产品
产品概览
Mathematica
Mathematica 学生版
Mathematica Home Edition
Wolfram
CDF Player
(免费下载)
可计算文档格式(CDF)
web
Mathematica
grid
Mathematica
Wolfram
Workbench
Wolfram
SystemModeler
Wolfram
Finance Platform
Mathematica
附加程序包
Wolfram|Alpha 产品
解决方案
解决方案概览
工程
航空航天与国防
化学工程
控制系统
电气工程
图像处理
工业工程
材料科学
机械工程
运筹学
光学
石油工程
生物技术与医药
生物信息学
医学影像
金融、统计、商业分析
精算科学
数据分析与挖掘
计量经济学
经济学
金融工程与数学
金融风险管理
统计
软件工程、内容传递
创作与出版
界面开发
软件工程
网页开发
科学
天文学
生物科学
化学
环境科学
地球科学
社会与行为科学
设计、艺术以及娱乐
游戏设计、特殊效果及衍生艺术
教育
STEM 教育倡议
高等教育
高职高专院校
中小学教育
学生
科技
可计算文档格式(CDF)
高性能并行计算(HPC)
参见:技术指南
购买
网上商店
其它购买方式
批量许可及站点许可证
联络销售部
软件
服务
升级
培训
书籍
Merchandise
技术支持
技术支持概览
Mathematica
参考资料
知识库
学习中心
技术服务
社区与论坛
培训
查看站点是否有许可证授权
Wolfram 用户门户
公司概况
关于 Wolfram Research
新闻与活动
Wolfram 博客
合作伙伴
工作机会
Mathematica
的历史
Stephen Wolfram 主页
联系我们
公司网站
全部站点
Wolfram|Alpha
演示项目
MathWorld
Integrator
Wolfram Functions Site
Mathematica Journal
Wolfram Media
Wolfram
Tones
Wolfram Science
Stephen Wolfram
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE
DOCUMENTATION CENTER
FOR THE LATEST INFORMATION.
DOCUMENTATION CENTER SEARCH
New to
Mathematica
?
Find your learning path
»
Mathematica
>
数学和算法
>
矩阵和线性代数
>
矩阵运算
>
MatrixExp
>
Mathematica
>
数学和算法
>
图与网络
>
图编程
>
矩阵和线性代数
>
矩阵运算
>
MatrixExp
>
Mathematica
>
可视化与图形
>
图与网络
>
图编程
>
矩阵和线性代数
>
矩阵运算
>
MatrixExp
>
MATHEMATICA 内置符号
矩阵的基本运算
教程 »
|
MatrixPower
Dot
JordanDecomposition
QRDecomposition
Exp
参见 »
|
整数函数
矩阵和线性代数
矩阵运算
6.0的新功能: 矩阵和线性代数函数
更多关于 »
MatrixExp
MatrixExp
[
m
]
给出
m
的矩阵指数.
MatrixExp
给出
m
用于矢量
v
的矩阵指数.
更多信息
MatrixExp
[
mat
]
有效地计算矩阵指数函数的幂级数,即用矩阵幂代替普通幂.
MatrixExp
只对方阵有效.
在
MatrixExp
中,矩阵
m
可以是一个
SparseArray
对象.
范例
关闭所有单元
例
(2)
一个 2×2 矩阵的指数:
用于一个矢量的指数:
一个 2×2 矩阵的指数:
In[1]:=
Out[1]=
In[2]:=
Out[2]=
用于一个矢量的指数:
In[1]:=
Out[1]=
范围
(4)
使用精确的算术来计算矩阵指数:
使用机器算术:
使用24位精度算术:
找到一个复数矩阵的矩阵指数:
一个符号矩阵的指数:
一个稀疏 100×100 矩阵的指数:
应用
(2)
一阶线性微分方程组:
把方程组写成形式
,其中
:
矩阵指数给出通解的基:
应用于矢量的矩阵指数给出一个特定的解:
矩阵
s
在网格
x
上定期对
求近似的二阶导数:
代表网格
x
上孤子的矢量:
使用分叉
传播
的解:
绘制解,解和立方薛定谔方程解的误差的10倍:
属性和关系
(4)
对角矩阵的指数矩阵是对角的:
幂零矩阵的指数矩阵是多项式矩阵:
MatrixExp
[
m
]
永远是可逆的, 逆是
MatrixExp
:
如果
m
是可对角化的,
,那么
:
可能存在的问题
(1)
对于大型稀疏矩阵,计算矩阵指数可能需要很长的时间:
关于矢量的计算使用较少的内存,速度更快:
结果基本上是相同的:
巧妙范例
(1)
参见
MatrixPower
Dot
JordanDecomposition
QRDecomposition
Exp
教程
矩阵的基本运算
更多关于
整数函数
矩阵和线性代数
矩阵运算
6.0的新功能: 矩阵和线性代数函数
相关链接
关于内部实现的一些注释: 数值及相关函数
关于内部实现的一些注释: 代数和微积分
版本 2 的新功能 | 版本 6 修改功能