Download as pdf or txt
Download as pdf or txt
You are on page 1of 10

ΔΗΜΙΟΥΡΓΙΑ ΠΙΝΑΚΑ ΚΑΙ ΟΙ ΔΙΑΣΤΑΣΕΙΣ ΤΟΥ

> with(LinearAlgebra):
> A:=<<1,5,-3,9,7>|<-2,4,2,6,-3>|<8,5,6,3,-7>>;
⎡⎢ 1 -2 8⎤⎥
⎢⎢ 5 4 5⎥⎥
⎢ ⎥
A := ⎢⎢-3 2 6⎥⎥
⎢⎢ 9 6 3⎥⎥
⎢ ⎥
⎢⎣ 7 -3 -7⎥⎦

> A:=Matrix([[1,-2,8],[5,4,5],[-3,2,6],[9,6,3],[7,-3,-7]]);
⎡⎢ 1 -2 8⎤⎥
⎢⎢ 5 4 5⎥⎥
⎢ ⎥
A := ⎢⎢-3 2 6⎥⎥
⎢⎢ 9 6 3⎥⎥
⎢ ⎥
⎢⎣ 7 -3 -7⎥⎦

> m:=RowDimension(A);
m := 5
> n:=ColumnDimension(A);
n := 3
> m,n:=Dimension(A);
m, n := 5, 3

ΑΝΑΣΤΡΟΦΟΣ ΠΙΝΑΚΑΣ

> AN:=Transpose(A);
⎡⎢ 1 5 -3 9 7⎤⎥
AN := ⎢⎢-2 4 2 6 -3⎥⎥
⎢⎢ ⎥
⎣ 8 5 6 3 -7⎥⎦
ΠΡΑΞΕΙΣ ΠΙΝΑΚΩΝ

> M:=Multiply(A,AN);
⎡⎢ 69 37 41 21 -43⎤⎥
⎢⎢ 37 66 23 84 -12⎥⎥
⎢ ⎥
M := ⎢⎢ 41 23 49 3 -69⎥⎥
⎢⎢ 21 84 3 126 24⎥⎥
⎢⎢ ⎥⎥
⎣-43 -12 -69 24 107⎦
> N:=Multiply(AN,A);
⎡⎢165 45 -7⎤

N := ⎢⎢ 45 69 55⎥⎥
⎢⎢ ⎥
⎣ -7 55 183⎥⎦
> R:=Multiply(N,1/5);
⎡⎢ -7 ⎤⎥
33 9
⎢⎢ 5 ⎥⎥
⎢⎢ 69 ⎥⎥
R := ⎢⎢ 9 11 ⎥⎥
⎢⎢ 5 ⎥⎥
⎢⎢ -7 183 ⎥⎥
⎢ 11
⎣ 5 5 ⎥⎦
> T:=N-R;
⎡⎢ 132 -28 ⎤
36 ⎥
⎢⎢ 5 ⎥⎥
⎢⎢ 276 ⎥⎥
T := ⎢⎢ 36 44 ⎥⎥
⎢⎢ 5 ⎥⎥
⎢⎢ -28 732 ⎥⎥
44
⎢ 5
⎣ 5 ⎥⎦
> G:=T+R;
⎡⎢165 45 -7⎤

G := ⎢⎢ 45 69 55⎥⎥
⎢⎢ ⎥
⎣ -7 55 183⎥⎦
ΙΧΝΟΣ ΠΙΝΑΚΑ

> ta:=Trace(A);
Error, (in LinearAlgebra:-Trace) Matrix must be square

> B:=<<1,5,-3>|<-2,4,2>|<8,5,6>>;
⎡⎢ 1 -2 8⎤⎥
B := ⎢⎢ 5 4 5⎥⎥
⎢⎢ ⎥
⎣-3 2 6⎥⎦

> tb:=Trace(B);
tb := 11

ΒΑΘΜΟΣ ΠΙΝΑΚΑ

> ka:=Rank(A);
ka := 3
> kb:=Rank(B);
kb := 3

ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΑΔΙΑΙΟΥ ΠΙΝΑΚΑ

> IdentityMatrix(4);
⎡⎢ 1 0 0 0⎤

⎢⎢ 0 1 0 0⎥⎥
⎢⎢ ⎥
⎢⎢ 0 0 1 0⎥⎥
⎣0 0 0 1⎥⎦

> IdentityMatrix(9);
⎡⎢1 0 0 0 0 0 0 0 0⎤

⎢⎢0 1 0 0 0 0 0 0 0⎥⎥
⎢⎢ ⎥
⎢⎢0 0 1 0 0 0 0 0 0⎥⎥
⎢⎢0 0 0 1 0 0 0 0 0⎥⎥
⎢⎢0 ⎥
0 0 0 1 0 0 0 0⎥⎥
⎢⎢ ⎥
⎢⎢0 0 0 0 0 1 0 0 0⎥⎥
⎢⎢0 ⎥
0 0 0 0 0 1 0 0⎥⎥
⎢⎢0 0 0 0 0 0 0 1 0⎥⎥
⎢⎢ ⎥
⎣0 0 0 0 0 0 0 0 1⎥⎦

