[高维随机矩阵-2] 特征值和特征向量

最新推荐文章于 2022-12-02 19:34:32 发布

未济2019

最新推荐文章于 2022-12-02 19:34:32 发布

阅读量1.5k

点赞数 1

分类专栏：高维随机矩阵

本文链接：https://blog.csdn.net/lizhe_dashuju/article/details/119863738

版权

本文介绍了随机矩阵理论的基础知识，包括随机矩阵的定义、生成随机矩阵的方法，如rand函数，以及非对称和对称矩阵的特征值特性。文中提到了在Octave中验证矩阵与特征向量关系的注意事项，并简要提及了GOE（高斯正交系综）的概念。

摘要由CSDN通过智能技术生成

本系列主要按照《Introduction to random matrices theory and practice》进行，后续不再一一声明。每次使用新资料，都会在第一次使用时声明，后续也不再一一生明。

1. 本书目标读者是绝对的零基础人员。

2.随机矩阵理论random matirx theory，RMT

3.本书代码地址 https://github.com/RMT-TheoryAndPractice/RMT

4.随机矩阵：矩阵，它的元素是随机变量。用处很大，任何用矩阵表示的数据，都可以用随机矩阵重新解决。

5.randn函数，产生一个矩阵，这个矩阵的每个元素，是均值为0方差为1的正态分不。

在octave的命令行输入 “M1=rand(2)”，返回结果是：

M1 =

   1.64246   0.59412
  -0.60207   0.71315

返回的矩阵是非对称矩阵，也就是M1 != M1'

6.非对称矩阵的特征值是通常是复数

octave:54> M1 = randn(4)
M1 =

   0.170746  -1.035108   0.874622  -0.572469
   0.877188  -0.891650   1.154257  -1.806621
  -0.608013   0.311244   1.302612   1.083205
   1.015893  -0.381873  -2.076392  -0.030389

octave:55> [V, LAMBDA] = eigs(M1)
V =

  -0.40280 - 0.41