1 使用背景
求解特征模理论的方程[X][I] = λ[R][I]
2 基本用法
标准特征值问题
e = eig(A) 返回一个列向量,其中包含方阵 A 的特征值。
用法:
[V,D] = eig(A) 返回特征值的对角矩阵 D 和矩阵 V,其列是对应的右特征向量,使得 AV = VD。
[V,D,W] = eig(A) 还返回满矩阵 W,其列是对应的左特征向量,使得 W’A = DW’。
特征值问题是用来确定方程 Av = λv 的解,其中,A 是 n×n 矩阵,v 是长度 n 的列向量,λ 是标量。满足方程的 λ 的值即特征值。满足方程的 v 的对应值即右特征向量。左特征向量 w 满足方程 w’A = λw’。
广义特征值问题
e = eig(A,B) 返回一个列向量,其中包含方阵 A 和 B 的广义特征值。
用法:
[V,D] = eig(A,B) 返回广义特征值的对角矩阵 D 和满矩阵 V,其列是对应的右特征向量,使得 AV = BV*D。
[V,D,W] = eig(A,B) 还返回满矩阵 W,其列是对应的左特征向量,使得 W’A = DW’*B。
广义特征值问题是用来确定方程 Av = λBv 的解,其中,A 和 B 是 n×n 矩阵,v 是长度 n 的列向量,λ 是标量。满足方程的 λ 的值即广义特征值。对应的 v 的值即广义右特征向量。左特征向量 w 满足方程 w’A = λw’B。
[___] = eig(A,B,algorithm)(其中,algorithm 为 ‘chol’)使用 B 的 Cholesky 分解计算广义特征值。algorithm 的默认值取决于 A 和 B 的属性,但通常是 ‘qz’,表示使用 QZ 算法。
如果 A 为 Hermitian 并且 B 为 Hermitian 正定矩阵,则 algorithm 的默认值为 ‘chol’。
求解方程的两种结果
X和R分别为阻抗矩阵Z的虚部和实部,Z为对称矩阵,R为半正定实对称矩阵,因此可以求R的逆,化为标准特征值方程来求。
C=R\X
[J1,D1] = eig(C)
也可以直接求解 XI = λRI
现在,将上述两个矩阵传递给 eig 函数,计算广义特征值和右特征向量。
[J2,D2] = eig(X,R)
4 直接求解广义特征值方程和求解标准特征值方程
D1 | D2 |
---|---|
-0.112028123237884 | -0.112051670736131 |
-1.09629695880708 | -1.09627494008058 |
1.18584101556162 | 1.18579830918063 |
-1.62271183493405 | -1.62269239072422 |
-2.32579141998700 | -2.32578653735657 |
-12.5587164543098 | -12.5324805608695 |
得到的特征值是一样的,但是特征向量有差别是正常的,特征向量是一族向量,只是差了常数倍而已。