矩阵特征值的求解方法

2023-07-26 09:58发布

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

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
1条回答
2023-07-26 10:11 .采纳回答

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。

一周热门 更多>