Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Собственные числа и собственные векторы матриц
Второй наиболее часто встречающейся задачей линейной алгебры является задача поиска собственных чисел и собственных векторов заданной квадратной матрицы. Нахождение собственных чисел эквивалентно задаче решения СЛАУ вида: Эта однородная система линейных уравнений имеет решения для конкретных значений - λ 1, λ 2, …., которые называются собственными числами матрицы системы А. Каждому собственному числу соответствует собственный вектор – х1, х2, ….., который является решением системы для данного собственного числа. Таким образом, для того, чтобы знать полный набор решений, необходимо определить собственные числа матрицы системы и найти для них соответствующие собственные векторы. Для решения таких задач на собственные числа и собственные векторы существует несколько встроенных функций, реализующих достаточно сложные вычислительные алгоритмы: - eiganvals(A) – вычисляет вектор собственных чисел; - eigenvecs(A) – вычисляет матрицу, содержащую нормированные собственные векторы, каждый столбец включает в себя координаты одного собственного вектора, количество столбцов равно количеству собственных чисел; - eigenvec(A, λ) – вычисляет один собственный вектор для заданного собственного числа. Доступ к этим функциям осуществляется через панель инструментов и диалоговое окно (рис.16): Проиллюстрируем применение этих функций на примерах. Примеры.
|