matlab向量归一化_已知近似的特征值,求特征向量

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。

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
, 是一个齐次线性方程组,且有非零解,即可用null解得其解空间。然而,
在数值上行列式不严格为零,则无法用null求得非零解,此时,预设一个
,形成方程:
,
,

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.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值