对于矩阵A, 已知它的一个近似的特征值,
一般特征值问题在已知特征值后,可确定齐次线性方程
不断循环,最后再将结果归一化,可收敛至近似的特征向量。
A
运行结果:
V =
-0.9923 0.1113 -0.0447 -0.0218
0.0574 0.1589 -0.0903 -0.9664
0.0725 0.3513 -0.9249 0.2372
0.0826 0.9159 0.3666 0.0970
E =
0.

这篇博客介绍了在MATLAB中,如何利用已知的近似特征值高效地求解特征向量。通过迭代方法,即使从随机初始向量开始,也能在两次迭代后得到准确的特征向量。当特征值范围较小时,使用Gersgorin圆盘定理能更快地估计特征向量。在在线数据处理中,这种方法对于更新统计量的特征向量估计也比每次都进行特征值分解更为高效。然而,对于100维矩阵的实验,发现在已知近似特征值时,虽然非齐次方程求解有效,但与直接使用`eig`函数的效率差异不大,可能受到for循环速度的影响。
最低0.47元/天 解锁文章
2762

被折叠的 条评论
为什么被折叠?



