特征值和特征向量
[___) = eig (
,在那里一个
,balanceOption
)balanceOption
是“nobalance”
,禁用算法中的初始平衡步骤。的默认值balanceOption
是“平衡”
,可以实现平衡。的eig
函数可以返回前面语法中的任何输出参数。
[___) = eig (___,
以指定的形式返回特征值outputForm
)outputForm
使用前面语法中的任何输入或输出参数。指定outputForm
作为“向量”
返回列向量或作为的特征值“矩阵”
以返回对角矩阵的特征值。
使用画廊
来建立一个对称的正定矩阵。
一个=画廊(“黄土”4)
一个=4×41.0000 0.5000 0.3333 0.2500 0.5000 1.0000 0.6667 0.5000 0.3333 0.6667 1.0000 0.7500 0.2500 0.5000 0.7500 1.0000
计算的特征值一个
.结果是一个列向量。
e = eig (A)
e =4×10.2078 0.4078 0.8482 2.5362
另外,使用outputForm
以返回对角矩阵的特征值。
D = eig (,“矩阵”)
D =4×40.2078 0 0 0 0.4078 0 0 0 0.8482 0 0 0 2.5362
使用画廊
来创建一个循环矩阵。
一个=画廊(“线性”3)
一个=3×31 2 3 3 1 2 2 3 1
计算的特征值和右特征向量一个
.
[V D] = eig (A)
V =3×3复杂-0.5774 + 0.00000 i -0.5774 + 0.00000 i -0.5774 + 0.00000 i -0.2887 + 0.5000i -0.2887 - 0.5000i
D =3×3复杂6.0000 + 0.00000 i 0.0000 + 0.00000 i 0.0000 + 0.00000 i -1.5000 + 0.8660i
验证结果是否满足要求* V = V * D
.
* V - V * D
ans =3×3复杂10-14年× -0.2665 + 0.00000 i -0.0888 - 0.0111i -0.0888 + 0.0111i -0.0888 + 0.00000 i - 0.0833i -0.0444 + 0.00000 i -0.1157 + 0.0666i -0.1157 - 0.0666i
理想情况下,特征值分解满足这种关系。自eig
然后使用浮点计算执行分解* V
充其量,能接近吗V * D
.换句话说,* V - V * D
接近,但不完全是0
.
默认情况下eig
并不总是按照排序的顺序返回特征值和特征向量。使用排序
函数将特征值按升序排列并重新排列相应的特征向量。
计算5 × 5幻方矩阵的特征值和特征向量。
=魔法(5)
一个=5×517 24 18 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9
[V D] = eig (A)
V =5×50.4472 0.0976 -0.6330 0.6780 -0.2619 -0.4472 0.3525 0.5895 0.3223 -0.1732 -0.4472 0.3915 -0.5501 0.4415 -0.4472 -0.3223 0.1732 -0.3525 -0.5895 -0.4472 -0.6780 0.2619 -0.0976
D =5×560.000 0000 0 -21.2768 0000 -13.1263 000
的特征值一个
在的对角线上D
.然而,特征值是未排序的。
从的对角线提取特征值D
使用诊断接头(D)
,然后将得到的向量按升序排序。来自排序
返回由索引组成的排列向量。
位于[d] =排序(诊断接头(d))
d =5×113.1263 13.1263 21.2768 65.0000
印第安纳州=5×12 .单词conduct联想记忆
使用印第安纳州
的对角线元素重新排序D
.因为特征值在D
对应于的列中的特征向量V
的列也必须重新排序V
使用相同的索引。
Ds = D(印第安纳州)
Ds =5×5-13.1263 0000 13.1263 000 21.2768 000 65.0000
Vs = V(:,印第安纳州)
和=5×50.0976 -0.6330 -0.2619 0.6780 -0.4472 0.3525 0.5895 -0.1732 0.3223 -0.4472 0.3915 0.3915 -0.5501 -0.4472 -0.3223 0.1732 -0.5895 -0.3525 -0.4472 -0.6780 0.2619 0.6330 -0.0976 -0.4472
这两个(V, D)
和(Vs Ds)
的特征值分解一个
.的结果* V-V * D
和* Vs-Vs * Ds
同意,直到四舍五入错误。
e1 =规范(* V-V * D);e2 =规范(* Vs-Vs * Ds);E = abs(e1 - e2)
e = 1.2622 e-29
创建一个3 × 3矩阵。
A = [1 7 3;2 9日12;5 22 7];
计算正确的特征向量,V
特征值,D
,和左特征向量,W
.
