Matlab学习矩阵分解,特征值，特征向量

最新推荐文章于 2023-12-19 10:48:53 发布

doubleslow;

最新推荐文章于 2023-12-19 10:48:53 发布

阅读量4.2k

点赞数 3

分类专栏： matlab 文章标签：矩阵分解

本文链接：https://blog.csdn.net/qq_36607894/article/details/99889144

版权

matlab 专栏收录该内容

43 篇文章 16 订阅

订阅专栏

文章目录

矩阵分解
特征值, 特征向量

矩阵分解

是把一个矩阵分解为多个矩阵连乘的形式
在这里插入图片描述
其中cholinc()和luinc()函数是针对稀疏矩阵的

在这里插入图片描述

1. 对称正定矩阵的Cholesky分解

在这里插入图片描述

a=pascal(4) % pascal矩阵是对称正定的
e=eig(a) % 返回由a的特征值构成的向量
b=chol(a)
c=b'*b

a =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
e =
    0.0380
    0.4538
    2.2034
   26.3047
b =
     1     1     1     1
     0     1     2     3
     0     0     1     3
     0     0     0     1
c =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
>>

2. 一般方阵的高斯消去法分解(LU分解)

在这里插入图片描述

a=pascal(4) % pascal矩阵是对称正定的
[L1, U1]=lu(a)
b=L1*U1==a
[L2,U2,P]=lu(a)
c=L2*U2==P*a
Y=lu(a)
Y1=L2+U2-eye(size(a))

a =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
L1 =
    1.0000         0         0         0
    1.0000    0.3333    1.0000         0
    1.0000    0.6667    1.0000    1.0000
    1.0000    1.0000         0         0
U1 =
    1.0000    1.0000    1.0000    1.0000
         0    3.0000    9.0000   19.0000
         0         0   -1.0000   -3.3333
         0         0         0   -0.3333
b =
  4×4 logical 数组
   1   1   1   1
   1   1   1   1
   1   1   1   1
   1   1   1   1
L2 =
    1.0000         0         0         0
    1.0000    1.0000         0         0
    1.0000    0.3333    1.0000         0
    1.0000    0.6667    1.0000    1.0000
U2 =
    1.0000    1.0000    1.0000    1.0000
         0    3.0000    9.0000   19.0000
         0         0   -1.0000   -3.3333
         0         0         0   -0.3333
P =
     1     0     0     0
     0     0     0     1
     0     1     0     0
     0     0     1     0
c =
  4×4 logical 数组
   1   1   1   1
   1   1   1   1
   1   1   1   1
   1   1   1   1
Y =
    1.0000    1.0000    1.0000    1.0000
    1.0000    3.0000    9.0000   19.0000
    1.0000    0.3333   -1.0000   -3.3333
    1.0000    0.6667    1.0000   -0.3333
Y1 =
    1.0000    1.0000    1.0000    1.0000
    1.0000    3.0000    9.0000   19.0000
    1.0000    0.3333   -1.0000   -3.3333
    1.0000    0.6667    1.0000   -0.3333
>>

3. 舒尔分解

在这里插入图片描述

a=pascal(4) % pascal矩阵是对称正定的
[U,S]=schur(a) % S矩阵对角线上是特征值
eig(a) % a的特征值构成的向量
U*U'  % 等于单位阵E
U*S*U'-a % 验证

a =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
U =
    0.3087   -0.7873    0.5304    0.0602
   -0.7231    0.1632    0.6403    0.2012
    0.5946    0.5321    0.3918    0.4581
   -0.1684   -0.2654   -0.3939    0.8638
S =
    0.0380         0         0         0
         0    0.4538         0         0
         0         0    2.2034         0
         0         0         0   26.3047
ans =
    0.0380
    0.4538
    2.2034
   26.3047
ans =
    1.0000   -0.0000    0.0000   -0.0000
   -0.0000    1.0000    0.0000   -0.0000
    0.0000    0.0000    1.0000    0.0000
   -0.0000   -0.0000    0.0000    1.0000
ans =
   1.0e-14 *
         0    0.0222    0.0444         0
    0.0444         0    0.0888    0.0888
    0.0444    0.0888    0.4441         0
         0    0.0888    0.1776    0.3553
>>