> IdentityMatrix(3,5);
⎡⎢1 0 0 0 0⎤⎥
⎢⎢0 1 0 0 0⎥⎥
⎢⎢ ⎥
⎣0 0 1 0 0⎥⎦
> IdentityMatrix(5,3);
⎡⎢ 1 0 0⎤

⎢⎢ 0 1 0⎥⎥
⎢⎢ ⎥
⎢⎢ 0 0 1⎥⎥
⎢⎢ 0 0 0⎥⎥
⎢0 ⎥
⎣ 0 0⎥⎦

ΕΛΑΣΣΟΝΕΣ ΠΙΝΑΚΕΣ

> A11:=Minor(A,1,1);
⎡⎢ 4 5⎤⎥
⎢ 2 6⎥⎥
A11 := ⎢⎢
⎢⎢ 6 3⎥⎥⎥
⎢-3 -7⎥
⎣ ⎦
> A12:=Minor(A,1,2);
⎡⎢ 5 5⎤⎥
⎢-3 6⎥⎥
A12 := ⎢⎢
⎢⎢ 9 3⎥⎥⎥
⎢ 7 -7⎥
⎣ ⎦
> A13:=Minor(A,1,3);
⎡⎢ 5 4⎤⎥
⎢-3 2⎥⎥
A13 := ⎢⎢
⎢⎢ 9 6⎥⎥⎥
⎢ 7 -3⎥
⎣ ⎦
> A43:=Minor(A,4,3);
⎡⎢ 1 -2⎤⎥
⎢ 5 4⎥⎥
A43 := ⎢⎢
⎢⎢-3 2⎥⎥⎥
⎢⎣ 7 -3⎥⎦

> A52:=Minor(A,5,2);
⎡⎢ 1 8⎤

⎢ 5 5⎥⎥
A52 := ⎢⎢ ⎥
⎢⎢ -3 6⎥⎥
⎢⎣ 9 3⎥⎦

> B23:=Minor(B,2,3);
1 -2⎤
B23 := ⎡⎢⎢ ⎥
⎣-3 2⎥⎦
> B32:=Minor(B,3,2);
1 8⎤
B32 := ⎡⎢⎢ ⎥
⎣5 5⎥⎦

ΚΛΑΣΣΙΚΟΣ ΠΡΟΣΑΡΤΗΜΕΝΟΣ ΠΙΝΑΚΑΣ

> As:=Adjoint(A);
Error, (in LinearAlgebra:-LA_Main:-Adjoint) Matrix must be square

> Bs:=Adjoint(B);
⎡⎢ 14 28 -42⎤⎥
Bs := ⎢⎢-45 30 35⎥⎥
⎢⎢⎣ 22 4 14⎥⎥⎦
ΟΡΙΖΟΥΣΑ ΠΙΝΑΚΑ

> db:=Determinant(B);
db := 280

ΑΝΤΙΣΤΡΟΦΟΣ ΠΙΝΑΚΑΣ

> ANT:=MatrixInverse(B);
⎡⎢ 1 1 -3 ⎤⎥
⎢⎢ 20 10 20 ⎥⎥
⎢⎢ -9 3 1 ⎥⎥
ANT := ⎢⎢ ⎥⎥
⎢⎢ 56 28 8 ⎥⎥
⎢⎢ 11 1 1 ⎥⎥
⎢ 140 70 20 ⎥
⎣ ⎦

> Ant:=Multiply(Bs,1/280);

⎡⎢ 1 1 -3 ⎤⎥
⎢⎢ 20 10 20 ⎥⎥
⎢⎢ -9 3 1 ⎥⎥
Ant := ⎢⎢ ⎥⎥
⎢⎢ 56 28 8 ⎥⎥
⎢⎢ 11 1 1 ⎥⎥
⎢ 140 70 20 ⎥
⎣ ⎦
ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ

2 x1 − x2 + x3 = 6
Πχ. −3 x1 + x2 + x3 = 4
x1 + 2 x2 − 2 x3 = −2

> with(LinearAlgebra):
sys := [ 2*x[1]-x[2]+x[3] = 6,
-3*x[1]+x[2]+x[3]= 4,
x[1]+2*x[2]-2*x[3]= -2 ]:
var := [ x[1], x[2], x[3] ]:
(A, b) := GenerateMatrix( sys, var );

