помощью двух команд:

    1. evalm(A&*B);
    2. multiply(A,B).

    В качестве второго аргумента в командах, вычисляющих произведение, можно указывать вектор, например:

    > B:=matrix([[-5,1], [7,4]]);

    Собственные векторы в mapleСобственные векторы в maple

    > v:=vector([2,4]);

    Собственные векторы в maple

    > multiply(A,v);

    Собственные векторы в maple

    > multiply(A,B);

    Собственные векторы в maple

    > matadd(A,B);

    Собственные векторы в maple

    Команда evalm позволяет также прибавлять к матрице число и умножать матрицу на число. Например:

    > С:=matrix([[1,1],[2,3]]):

    > evalm(2+3*С);

    Собственные векторы в maple

    Определители, миноры и алгебраические дополнения. Ранг и след матрицы.

    Определитель матрицы А вычисляется командой det(A).Команда minor(A,i,j) возвращает матрицу, полученную из исходной матрицы А вычеркиванием i-ой строки и j-ого столбца. Минор Mij элемента aij матрицы А можно вычислить командой det(minor(A,i,j)).Ранг матрицы А вычисляется командой rank(A). След матрицы А, равный сумме ее диагональных элементов, вычисляется командой trace(A).7

    Собственные векторы в maple

    >det(A);

    > minor(А,3,2);

    Собственные векторы в maple

    > det(%);

    > trace(A);

    Обратная и транспонированная матрицы.

    Обратную матрицу А- 1 , такую что А- 1 А=АА- 1 =Е, где Е — единичная матрица, можно вычислить двумя способами:

    1. evalm(1/A);
    2. inverse(A).

    Транспонирование матрицы А – это изменение местами строк и столбцов. Полученная в результате этого матрица называется транспонированной и обозначается А’. Транспонированную матрицу А’ можно вычислить командой transpose(A).

    Например, используя заданную в предыдущем пункте матрицу А, найдем ей обратную и транспонированную:

    >inverse(A);

    Собственные векторы в maple

    > multiply(A,%);

    Собственные векторы в maple

    > transpose(A);

    Собственные векторы в maple

    Выяснение типа матрицы.

    Выяснить положительную или отрицательную определенность матрицы можно при помощи команды definite(A,param), где param может принимать значения: ‘positive_def’ – положительно определена (A>0), ‘positive_semidef’ – неотрицательно определенная Собственные векторы в maple, ‘negative_def’ – отрицательно определенная (A A:=matrix([[2,1],[1,3]]);

    Собственные векторы в maple

    > definite(А,’positive_def’);

    Проверить ортогональность матрицы А можно командой orthog(A).

    > В:=matrix([[1/2,1*sqrt(3)/2],

    [1*sqrt(3)/2,-1/2]]);

    Собственные векторы в maple

    > orthog(В);

    Функции от матриц.

    Возведение матрицы А в степень n производится командой evalm(A^n). Вычисление матричной экспоненты Собственные векторы в mapleвозможно с помощью команды exponential(A). Например:

    Собственные векторы в maple

    > exponential(Т);

    Собственные векторы в maple

    > evalm(Т^2);

    Собственные векторы в maple

    Задание 2.

    1. Даны матрицы: Собственные векторы в maple, Собственные векторы в maple, Собственные векторы в maple. Найти: (AB)C , detA, detB, detC, det[(AB)C]. Наберите:

    > with(linalg):restart;

    > A:=matrix([[4,3],[7,5]]):

    > B:=matrix([[-28,93],[38,-126]]):

    > C:=matrix([[7,3],[2,1]]):

    Собственные векторы в maple

    > Det(A)=det(A); Det(B)=det(B); Det(C)=det(C);

    Det(F)=det(F);

    1. Дана матрица Собственные векторы в maple, найти: detA, Собственные векторы в maple, A’, det(M22). Наберите:

    Собственные векторы в maple

    > Det(A)=det(A);

    > transpose(A);

    Собственные векторы в maple

    > inverse(A);

    Собственные векторы в maple

    > det(minor(A,2,2));

    1. Найти ранг матрицы Собственные векторы в maple.

    > A:=matrix([[8,-4,5,5,9], [1,-3,-5,0,-7],

    > r(A)=rank(A);

    1. Вычислить Собственные векторы в maple, где Собственные векторы в maple.

    > exponential([[3,-1],[1,1]]);

    Собственные векторы в maple

    1. Дана матрица Собственные векторы в maple. Найти значение многочлена Собственные векторы в maple.

    > P(A)=evalm(A^3-18*A^2+64*A);

    Собственные векторы в maple

    Описание пакета LinearAlgebra

    В Maple имеется пакет LinearAlgebra, ориентированный на решение задач линейной (матричной) алгебры. Он загружается соответствующей командой:

    [> with(LinearAlgebra);

    После выполнения этих команд система выводит на экран список процедур и функций, которыми располагает пакет LinearAlgebra.

