矩阵计算
文章平均质量分 70
Sarielllll
这个作者很懒,什么都没留下…
展开
-
【矩阵计算】特征值计算
一、理论基础1、Schur分解如果复矩阵𝐴∈𝐶^(𝑛×𝑛),那么存在一个酉矩阵Q∈𝐶^(𝑛×𝑛),使得 Q^H AQ=T=D+N这里D=diag(μ1,⋯,μ𝑛),𝑁∈𝐶^(𝑛×𝑛)是严格上三角矩阵。进一步可以选取𝑄Q使得特征值μ𝑖"μ" _i沿对角线按任一给定的次序出现。2、Schur分解唯一性当A时正规矩阵(A^H A=AA^H),此时酉矩阵Q是存在唯一的。二、非对称特征值计算1.幂法计算非对称矩阵特征值function [rou,iter]=powermeth原创 2022-04-08 09:33:58 · 5816 阅读 · 0 评论 -
【Matlab】零散语法
1.矩阵拼接①直接拼接 A=[1,2;3,4];B=[5,6;7,8];拼接:[A;B]; 即得到矩阵[1,2;3,4;5,6;7,8];②使用cat函数没试过 略2.向量用指定数扩维有个向量是1*4000的,现在想让它变成1*4096,行里多出来的96个元素全为元素nA(4001:4096) =n*ones(1,96); %n为你想要添加的数字。Python好像有类似的指令,也对比一下,使用的是numpy。x原先为1维(只有轴axis=0)的数组,使用expand_d.原创 2022-03-25 21:22:51 · 929 阅读 · 0 评论 -
【矩阵计算】QR分解-基于Householder变换
一、QR分解QR分解是将一个矩阵分解为正交矩阵和三角矩阵的乘积。QR分解被广泛应用于线性最小二乘问题的求解和矩阵特征值的计算。定义2.4.1 如果实矩阵A∈R^(m×n)能化成正交矩阵Q∈R^(m×m)与上三角矩阵R∈R^(m×n)的乘积,即A=QR,则称其为A的QR分解。二、QR分解存在性证明:基于Householder变化实现已知,通过Householder变换,我们可以将任何一个非零向量x∈R^n转化为‖x‖2*e1,即除第一个元素外,其它元素均为零。下面通过Household原创 2022-03-18 15:45:55 · 14835 阅读 · 0 评论