MATLAB 中的特征值分解
我们将研究在 MATLAB 中将任何矩阵分解为其特征值和特征向量的不同方法。
在 MATLAB 中将矩阵的特征值分解为其特征值和特征向量
我们将使用不同的示例代码和相关输出来清除你的概念,并让你全面了解在 MATLAB 中将任何矩阵分解为其特征值和特征向量的方法。请注意,特征函数将矩阵分解为其组成部分。
它还使我们的矩阵或数据去相关。我们还使用它来减少矩阵的维度以降低复杂性。
我们也称这种分解矩阵对角化。
任何矩阵分解成它的特征值和特征向量可以是 Cholesky 分解或 Hessenberg 分解等,这取决于我们选择的要求。让我们通过查看以下示例来理解这些概念。
在 MATLAB 中使用 eig()
函数将任何矩阵分解为其特征值和特征向量
让我们假设一个方阵 M
。
$$
M\ =\ \begin{matrix}
1 & 2 & 3\
4 & 5 & 6\
7 & 8 & 9\
\end{matrix}
$$
方阵 M
具有特征值(标量λ
)和作为非零向量 A
的特征向量,当它们满足方程 MA = λA
时。我们得到一个满足 MV = VΛ
的矩阵,其对角矩阵具有特征值和矩阵 V
的列上的等效特征向量。
请注意,如果我们的矩阵 V
是一个非奇异矩阵,我们将我们的特征分解定义为 M = VΛV-1
。
让我们通过以下示例来理解这个概念。
代码:
M=[1 2 3;4 5 6;7 8 9]
lambda = eig(M)
[V,D] = eig(M)
输出:
在这个例子中,我们在向量矩阵 M
上使用了 eig(M)
函数。函数 eig(M)
返回一个对角矩阵。
我们将此矩阵表示为 D
。函数 eig(M)
还返回一个包含相应特征向量(我们的矩阵 M
的右特征向量)的矩阵。
矩阵 M
、输出向量 v
和对角矩阵 D
必须满足方程 M*V = V*D
。如果我们的矩阵 M
是实对称的、倾斜的 Hermitain 或 Herimitain,那么我们的矩阵 M
的特征向量将是正交的。
让我们通过另一个例子再次理解这个概念。
代码:
A = gallery('circul',3)
[V,D] = eig(A) %calculating eigenvalues-and-eigenvectors of our matrix
A*V - V*D %in order to varify our results
输出:
请注意,特征分解理想地满足方程 M*V = V*D
。但实际上,函数 eig()
使用浮点计算进行特征分解,因此 AV
只能近似 VD
。
换句话说,AV - VD
接近但不等于 0。
Mehak is an electrical engineer, a technical content writer, a team collaborator and a digital marketing enthusiast. She loves sketching and playing table tennis. Nature is what attracts her the most.
LinkedIn