[V D W] = eig (A)
V =3×30.2610 -0.9734 0.1891 -0.5870 0.2281 -0.5816 -0.7663 -0.0198 0.7912
D =3×325.5548 0 0 0 -0.5789 0 0 0 -7.9759
W =3×3-0.1791 -0.9587 -0.1881 -0.8127 0.0649 -0.7477 -0.5545 0.2768 0.6368
验证结果是否满足要求W * = D * W的
.
W * A - D * W的
ans =3×310-13年× -0.0266 -0.2132 -0.1243 0.0056 -0.0286 -0.0072 -0.0022 0 -0.0178
理想情况下,特征值分解满足这种关系。自eig
然后使用浮点计算执行分解W”*
充其量,能接近吗D * W '
.换句话说,W * A - D * W的
接近,但不完全是0
.
创建一个3 × 3矩阵。
A = [3 10 0;0 3 1;0 0 3];
计算的特征值和右特征向量一个
.
[V D] = eig (A)
V =3×31.0000 -1.0000 1.0000 0 0.000 -0.0000 0 0.000
D =3×33 0 0 0 3 0 0
一个
有重复的特征值特征向量不是独立的。这意味着一个
是不可对角化的,因此是有缺陷的。
验证V
和D
满足的方程,* V = V * D
,即使一个
是有缺陷的。
* V - V * D
ans =3×310-15× 0 0.8882 0.8882 00 0.0000 00
理想情况下,特征值分解满足这种关系。自eig
然后使用浮点计算执行分解* V
充其量,能接近吗V * D
.换句话说,* V - V * D
接近,但不完全是0
.
创建两个矩阵,一个
和B
,然后求解该对的特征值和右特征向量的广义特征值问题(A, B)
.
A =[1/根号(2)0;0 1];B = [0 1;1 /√(2)0];[V D] = eig (A, B)
V =2×2复杂1.0000 + 0.000 i 0.000 + 0.000 i 0.000 - 0.7071i 0.000 + 0.7071i
D =2×2复杂1.000 + 1.000 i + 0.000 i + 0.000 i + 0.000 i + 0.000 i
验证结果是否满足要求* V = B * * D
.
* V - B * * D
ans =2×20 0 0 0
剩余误差* V - B * * D
就是零。
创建一个条件不良的对称矩阵,包含接近机器精度的值。
格式长eA = diag([10^-16, 10^-15])
一个=2×20.1000 00 1.0000
用默认算法计算广义特征值和一组右特征向量。在本例中,默认算法为“胆固醇”
.
(V1, D1) = eig (,)
V1 =2×21.0000 00 0.3162
D1 =2×21.0000 00 1.0000
现在,计算广义特征值和一组右特征向量使用“求”
算法。
(V2, D2) = eig(一个,“求”)
V2 =2×21 0 0 1
D2 =2×21 0 0 1
检查“胆固醇”
结果满足* V1 =一个* * D1
.
格式短* V1 - * * D1
ans =2×210-23年× 0.1654 0 0 -0.6617
现在,检查一下“求”
结果满足一个* V2 * * V2 = D2
.
* V2 - * V2 * D2
ans =2×20 0 0 0
当两个矩阵都是对称的,eig
使用“胆固醇”
默认的算法。在这种情况下,QZ算法返回更准确的结果。
创建一个2 × 2的单位矩阵,一个
,和奇异矩阵,B
.
