习题集
- $$
范数||A||=\max_{||x||{\alpha}=1}||Ax||{\alpha}从属于范数||x||_\alpha
$$
$$
||A||M=n\max{1\leq i,j\leq n}|a_{i,j}|
$$
矩阵运算的补充
矩阵运算
$$
左乘变行,右乘变列。具体步骤是这么看的:\
(1)变换指标对应了两个主元\
L=\left(\begin{matrix}
1&0&\cdots&0\
0&对应主元1&\cdots&0\
\vdots&\vdots&\ddots&\vdots\
0&变换指标&\cdots&对应主元1
\end{matrix}\right)\
行变换A=\left(\begin{matrix}
a_{11}&a_{12}&\cdots&a_{1n}\
a_{21}&基本行&\cdots&a_{2n}\
\vdots&\vdots&\ddots&\vdots\
a_{n1}&变换指标&\cdots&作用行
\end{matrix}\right)\
列变换B=\left(\begin{matrix}
a_{11}&a_{12}&\cdots&a_{1n}\
a_{21}&作用列&\cdots&a_{2n}\
\vdots&\vdots&\ddots&\vdots\
a_{n1}&变换指标&\cdots&基本列
\end{matrix}\right)\
(2)行变换竖着找指示基本行的\ 主元\ ||列变换横着找指示基本列的
主元\
(3)行变换相连主元行为作用行||列变换相连主元列为作用列
$$
特征值
- 特征值
+ 特征值的和为矩阵的迹
+ 特征值的积为|A|
+ 若λ是可逆阵A的一个特征根,x为对应的特征向量,则1/λ 是A的逆的一个特征根,x仍为对应的特征向量。
+ 若 λ是方阵A的一个特征根,x为对应的特征向量,则λ 的m次方是A的m次方的一个特征根,x仍为对应的特征向量
+ 设λ1,λ2,…,λm是方阵A的互不相同的特征值。xj是属于λi的特征向量( i=1,2,…,m),则x1,x2,…,xm线性无关,即不相同特征值的特征向量线性无关
- 若B的特征值为t,则 I+B 的特征值为 1+t(减法依然)
- A的所有特征值的全体,叫做A的谱,记为
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6CHD0fMp-1587998963072)(C:%5CUsers%5C%E8%8B%8F%E7%A7%91%5CDesktop%5Cd2881aad9f78ce183e1fac3babaa13a6.svg)]
相似
- 相似矩阵的必要条件
+
A的特征值与B的特征值相同——λ(A)=λ(B),特别地,λ(A)=λ(Λ),Λ为A的对角矩阵;
+
A的特征多项式与B的特征多项式相同——|λE-A|=|λE-B|;
+
A的迹等于B的迹——trA=trB/[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Gd4NtkUS-1587998963075)(C:%5CUsers%5C%E8%8B%8F%E7%A7%91%5CDesktop%5C61394c77bea42accee1c319bb10bcb45.svg)],其中i=1,2,…n(即主对角线上元素的和);
+
A的行列式值等于B的行列式值——|A|=|B|;
+
A的秩等于B*的秩——r(A)=r(*B)
算术运算的误差分析初步
#解非线性方程的数值方法
二分法
迭代法
Newton迭代法
Steffensen加速
Muller法
# 解线性方程组的直接方法
Gauss消去法
Gauss消去法
- 流程图
+
注意
+
菱形判断符有两个含义,有环结构的对应while,无环结构的对应if
+
圆角矩形是彻底的break
+ 主程序
-
- 检查并换行程序