matlab矩阵的分解.doc

第三章 矩阵的分解 (一) 矩阵的特征值与特征向量(Eigenvalues and EigenVectors) 1. 矩阵的特征值与特征向量 解Ax=λx 运算式中的λ及其所对应的非零的向量x , 我们称λ/ x 为矩阵A的 特征值与特征向量。 改写原式为 , (A-λI) x = 0 , I 是单位矩阵, 我们令P(λ) = det(A-λI) = 0, 则 P(λ)的展开式称为矩阵 A 的特征多项式, 解出矩阵 A 的特征多项式 , 就可得矩阵 A 的所有eigenvalues 。再将每一个 eigenvalue 代入原式中, 即可求出其相对应的 eigenvectors 。 例 1 : 解矩阵A = [ -9 -3 -16 ; 13 7 16; 3 3 10] 的特征值与特征向量。 【解 1】 先利用函数 poly() 求出矩阵 A 的特征多项式, 再用roots()函数 , 求出特征多项式所有的根。 A=[ -9 -3 -16; 13 7 16; 3 3 10 ] ; poly(A) %利用一个向量来储存此多项式的系数 roots(poly(A)) ans = 1.0000 -8.0000 -44.0000 240.0000 ans = 10.0000 4.0000 -6.0000 上面输出结果中, 第一个 ans 是 A 的特征多项式的系数, 即 第二个 ans 是 A 的eigenvalues : 10, 4, -6 接着针对某个特征值 , 我们找出其对应之特征向量 利用 rref() 函数, 求出 (A-λI) 的 row reduced echelon form或是 利用 null() 函数, 求出 (A-λI) null space 的基底向量 A = [ -9 -3 -16; 13 7 16; 3 3 10 ]; rref(A - 10*eye(size(A))) null(A - 10*eye(size(A))) ans = 1 0 1 0 1 -1 0 0 0 ans = 0.5774 -0.5774 -0.5774 上面输出结果中, 第一个 ans 是的 reduced row echelon form 即 令 , 得 为 10所对应的eigenvectors 第二个 ans 是 null space 的基底向量, 这个基底向量 的长度为1. 上述的解x, 当取 t=-1再除以norm(x), 即可得这个 基底向量。 依此方法, 将其他的 eigenvectors