一个=眼(2);B = [3 6;4 8];
如果你试图计算矩阵的广义特征值
使用命令[V D] = eig (B \)
,则MATLAB®返回一个错误,因为B \
生产正
值。
相反,计算广义特征值和右特征向量通过传递两个矩阵eig
函数。
[V D] = eig (A, B)
V =2×2-0.7500 -1.0000
D =2×20.0909 0 0 Inf
最好是分别传递两个矩阵,让eig
选择最好的算法来解决问题。在这种情况下,eig (A, B)
返回一组特征向量和至少一个真实特征值,即使B
是不可逆的。
验证 对于第一个特征值和第一个特征向量。
eigval = D (1,1);eigvec = V (: 1);* eigvec——eigval * B * eigvec
ans =2×110-15×0.1110 - 0.2220
理想情况下,特征值分解满足这种关系。由于分解是使用浮点计算来执行的,那么A * eigvec
充其量,能接近吗eigval * B * eigvec
,就像这个例子一样。
一个
- - - - - -输入矩阵输入矩阵,指定为实方阵或复方阵。
数据类型:双
|单
复数的支持:金宝app是的
B
- - - - - -广义特征值问题输入矩阵广义特征值问题输入矩阵,指定为实值或复值的方阵。B
必须和一个
.
数据类型:双
|单
复数的支持:金宝app是的
balanceOption
- - - - - -平衡的选择“平衡”
(默认)|“nobalance”
余额选项,指定为:“平衡”
,以实现初步的平衡步骤,或“nobalance”
禁用它。在大多数情况下,平衡步骤可以提高身体素质一个
以产生更准确的结果。然而,在某些情况下,平衡会产生不正确的结果。指定“nobalance”
当一个
包含比例差异很大的值。例如,如果一个
包含非零整数以及非常小(接近零)的值,那么平衡步骤可能会缩放这些小值,使它们与整数一样重要,从而产生不准确的结果。
“平衡”
是默认行为。有关平衡的更多信息,请参见平衡
.
算法
- - - - - -广义特征值算法“胆固醇”
|“求”
广义特征值算法,具体为“胆固醇”
或“求”
,它选择用于计算一对广义特征值的算法。
算法 | 描述 |
---|---|
“胆固醇” |
计算的广义特征值一个 和B 用乔尔斯基分解B . |
“求” |
使用QZ算法,也称为广义舒尔分解。该算法忽略了对称一个 和B . |
一般来说,这两种算法返回相同的结果。QZ算法在某些问题上更稳定,比如那些涉及条件差矩阵的问题。
当你省略算法
参数,eig
函数根据属性选择算法一个
和B
.它使用“胆固醇”
对称(厄米特)算法一个
对称(厄密)正定B
.否则,它使用“求”
算法。
不管你指定的算法是什么eig
函数总是使用QZ算法一个
或B
不对称的。
outputForm
- - - - - -特征值的输出格式“向量”
|“矩阵”
特征值的输出格式,指定为“向量”
或“矩阵”
.此选项允许您指定特征值是以列向量还是对角矩阵的形式返回的。默认行为根据指定的输出数量不同:
如果指定一个输出,例如e = eig (A)
,则默认情况下特征值作为列向量返回。
如果指定两个或三个输出,例如[V D] = eig (A)
,则特征值以对角矩阵的形式返回,D
默认情况下,。
例子:D = eig (A,“矩阵”)
返回带有一个输出语法的特征值对角矩阵。
V
——右特征向量右特征向量,作为方阵返回,其列是的右特征向量一个
或者对的广义右特征向量,(A, B)
.的形式和规范V
取决于输入参数的组合:
[V D] = eig (A)
收益矩阵V
,它的列向量是的正确特征向量一个
这样* V = V * D
.的特征向量V
标准化,使每个的2范数为1。
[V D] = eig (A,“nobalance”)
还返回矩阵V
.然而,每个特征向量的2范数不一定是1。
[V D] = eig (A, B)
和[V D] = eig (A, B,算法)
返回V
作为一个矩阵,它的列是满足的广义右特征向量* V = B * * D
.每个特征向量的2范数不一定是1。在这种情况下,D
包含对的广义特征值,(A, B)
,沿着主对角线。
当eig
使用“胆固醇”
对称(厄密)算法一个
对称(厄密)正定B
,它将特征向量标准化V
这样B
-每个的norm是1。
不同的机器和发布的MATLAB®可以产生不同的特征向量,在数值上仍然准确:
对于实特征向量,特征向量的符号可以改变。
对于复特征向量,特征向量可以乘以任意复数,大小为1。
对于一个多重特征值,它的特征向量可以通过线性组合重新组合。例如,如果一个x=λx和一个y=λy,然后一个(x+y) =λ(x+y),所以x+y也是的特征向量一个.
