线性映射的迭代
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
条件概率+转移矩阵
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
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
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
tm =
8.0000
5.7500
5.2609
5.0992
5.0389
5.0154
5.0062
5.0025
5.0010
5.0004
5.0002
5.0001
5.0000
5.0000
5.0000
5.0000
5.0000
5.0000
5.0000
5.0000
归一化可增强收敛性