214特征值和特征向量.doc

PAGE  PAGE 3 实验十四　特征值和特征向量 【实验目的】 了解特征值和特征向量的基本概念。 了解奇异值分解的基本概念。 学习掌握MATLAB软件有关的命令。 【实验准备】 1．特征值和特征向量的基本概念 如果是矩阵，满足，则称是矩阵的特征值，是矩阵的特征向量。如果是实对称矩阵，则特征值为实数，如果不对称，特征值常为复数。 2．矩阵的奇异值分解 奇异值分解在矩阵分析中具有极为重要的作用。奇异值分解的定义为：对于矩阵（不失一般性，设），若存在矩阵，使得，称为矩阵的奇异值分解三对组。其中， ，表示矩阵的共轭转置。 3．矩阵征值分解、奇异值分解的MATLAB命令 MATLAB中主要用eig求矩阵的特征值和特征向量，用svd求矩阵的奇异值分解。 eig(A) 计算矩阵A的特征值 [X,D]=eig(A) D的对角线元素是特征值，X是矩阵，特的列是相应的特征向量 s=svd(A) 假设矩阵A的行数大于列数，则s是矩阵A的n个奇异值构成的向量． [U,S,D]=svd(A) U,S,D为矩阵的奇异值分解三对组 可以用help eig, help svd查阅有关这些命令的详细信息 【实验方法与步骤】 练习1 求矩阵的特征值和特征向量 相应的MATLAB代码和计算结果为： A=[3 -1;-1 3] A = 3 -1 -1 3 eig(A)　　％的特征值 ans = 4 2 [X,D]=eig(A)　　％D的对角线元素是特征值，X是矩阵，特的列是相应的特征向量 X = -0.7071 -0.7071 0.7071 -0.7071 D = 4 0 0 2 练习２求矩阵的奇异值分解 相应的MATLAB代码和计算结果为： A=[2 3;4 5;8 4] A = 2 3 4 5 4 　　s=svd(A)　　％则s是矩阵A的２个奇异值构成的向量 s = 11.2889 　　2.5612 [U,S,V]=svd(A)　　％讲给出简洁方式的奇异值分解结果 U = 0.3011 0.4694 -0.8301 　　0.5491 0.6263 0.5534 0.7796 -0.6224 -0.0692 S = 11.2889 0 　　 0 　　 　 2.5612 0 　 0 V = 0.8004 -0.5995 0.5995 0.8004 [U,S,V]=svd(A,0) U = 0.3011 0.4694 0.5491 0.6263 0.7796 -0.6224 S = 11.2889 0 0 2.5612 V = 0.8004 -0.5995 0.5995 0.8004 【练习与思考】 求下列矩阵的全部特征值和特征向量 （1）；??2）； （3） 求下列矩阵的奇异值分解: （1） （2）