W
——左特征向量的左特征向量,返回为方阵,其列为的左特征向量一个
或者对的广义左特征向量,(A, B)
.的形式和规范W
取决于输入参数的组合:
不同的机器和发布MATLAB可以产生不同的特征向量,仍然是数值准确的:
对于实特征向量,特征向量的符号可以改变。
对于复特征向量,特征向量可以乘以任意复数,大小为1。
对于一个多重特征值,它的特征向量可以通过线性组合重新组合。例如,如果一个x=λx和一个y=λy,然后一个(x+y) =λ(x+y),所以x+y也是的特征向量一个.
一个方阵,一个
,是对称的,如果它等于它的非共轭转置,一个=。
.
用矩阵元素来表示,这意味着
由于实矩阵不受复共轭的影响,所以对称的实矩阵也是厄米矩阵。例如,矩阵
既是对称的又是厄密的。
一个方阵,一个
,是斜对称的,如果它等于它的非共轭转置的负,=——”。
.
用矩阵元素来表示,这意味着
由于实矩阵不受复共轭的影响,因此斜对称的实矩阵也是斜厄密矩阵。例如,矩阵
是斜对称的和斜厄密的。
一个方阵,一个
,是厄米矩阵,如果它等于它的复共轭转置,=“
.
用矩阵元素来表示,这意味着
厄米矩阵对角线上的项总是实数。由于实矩阵不受复共轭的影响,所以对称的实矩阵也是厄米矩阵。例如,矩阵
既是对称的又是厄密的。
厄米矩阵的特征值是实数。
一个方阵,一个
,是斜厄米矩阵,如果它等于它的复共轭转置的负,一个=——'
.
用矩阵元素来表示,这意味着
斜厄密矩阵对角线上的项总是纯虚数或零。由于实矩阵不受复共轭的影响,因此斜对称的实矩阵也是斜厄密矩阵。例如,矩阵
是斜厄米矩阵和斜对称的。
斜厄密矩阵的特征值是纯虚数或零。
的eig
函数可以计算实对称稀疏矩阵的特征值。为了计算一个稀疏矩阵的特征向量,或者计算一个非实的对称稀疏矩阵的特征值,使用eigs
函数。
eig
返回南
对于非限定的输入行为在R2021b中改变
eig
返回南
值,当输入包含非有限值时(正
或南
).在此之前,eig
当输入包含非有限值时抛出错误。
使用注意事项及限制:
V
可能代表一个不同的特征向量基。这种表示意味着生成的代码计算的特征向量在C和c++代码中可能与MATLAB中不同。的特征值D
可能和MATLAB中的顺序不一样。你可以验证V
和D
用特征值问题方程* V = V * D
.
对于标准特征值问题,[V D] = eig (A)
,当一个
代码生成是用厄米还是偏厄米舒尔
计算V
和D
.否则,结果[V D] = eig (A)
与使用的结果相似吗[V D] = eig(眼(大小(A)),“求”)
在MATLAB中,除了V
是标准化的。
如果你指定了LAPACK库回调类,那么代码生成器支持以下选项:金宝app
的“平衡”
和“nobalance”
标准特征值问题的选项。
左特征向量的计算。
输出是复杂的。
当输入矩阵包含非有限值时,生成的代码不会发出错误。相反,输出包含南
值。
代码生成不支持此函数的稀疏矩阵输入。金宝app
backgroundPool
或使用并行计算工具箱™加速代码ThreadPool
.这个函数完全支持基于线程的环境。金宝app有关更多信息,请参见在线程环境中运行MATLAB函数.
使用注意事项及限制:
只支持这些单输入参数语法:金宝app
e = eig (A)
[V D] = eig (A)
如果输入矩阵一个
包含南
或正
,则函数返回一个错误。
有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
使用注意事项及限制:
对于非对称全矩阵一个
,你必须使用eig (A,“nobalance”)
语法。
对于广义情况,eig (A, B)
,一个
和B
必须是实对称的或复厄米矩阵。此外,B
必须是正定的。
完整的分布式数组不支持以下语法:金宝app
(__) = eig (A,“平衡”)
对非对称一个
.
(__) = eig (A, B,“求”)
[V D W] = eig (A, B)
有关更多信息,请参见使用分布式数组运行MATLAB函数(并行计算工具箱).
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。