    Пакет LinearAlgebra является более мощным и совершенным по сравнению с linalg (в ранних версиях программы). Он предназначен для работы с матрицами и векторами больших размеров. Самым простым образом матрицу Собственные векторы в mapleразмером Собственные векторы в mapleв пакете LinearAlgebra можно сформировать при помощи команды

    Приведем в табл. 3.1 назначение наиболее часто применимых процедур и функций пакета LinearAlgebra. Более полную информацию о каждой процедуре или функции можно узнать в справке, или набрав команду

    [> help(имя_процедуры);

    Название процедуры, функцииФормат командыНазначение процедуры, функции
    Matrix[> Matrix(m, n, [[a[1,1],…,a[1,n]],…,[a[m,1],…,a[m,n]]]);Формирование матрицы
    BasisОпределяет базис для векторного пространства, заданного системой векторов
    CharacteristicMatrixСоздает для квадратной матрицы ее характеристическую матрицу
    CharacteristicPolynomialСоздает для квадратной матрицы ее характеристический многочлен
    DeterminantВычисляет для квадратной матрицы ее определитель
    DiagonalMatrixСоздает диагональную матрицу
    EigenvaluesВычисляет для квадратной матрицы ее собственные значения (собственные числа)
    EigenvectorsВычисляет для квадратной матрицы ее собственные векторы (рекомендуется использовать вместе с процедурой Eigenvalues)
    LinearSolveРешает систему линейных алгебраических уравнений (СЛАУ) в матричной форме
    MatrixAddПроцедура сложения двух матриц
    MatrixlnverseПроцедура нахождения обратной матрицы
    MatrixMatrixMultiplyПроцедура произведения двух матриц
    MatrixNormФункция вычисления нормы матрицы
    MatrixScalarMultiplyПроцедура умножения матрицы на скаляр
    MatrixVectorMultiplyПроцедура умножения матрицы на вектор
    MinorВычисляет минор матрицы
    NormalizeНормализует вектор
    NullSpaceВозвращает нуль-пространство (ядро) матрицы
    RankВычисляет ранг матрицы
    SylvesterMatrixКонструирует матрицу Сильвестра из многочленов
    TransposeВычисляет матрицу, транспонированную к данной

    Пример 3.1. Исследовать СЛАУ с параметром Собственные векторы в maple(СЛАУ задана своей расширенной матрицей) и решить в каждом случае:

    Собственные векторы в maple.

    Ниже приведен текст рабочего листа по решению данной задачи (с описаниями по ходу выполнения команд).

    [> restart; with(LinearAlgebra): /задаем вектор-столбцы основной матрицы/ [> a1:=Vector([2,1,3]); a2:=Vector([lambda+1,lambda,-3]); a3:=Vector([lambda-2,-3,-7]); Собственные векторы в maple Собственные векторы в maple Собственные векторы в maple/задаем основную матрицу и вектор-столбец свободных коэффициентов системы/ [> A:=Matrix(3,3,[a1,a2,a3]); B:=Vector([3,lambda+2,3]); Собственные векторы в maple Собственные векторы в maple/выводим определитель основной матрицы системы, решение системы в матричном виде (при значениях, в которых определитель основной матрицы не равен нулю)/ [> Delta:=Determinant(A); X:=LinearSolve(A,B); Собственные векторы в maple Собственные векторы в maple/вычисляем значения параметра Собственные векторы в maple, при котором определитель обращается в нуль/ [> Korni:=solve(Determinant(A)=0); Собственные векторы в maple[> lambda:=Korni[1]; X:=LinearSolve(A,B); Собственные векторы в mapleError,(in LinearAlgebra:-LA_Main:-LinearSolve) inconsistent system /Maple предупреждает, что СЛАУ при данном значении параметра Собственные векторы в mapleнесовместна/ [> lambda:=Korni[2]; X:=LinearSolve(A,B); /СЛАУ имеет бесконечное множество решений при этом значении параметра Собственные векторы в maple/ Собственные векторы в maple Собственные векторы в maple

    Пример 3.2. Найти собственные числа и соответственные собственные векторы матрицы

    Собственные векторы в maple.

    Текст рабочего листа по решению задачи имеет вид:

    Видео:Программирование в Maple 2017 | Programming in Maple 2017Скачать

    Программирование в Maple 2017 | Programming in Maple 2017

    Линейная алгебра

    Искусство использования матриц и векторов для решения задач физики

    Собственные векторы в maple

    Видео:Новые возможности Maple 2023!Скачать

    Новые возможности Maple 2023!

    Собственные значения
    и собственные векторы

    Одно из наиболее важных применений линейной алгебры в физике – это собственные значения и собственные векторы. Они есть в математической физике, классической механике, квантовой механике, численном анализе. В применении к матрицам задача о собственных значениях выглядит так.

    Дана квадратная матрица A. Какими должны быть векторы x j и числа λ j , чтобы при умножении A на x j получался вектор x j , умноженный на число λ j ?

    Существуют ли такие x j и λ j , что можно записать:

    Поскольку умножение матрицы на вектор одновременно вращает вектор и умножает его на число, неясно, есть ли решение у этой задачи. Но можно доказать, что в большинстве случаев для матрицы размером Собственные векторы в mapleесть N таких векторов и значений, которые называются собственными значениями и собственными векторами. Зачастую это комплексные величины, которые, как кажется, не имеют физического смысла, но даже если так, физический смысл с их помощью (или из них) можно получить. Если собственные значения – действительные числа, то собственные векторы обладают очень особым свойством.

