特征值
特征值分解
一个特征值而且特征向量一个方阵的一个分别是标量吗λ一个非零向量υ满足
一个υ=λυ.
用对角矩阵Λ对角线上的特征值和对应的特征向量组成矩阵的列V,你有
AV=VΛ.
如果V是非奇异的,这就变成了特征值分解
一个=VΛ1.
的系数矩阵提供了一个很好的例子常微分方程在前一节中:
A = 0 -6 -16 2 -16 -5 20 -10
该声明
λ=eig
(一)
生成包含特征值的列向量。对于这个矩阵,特征值是复的:
Lambda = -3.0710 -2.4645+17.6008i -2.4645-17.6008i
每个特征值的实部是负的,所以eλt接近零t增加。两个特征值的非零虚部,±ω,贡献振荡成分sin(ωt),到微分方程的解。
有了两个输出参数,eig
计算特征向量并将特征值存储在对角矩阵中:
[V,D] = eig(A) V = -0.8326 0.2003 - 0.1394i 0.2003 + 0.1394i -0.3553 -0.2110 - 0.6447i -0.2110 + 0.6447i -0.4248 -0.6930 -0.6930 D = -3.0710 00 0 -2.4645+17.6008i 00 0 -2.4645-17.6008i
第一个特征向量是实数另外两个向量是彼此的复共轭。这三个向量都被归一化得到欧氏长度,规范(v, 2)
等于1。
矩阵V * D *发票(V)
,可以更简洁地写为V * D / V
的四舍五入误差一个
.而且,发票(V) * * V
,或V \ * V
的四舍五入误差D
.
多个特征值
有些矩阵没有特征向量分解。这些矩阵是不可对角化的。例如:
A = [1 -2 1 0 1 4 0 0 3]
对这个矩阵
[V D] = eig (A)
生产
V = 1.0000 1.0000 -0.5571 0 0.0000 0.7428 00 0.3714 d = 1 0000 1 000 3
有一个双特征值λ= 1。的第一和第二列V
都是一样的。对于这个矩阵,不存在线性无关的特征向量的完整集合。
舒尔分解
MATLAB®高级矩阵计算不需要特征值分解。相反,它们是基于Schur分解的
一个=通常的”。
在哪里U是一个正交矩阵和年代是对角线上有1 × 1和2 × 2块的块上三角形矩阵。的对角线元素和块显示特征值年代,而列U提供一个比特征向量集合更好的数值性质的基。这个缺陷例子的Schur分解是
[U S] =舒尔
(a) u = -0.4741 0.6648 0.5774 0.8127 0.0782 0.5774 -0.3386 -0.7430 0.5774 s = -1.0000 20.7846 -44.6948 0 1.0000 -0.6096 00 1.0000
的2 × 2块中包含双特征值年代
.
请注意
如果一个
是复杂的,舒尔
返回复Schur形式,它是具有特征值的上三角一个
对角线上。