ЭВМ с использованием математического пакета MathCad в среде Windows 98 для использования матричной алгебры в расчетах электротехнических систем


Вычитание столбцов и строк:


2.3.13 Объединение матрицы А с вектором В и матрицы А с матрицей А
Используем функцию augment для объединения массивов, имеющих размеры m x n и m x p (то есть одинаковое число строк), расположенных бок о бок, образуя массив размеров m x (n + p).
Чтобы объединить два массива, располагая их друг над другом, ипользуется функция stack для объединения массивов, имеющих размеры m x n и p x n (то есть одинаковое число столбцов) , образуя массив размеров (m + p) x n .



2.3.14 Сортировка элементов вектора и матрицы
Часто бывает нужно переставить элементы матрицы или вектора, расположив их в определенной строке или столбце в порядке возрастания или убывания. Для этого имеются несколько встроенных функций, которые позволяют гибко управлять сортировкой матриц:
sort(v) — сортировка элементов вектора в порядке возрастания ;
csort(A,i) — сортировка строк матрицы выстраиванием элементов i-го столбца в порядке возрастания;
rsort(A,i) — сортировка столбцов матрицы выстраиванием элементов i-й строки в порядке возрастания;
reverse (v) — перестановка элементов вектора в обратном порядке;
v — вектор;
А — матрица;
i — индекс строки или столбца.
Если элементы матриц или векторов комплексные, то сортировка ведется по действительной части, а мнимая часть игнорируется.


![]()



![]()
2.3.15 Разложение матрицы на треугольную, ортогональную
L U-разложением матрицы А, или треугольным разложением, называется матричное разложение вида P A=L U и, где L и U — нижняя и верхняя треугольные матрицы (нули выше диагонали и ниже), соответственно. P,A,L,U — квадратные матрицы одного порядка.
lu(A) — LU-разложение матрицы;
А — квадратная матрица.
Фактически, треугольное разложение матрицы системы линейных уравнений производится при ее решении численным методом Гаусса.
Функция LU-разложения выдает составную матрицу. Выделить матрицы P,L,U несложно при помощи встроенной функции submatrix.

![]()



![]()



QR-разложением матрицы А называется разложение вида A=Q R, где Q — ортогональная матрица, а R — верхняя треугольная матрица.
qr(A) —QR-разложение;
А — вектор или матрица любого размера.
Результатом действия функции qr(A) является матрица L, составленная из матриц Q и R, соответственно. Чтобы выделить сами матрицы QR-разложения, необходимо применить функцию выделения подматрицы submatrix.
![]()




2.4 Использование матричных функций
2.4.1 Собственные значения и векторы собственных значений матрицы
а) Определение собственных значений с помощью характеристического уравнения
Пусть X и Y – векторы. А- квадратная матрица, оператор преобразования Х в Y. Часто бывают случаи, когда необходимо найти вектор ҳ и значение скаляра λ такие , что А· ҳ = λ·ҳ. Такое уравнение имеет решения в виде собственных значений λ1, λ2,... и соответствующих им собственных векторов x1, х2,...Значение скаляра λ носит название собственных значений квадратной матрицы А. Его можно получить из характеристического уравнения матрицы А.
Характеристическое уравнение матрицы имеет вид:

Его корни:
называются
собственными
числами матрицы
А.
Их сумма равна сумме диагональных элементов матрицы А (или следу матрицы А)
![]()
Исходная
матрица:
Функция identity (4) создаёт единичную матрицу размером 4*4


Находим корни характеристического уравнения:

![]()
![]()
![]()
![]()

след сумма собственных чисел и матрицы
б) Определение вектора, элементами которого являются собственные значения матрицы с помощью функций Mathcad.
Для решения задач на собственные векторы и собственные значения в Mathcad встроено несколько функций, реализующих довольно сложные вычислительные алгоритмы:
eigenvals(A) — вычисляет вектор, элементами которого являются собственные значения матрицы А; По умолчанию Mathcad отобразит три знака после запятой. Если необходимо увеличить точность собственных чисел матрицы, то необходимо воспользоваться командами: Format-Number главного меню и указать в окошечке Displayed Precision (3) желаемое число знаков после запятой (от 0 до 15).

![]()
![]()
![]()

![]()


![]()
2.4.2 Нахождение матрицы векторов собственных значений матрицы
а)Вычисление матрицы, содержащей нормированные собственные векторы, соответствующие собственным значениям матрицы А
eigenvecs(A) — вычисляет матрицу, содержащую нормированные собственные векторы, соответствующие собственным значениям матрицы А;
n-й столбец вычисляемой матрицы соответствует собственному вектору n-го собственного значения, вычисляемого eigenvals;
![]()



![]()
для устранения ошибки округления увеличили точность до 8 знаков после запятой.
б)Вычисление собственного вектора для матрицы А и заданного собственного значения λ
Данную функцию применим к действительным собственным значениям.


Проверка правильности нахождения собственных векторов и собственных значений приведена для значения λ0 . Причем проверка правильности выражения Ах=λх проведена дважды — сначала на числовых значениях х и λ, а потом путем перемножения соответствующих матричных компонентов.






Вычисление собственного вектора для матрицы А и λ3.

Как мы видим, в этом случае собственные вектора и матрица собственных векторов матрицы А, имеют численные значения, отличающиеся знаками. Однако это не меняет общности поставленной задачи, так как речь идёт о пространстве, в котором находятся собственные вектора матрицы А.
2.4.3 Приведение заданной матрицы к диагональному виду
В Mathcad легко создать матрицы определенного вида с помощью одной из встроенных функций, например:
diag(v) — создаст диагональную матрицу, на диагонали которой находятся элементы вектора v;
Рассмотрим вектор, элементами которого являются собственные значения матрицы А.


![]()