    Если собственный вектор x j умножается на A, то результат есть вектор, который либо параллелен x j (если λ j положительно), либо противоположно направлен (если λ j отрицательно).

    Простая иллюстрация этой идеи:

    OК, ясно, что получено «нечто вроде». Обычно нужны числа, а не гигантские абстрактные выражения. Простой путь их получения – ввести в матрицу элементы в виде чисел с плавающей запятой, т. е. с десятичной точкой:

    Это намного лучше.

    Теперь посмотрим на выдачу.

    Из справки Maple help для Eigenvectors :

    Первый набор чисел – это вектор-столбец, содержащий числа – собственные значения, а второй набор – это матрица, столбцы которой есть собственные векторы.

    Поэтому если нужно получить третье собственное значение, то следует записать:

    (Это выглядит странным, но так как v[1] – это вектор-столбец, имеет смысл спрашивать о его третьем элементе [3] .) Теперь нам нужен третий столбец v[2] , это делает команда Maple Column .

    Теперь, умножая v3 на A , можно проверить, действительно ли это собственный вектор. Если так, то Собственные векторы в mapleвернет Собственные векторы в maple

    Для проверки правильности разделим y на λ 3 и посмотрим, получается ли собственный вектор Собственные векторы в maple:

    Если в матрице, созданной Eigenvector , сравнить этот вектор с Собственные векторы в maple, окажется, что это то же самое с точностью, установленной командой Digits (= 10) для арифметики с плавающей запятой в Maple.

    Поверните матрицу Rx из задачи о повороте вектора и найдите ее собственные значения и собственные векторы. Подумайте, что означает вращение и можно ли дать физический смысл ответам, полученным из Maple. При выборе значения theta попробуйте:

    (b) θ = Собственные векторы в maple,

    (c) θ = Собственные векторы в maple.

    (Учтите, что (c) понадобится при изучении спина в квантовой механике.) Хороший способ решить эту задачу – определить матрицу Rx с помощью функции Maple M(θ)

    и затем применить ее для вычисления трех матриц в заданиях (a)–(c). (Из-за того, что в Maple10 есть ошибка, не стоит использовать в задаче evalf .)

    Если трехкомпонентные векторы поворачиваются матрицей вращения, то матрицы Собственные векторы в mapleтоже можно вращать. Поворот вектора v – это R*v, а поворот матрицы M – это inv(R)*M*R, где inv(R) означает инверсию матрицы R. В курсах физики и математики про это сказано много. Здесь только краткий пример.

    (a) Создайте диагональную матрицу Собственные векторы в mapleи преобразуйте ее, повернув систему координат с помощью ортонормальной матрицы поворотов:

    Собственные векторы в maple

    Назовите новую матрицу M2.

    (b) Вычислите собственные значения и собственные векторы матриц M1 и M2. Как их сравнить?

    (c) Умножьте с обеих сторон M1 на вектор Собственные векторы в mapleпо правилу: transpose(a)*M1*a , приравняйте получившееся уравнение 4, чтобы создать квадратное уравнение 4x 2 + y 2 + 2z 2 = 4 , и используйте implicitplot3d для его визуализации. Примените в графике опцию axes=boxed. Форма одинаковая, кроме ориентации. Собственные значения M1 обусловлены геометрической шириной соответствующего эллипсоида и не зависят от поворота. Покажите это визуально для M2.

    📺 Видео

    Решение системы линейных уравнений в MapleСкачать

    Решение системы линейных уравнений в Maple

    Начало работы с Maple 2017 | Getting Started with Maple 2017Скачать

    Начало работы с Maple 2017 | Getting Started with Maple 2017

    Learning Maple: Vectors 1 - Cartesian CoordinatesСкачать

    Learning Maple: Vectors 1 - Cartesian Coordinates

    Интерактивная математика в Maple 2017 | Clickable Math in Maple 2017Скачать

    Интерактивная математика в Maple 2017 | Clickable Math in Maple 2017

    Maple Учимся рисовать в программеСкачать

    Maple  Учимся рисовать в программе

    Модель Леонтьева в программе MapleСкачать

    Модель Леонтьева в программе Maple

    18+ Математика без Ху!ни. Векторное произведение.Скачать

    18+ Математика без Ху!ни. Векторное произведение.

    Курс лекций "Линейная алгебра". Часть 6: Собственные числа и собственные векторыСкачать

    Курс лекций "Линейная алгебра". Часть 6: Собственные числа и собственные векторы

    Компланарны ли векторы: a=(2;5;8), b=(1;-3;-7) и c=(0;5;10)?Скачать

    Компланарны ли векторы: a=(2;5;8), b=(1;-3;-7) и c=(0;5;10)?

    Exercises of vectors, forces and moment with Maple part #01Скачать

    Exercises of vectors, forces and moment with Maple part #01

    Maple: Lab Session 5Скачать

    Maple: Lab Session 5
    Поделиться или сохранить к себе: