数学实验第三课：线性映射的迭代与特征向量的计算

最新推荐文章于 2021-01-08 21:14:46 发布

高开低走。

最新推荐文章于 2021-01-08 21:14:46 发布

阅读量1.1k

点赞数 3

分类专栏：锦到说MATLAB

本文链接：https://blog.csdn.net/qq_43568982/article/details/107594756

版权

锦到说MATLAB 专栏收录该内容

4 篇文章 1 订阅

订阅专栏

线性映射的迭代

在这里插入图片描述

列出线性方程组

A=[0.5,0.3,0.3;0.3,0.6,0.3;0.2,0.1,0.4];
n=10;
x(:,1)=[200,300,300]';%按200,300,300来分，但最后的结果与初始值无关
for k=1:n%循环
x(:,k+1)=A*x(:,k);
end
round(x)

ans =

  1 至 5 列

   200   280   296   299   300
   300   330   339   342   343
   300   190   165   159   158

  6 至 10 列

   300   300   300   300   300
   343   343   343   343   343
   157   157   157   157   157

  11 列

   300
   343
   157

在这里插入图片描述
条件概率+转移矩阵

在这里插入图片描述

A=[3/4,7/18;1/4,11/18];%转移矩阵
p=[0.5;0.5];%初始条件
for i=1:20
p(:,i+1)=A*p(:,i);
end
>> p

p =

  1 至 4 列

    0.5000    0.5694    0.5945    0.6036
    0.5000    0.4306    0.4055    0.3964

  5 至 8 列

    0.6068    0.6080    0.6085    0.6086
    0.3932    0.3920    0.3915    0.3914

  9 至 12 列

    0.6087    0.6087    0.6087    0.6087
    0.3913    0.3913    0.3913    0.3913

  13 至 16 列

    0.6087    0.6087    0.6087    0.6087
    0.3913    0.3913    0.3913    0.3913

  17 至 20 列

    0.6087    0.6087    0.6087    0.6087
    0.3913    0.3913    0.3913    0.3913

  21 列

    0.6087
    0.3913

但经过迭代分析，其初值的取值与最后结果无关
在这里插入图片描述
求特征值和特征向量

>> A=[3/4,7/18;1/4,11/18];
>> [P,D]=eig(A)

P =
    0.8412   -0.7071
    0.5408    0.7071
D =
    1.0000         0
         0    0.3611

在这里插入图片描述

A=[3/4,1/2,1/4;1/8,1/4,1/2;1/8,1/4,1/4];%转移矩阵
p=[0.5;0.25;0.5];%初始条件
for i=1:20
p(:,i+1)=A*p(:,i);
end
>> p

A=[4,2;1,3];
t=[1;2];%初始值
for i=2:20
t(:,i)=A*t(:,i-1);
end
plot(t(1,:),t(2,:),'*')

线性图
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200726185951586.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTY4OTgy,size_16,color_FFFFFF`>> tx

tx =

8.0000    7.0000
5.7500    3.6250
5.2609    2.8913
5.0992    2.6488
5.0389    2.5583
5.0154    2.5232
5.0062    2.5092
5.0025    2.5037
5.0010    2.5015
5.0004    2.5006
5.0002    2.5002
5.0001    2.5001
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000
5.0000    2.5000`,t_70)

迭代序列不收敛，但点列似乎呈现线性分布
与初始值无关

归一化迭代

每次除以绝对值最大的那个分量，称为归一化
x1=Ax0,y1=x1/m(x1)
xk+1=Ayk
yk+1=(xk+1)/m(xk+1)
其中m(x)为向量x的绝对值最大的分量

A=[4,2;1,3];
x=[1;2];
y=x;
m=0;
tx=[];tm=[];ty=[];
for i=1:20
x=A*y;
tx(i,1:2)=x;
m=(abs(max(x))>=abs(min(x)))*max(x)+(abs(max(x))<abs(min(x)))*min(x);
tm(i,1)=m;
y=x/m;
ty(i,1:2)=y;
end

>> tx

tx =

    8.0000    7.0000
    5.7500    3.6250
    5.2609    2.8913
    5.0992    2.6488
    5.0389    2.5583
    5.0154    2.5232
    5.0062    2.5092
    5.0025    2.5037
    5.0010    2.5015
    5.0004    2.5006
    5.0002    2.5002
    5.0001    2.5001
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000
    5.0000    2.5000

ty =

    1.0000    0.8750
    1.0000    0.6304
    1.0000    0.5496
    1.0000    0.5194
    1.0000    0.5077
    1.0000    0.5031
    1.0000    0.5012
    1.0000    0.5005
    1.0000    0.5002
    1.0000    0.5001
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000
    1.0000    0.5000