⎡⎢ 2 -1 1⎤⎥ ⎡⎢ 6⎤⎥
A, b := ⎢⎢-3 1 1⎥⎥, ⎢⎢ 4⎥⎥
⎢⎢ ⎥ ⎢ ⎥
⎣ 1 2 -2⎥⎦ ⎢⎣ -2⎥⎦
> A . Vector(var) = b;
⎡⎢ 2 x1 − x2 + x3 ⎤⎥ ⎡ 6⎤
⎢⎢ −3 x + x + x ⎥⎥ ⎢⎢ ⎥⎥
⎢⎢ 1 2 3 ⎥ = ⎢ 4⎥
⎢ ⎥
⎢⎢x + 2 x − 2 x ⎥⎥⎥ ⎢⎣ -2⎥⎦
⎣ 1 2 3⎦

Γράφω άμμεσα τον πίνακα Α και το διάνυσμα b

> A:=<<2,-1,3>|<-1,1,2>|<1,1,-2>>;
⎡⎢ 2 -1 1⎤⎥
A := ⎢⎢-1 1 1⎥⎥
⎢⎢ ⎥
⎣ 3 2 -2⎥⎦
> b:=<6,4,-2>;
⎡⎢ 6⎤⎥
b := ⎢⎢ 4⎥⎥
⎢⎢ ⎥⎥
⎣ -2⎦

> GenerateEquations(A,[x1,x2,x3],b);
[ 2 x1 − x2 + x3 = 6, −x1 + x2 + x3 = 4, 3 x1 + 2 x2 − 2 x3 = -2 ]
Δημιουργία του επαυξημένου πίνακα A b

> Ab=<A|b>;
⎡⎢ 2 -1 1 6⎤⎥
Ab = ⎢⎢-3 1 1 4⎥⎥
⎢⎢ ⎥
⎣ 1 2 -2 -2⎥⎦

Εύρεση των λύσεων

> LinearSolve(A,b);
⎡⎢ 2⎤⎥
⎢⎢ 4⎥⎥
⎢⎢ ⎥⎥
⎣ 6⎦

Εύρεση των λύσεων με τη μέθοδο του GAUSS

> ReducedRowEchelonForm(<A|b>);

⎡⎢ 1 0 0 2⎤⎥
⎢⎢ 0 1 0 4⎥⎥
⎢⎢ ⎥
⎣ 0 0 1 6⎥⎦
ΧΑΡΑΚΤΗΡΙΣΤΙΚΕΣ ΡΙΖΕΣ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΔΙΑΝΥΣΜΑΤΑ

> A:=<<1,4,0>|<1,1,0>|<5,3,1>>;
⎡⎢ 1 1 5⎤

A := ⎢⎢ 4 1 3⎥⎥
⎢⎢ ⎥
⎣0 0 1⎥⎦
Χαρακτηριστικός πίνακας

> C:=CharacteristicMatrix(A,lambda);

⎡⎢−λ + 1 1 5 ⎤


C := ⎢ 4 −λ + 1 3 ⎥⎥
⎢⎢ ⎥
⎣ 0 0 −λ + 1⎥⎦

Χαρακτηριστικό πολυώνυμο
> P(lambda):=CharacteristicPolynomial(A,lambda);
P( λ ) := λ 3 − 3 λ 2 − λ + 3

Χαρακτηριστικές τιμές ή ρίζες


> Eigenvalues(A);
⎡⎢ -1⎤⎥
⎢⎢ 1⎥⎥
⎢⎢ ⎥⎥
⎣ 3⎦

Χαρακτηριστικά διανύσματα

> Eigenvectors(A);
⎡⎢ 1 1 1⎤
⎥⎥
⎡⎢ 1⎤ ⎢⎢ 20
⎥ 2 -2⎥⎥
⎢⎢ 3⎥⎥, ⎢⎢ 3 ⎥⎥
⎢⎢ ⎥ ⎢ ⎥
-1⎥⎦ ⎢⎢ -4
⎣ ⎢⎢ 0 0⎥⎥⎥
⎣ 3 ⎦
Θετικά και αρνητικά ορισμένος πίνακας

> A:=<<1,4,0>|<1,1,0>|<5,3,1>>;
⎡⎢ 1 1 5⎤

A := ⎢⎢ 4 1 3⎥⎥
⎢⎢ ⎥
⎣0 0 1⎥⎦

> IsDefinite(A, ‘query’ = ‘positive_definite’);

false

> IsDefinite(A, ‘query’ = ‘positive_semidefinite’);

false

> IsDefinite(A, ‘query’ = ‘negative_definite’);

false

> IsDefinite(A, ‘query’ = ‘negative_semidefinite’);

false

You might also like