特征向量怎么求

Posted 2023-04-15

特征向量怎么求

从定义出发，Ax=cx：A为矩阵，c为特征值，x为特征向量。 

矩阵A乘以x表示，对向量x进行一次转换（旋转或拉伸）（是一种线性转换），而该转换的效果为常数c乘以向量x（即只进行拉伸）。 

通常求特征值和特征向量即为求出该矩阵能使哪些向量（当然是特征向量）只发生拉伸，使其发生拉伸的程度如何（特征值大小）。

扩展资料：

数值计算的原则：

在实践中，大型矩阵的特征值无法通过特征多项式计算，计算该多项式本身相当费资源，而精确的“符号式”的根对于高次的多项式来说很难计算和表达：阿贝尔－鲁费尼定理显示高次（5次或更高）多项式的根无法用n次方根来简单表达。

对于估算多项式的根的有效算法是有的，但特征值的小误差可以导致特征向量的巨大误差。求特征多项式的零点，即特征值的一般算法，是迭代法。最简单的方法是幂法：取一个随机向量v，然后计算一系列单位向量。

参考技术A

这个题本身比较简单，但是为了说明一般过程，还是一步步按照正常流程来做。

先求特征值，再求基础解析，最后求特征向量：

以上，请采纳。

参考技术B

矩阵的特征方程式是：

A * x = lamda * x

这个方程可以看出什么？矩阵实际可以看作一个变换，方程左边就是把向量x变到另一个位置而已；右边就是把向量x作了一个拉伸，拉伸量是lamda。那么它的意义就很明显了，表达了矩阵A的一个特性就是这个矩阵可以把向量x拉长（或缩短）lamda倍，仅此而已。

任意给定一个矩阵A，并不是对所有的x它都能拉长（缩短）。凡是能被A拉长（缩短）的向量称为A的特征向量(Eigenvector)；拉长（缩短）量就为这个特征向量对应的特征值（Eigenvalue）。

值得注意的是，我们说的特征向量是一类向量，因为任意一个特征向量随便乘以一个标量结果肯定也满足以上方程，当然这两个向量都可以看成是同一个特征向量，而且它们也都对应同一个特征值。

如果特征值是负数，那说明了矩阵不但把向量拉长（缩短）了，而且让向量指向了相反的方向。

扩展资料

矩阵的意义上，先介绍几个抽象概念：

1、核：

所有经过变换矩阵后变成了零向量的向量组成的集合，通常用Ker(A)来表示。假如你是一个向量，有一个矩阵要来变换你，如果你不幸落在了这个矩阵的核里面，那么很遗憾转换后你就变成了虚无的零。

特别指出的是，核是“变换”(Transform)中的概念，矩阵变换中有一个相似的概念叫“零空间”。有的材料在谈到变换的时候使用T来表示，联系到矩阵时才用A，本文把矩阵直接看作“变换”。核所在的空间定义为V空间，也就是全部向量原来在的空间。

2、值域：

某个空间中所有向量经过变换矩阵后形成的向量的集合，通常用R（A）来表示。假设你是一个向量，有一个矩阵要来变换你，这个矩阵的值域表示了你将来可能的位置，你不可能跑到这些位置之外。值域的维度也叫做秩（Rank）。值域所在的空间定义为W空间。W空间中不属于值域的部分等会儿我们会谈到。

3、空间：

向量加上加、乘运算构成了空间。向量可以（也只能）在空间中变换。使用坐标系（基）在空间中描述向量。

不管是核还是值域，它们都是封闭的。意思是如果你和你的朋友困在核里面，你们不管是相加还是相乘都还会在核里面，跑不出去。这就构成了一个子空间。值域同理。

参考技术C 1.先求出矩阵的特征值: |A-λE|=0
2.对每个特征值λ求出(A-λE)X=0的基础解系a1,a2,..,as
3.A的属于特征值λ的特征向量就是 a1,a2,...,as 的非零线性组合

满意请采纳. 参考技术D 给定n阶矩阵A，先令ⅠA-λEⅠ=0求出所有特征值。然后把各个特征值代入A-λE，然后进行初等行变换，得到齐次方程组的系数矩阵，然后解该系数矩阵的通解，这就得到一个特征向量。依此求出其他特征值对应的特征向量。

急求，matlab中， 已知矩阵A，已完成对A的QR分解，下一步求A的特征值和特征向量，程序怎么编写？

已针对矩阵A用自己编写函数[q,r]=qrhs(A)完成了QR分解，要求A的特征值和特征向量该怎么求呢？只会求其特征值，特征向量不知道从哪写起。我的算法：
function I = tzzhs(A,M,j)%基于householder法求特征值的函数
%六阶矩阵:A 求矩阵特征值:I
for i=1:M %多次迭代
[q,r]=qrhs(A);
A = r*q;
I = diag(A);
end
问题1 如何在上述程序的基础上求出特征向量？求程序
2 对求的特征向量验证正确性
3 我要分析迭代次数M对特征值的影响，取M=5,10,50,100，但是对六阶实对称阵而言，现象不明显；对六阶复对称真而言，没有什么规律可言。是什么原因？急，请多指点，不尽感激！

楼主的问题是自己写程序完成矩阵的QR分解，既然是迭代实现QR分解，就与矩阵论中说的计算特征值和特征向量的方法有些区别了。大体的步骤应该是首先将矩阵化成双对角矩阵，然后追赶计算特征值和特征向量，程序代码可以参考 徐士良编的 常用数值算法 c语言描述追问

是的，前面已完成了QR分解，就剩求特征值和特征向量，并完成迭代次数对特征值影响的分析了，是要用matlab的语言编写的，能在我编写的程序上略加指点吗？因为比较急，可能没时间看参考书了。
另外问一下：对A采用了两种QR基本算法得到的两个正交阵Q1和Q2，假设他俩是差不多的，就是对应元素相同，现在要对其分析画图等，即使验证这两个矩阵是接近相同的，通常有哪几种表述方法，比较直观呢？

参考技术A 求特征向量用matlab中eig命令

第三个问题应该是阶段误差的原因吧！追问

不用matlab自带的库函数，求QR分解和特征值特征向量都得自己编写。
阶段误差是指？我取的值没有代表性吗？我感觉是我编写的迭代法求特征值太简单了。求解答

追答

“截断误差” ，这个问题我不是很确定，“我取的值没有代表性吗？” 不应该这样讲 是递增的就可以
没时间看参考书我就不推荐了

matlab语言就是简单，你改用fortran试试，就麻烦了，呵呵