4. 矩形矩阵的正交分解

在这里插入图片描述

a=pascal(4) % pascal矩阵是对称正定的
[q1, r1] = qr(a)
q1*r1
q1*q1'
b=[1 2 3;4 5 6;7 8 9;3 5 7];
[q2,r2]=qr(b)
rank_b=rank(b) % b的秩和r2的非零行相同

a =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
q1 =
   -0.5000    0.6708    0.5000    0.2236
   -0.5000    0.2236   -0.5000   -0.6708
   -0.5000   -0.2236   -0.5000    0.6708
   -0.5000   -0.6708    0.5000   -0.2236
r1 =
   -2.0000   -5.0000  -10.0000  -17.5000
         0   -2.2361   -6.7082  -14.0872
         0         0    1.0000    3.5000
         0         0         0   -0.2236
ans =
    1.0000    1.0000    1.0000    1.0000
    1.0000    2.0000    3.0000    4.0000
    1.0000    3.0000    6.0000   10.0000
    1.0000    4.0000   10.0000   20.0000
ans =
    1.0000   -0.0000   -0.0000         0
   -0.0000    1.0000         0    0.0000
   -0.0000         0    1.0000   -0.0000
         0    0.0000   -0.0000    1.0000
q2 =
   -0.1155    0.4642   -0.0789   -0.8746
   -0.4619    0.0244    0.8866   -0.0060
   -0.8083   -0.4154   -0.4102   -0.0768
   -0.3464    0.7819   -0.1988    0.4787
r2 =
   -8.6603  -10.7387  -12.8172
         0    1.6371    3.2741
         0         0   -0.0000
         0         0         0
rank_b =
     2
>>

特征值, 特征向量

在这里插入图片描述

a=pascal(4) % pascal矩阵是对称正定的
b=eig(a)
[X,D]=eig(a) % X的列向量是a的特征向量
a*X(:,1)
b(1)*X(:,1)
a*X
X*D

a =
     1     1     1     1
     1     2     3     4
     1     3     6    10
     1     4    10    20
b =
    0.0380
    0.4538
    2.2034
   26.3047
X =
    0.3087   -0.7873    0.5304    0.0602
   -0.7231    0.1632    0.6403    0.2012
    0.5946    0.5321    0.3918    0.4581
   -0.1684   -0.2654   -0.3939    0.8638
D =
    0.0380         0         0         0
         0    0.4538         0         0
         0         0    2.2034         0
         0         0         0   26.3047
ans =
    0.0117   -0.3573    1.1686    1.5832
   -0.0275    0.0741    1.4109    5.2918
    0.0226    0.2415    0.8634   12.0497
   -0.0064   -0.1204   -0.8679   22.7207
ans =
    0.0117   -0.3573    1.1686    1.5832
   -0.0275    0.0741    1.4109    5.2918
    0.0226    0.2415    0.8634   12.0497
   -0.0064   -0.1204   -0.8679   22.7207
ans =
    0.0117
   -0.0275
    0.0226
   -0.0064
ans =
    0.0117
   -0.0275
    0.0226
   -0.0064
>>

doubleslow;

关注

3
点赞
踩
29

收藏

觉得还不错? 一键收藏
0
评论
Matlab学习矩阵分解,特征值，特征向量

文章目录1. 对称正定矩阵的Cholesky分解2. 一般方阵的高斯消去法分解(LU分解)3. 舒尔分解4. 矩形矩阵的正交分解矩阵分解是把一个矩阵分解为多个矩阵连乘的形式其中cholinc()和luinc()函数是针对稀疏矩阵的1. 对称正定矩阵的Cholesky分解a=pascal(4) % pascal矩阵是对称正定的e=eig(a) % 返回由a的特征值构成的向量b=ch...
复制链接

扫一扫