Eigensystem
Eigensystem[m]
给出方阵 m 的特征值和特征向量构成的列表 {values,vectors}.
Eigensystem[{m,a}]
给出关于 a 的 m 的广义的特征值和特征向量.
Eigensystem[m,k]
给出 m 的前 k 个的特征值和特征向量.
Eigensystem[{m,a},k]
给出前 k 个特征值和特征向量.
更多信息和选项
- 如果 m 包含近似实数或复数,Eigensystem 求数值特征值和特征向量.
- 对于近似数值矩阵 m,特征向量被规范化. »
- 对于精确或者符号矩阵 m,特征向量不进行正则化处理. »
- 所有给出的非零特征值都是线性无关的. 如果特征向量的个数等于非零特征值的个数,则相应特征值和特征向量在相应位置分别用它们的列表给出. 特征值对应于特征向量矩阵中的行.
- 如果特征值比无关的特征向量多,则每个特定的特征值会跟上一个零向量. »
- 如果是数值,特征值是按绝对值减小的顺序排序的.
- 特征值和特征向量满足矩阵方程 m.Transpose[vectors]==Transpose[vectors].DiagonalMatrix[values]. »
- 广义的有限特征值和特征向量满足 m.Transpose[vectors]==a.Transpose[vectors].DiagonalMatrix[values]. »
- 普通特征值总是有限的;广义特征值可以是无限的. 无限广义特征值对应于有 的 . »
- 当矩阵 m 和 a 具有维数为 的共用零空间时,其广义特征值中的 为 Indeterminate,并会与广义特征向量列表中的零向量配对. »
- {vals,vecs}=Eigensystem[m] 可以用 vals 和 vecs 表示相应的特征值和特征向量. »
- 对于数值特征值,Eigensystem[m,k] 给出绝对值最大的 k 个特征值和对应的特征向量.
- Eigensystem[m,-k] 给出绝对值最小的 k 个特征值和相应的特征向量.
- Eigensystem[m,spec] 等价于应用 Take[…,spec] 到 Eigensystem[m] 的每个元素.
- Eigensystem[m,UpTo[k]] 给出 k 个特征值及相应的特征向量,如果个数不足,则尽可能多的给出特征值及相应的特征向量.
- 可在 Eigensystem 中使用 SparseArray 对象和结构化数组.
- Eigensystem 具有下列选项和设置:
-
Cubics False 是否使用根式求解三次曲线 Method Automatic 选择使用的方法 Quartics False 是否使用根式求解四次曲线 ZeroTest Automatic 检验表达式是否为零 - ZeroTest 选项只应用于精确和符号矩阵.
- 近似数值矩阵的显式 Method 设置包括:
-
"Arnoldi" Arnoldi 迭代方法,以求解一些特征值 "Banded" 厄米特矩阵的带状矩阵直接求解器 (direct banded matrix solver) "Direct" 求解所有特征值的直接方法 "FEAST" FEAST 迭代方法,以求解某区间内的特征值(只应用于 Hermitian 矩阵) - 当应用于对称或 Hermitian 矩阵时,"Arnoldi" 方法也称为 Lanczos 方法.
- "Arnoldi" 和 "FEAST" 方法使用子选项 Method ->{"name",opt1->val1,…},它可以在 Method 子章节中找到.
范例
打开所有单元关闭所有单元范围 (19)
基本用法 (6)
CenteredInterval 矩阵的特征系统:
特征值子集 (5)
特殊矩阵 (4)
选项 (10)
Cubics (1)
Method (8)
"Arnoldi" (5)
Arnoldi 方法可用于机器和任意精度矩阵. Arnoldi 方法的实现基于 "ARPACK" 程序库. 它对于大型稀疏矩阵很有用.
"BasisSize" | the size of the Arnoldi basis | |
"Criteria" | which criteria to use | |
"MaxIterations" | the maximum number of iterations | |
"Shift" | the Arnoldi shift | |
"StartingVector" | the initial vector to start iterations | |
"Tolerance" | the tolerance used to terminate iterations |
"Magnitude" | based on Abs | |
"RealPart" | based on Re | |
"ImaginaryPart" | based on Im | |
"BothEnds" | a few eigenvalues from both ends of the symmetric real matrix spectrum |
使用不同的 "Criteria" 设置,计算最大特征向量. 矩阵 m 具有特征值 :
默认情况下,"Criteria"->"Magnitude" 选择对应于最大幅度特征对:
使用 "Shift"->μ 通过将矩阵 变换为 平移特征值. 这保持了特征向量,但是将特征值改变了 -μ. 方法对变化了的特征值进行补偿. "Shift" 通常用于求没有选择最大或者最小幅度的标准的特征对:
"FEAST" (2)
FEAST 方法可用于实对称或者复赫米特机器精度矩阵. 该方法对于在给定区间内寻找特征值最有用.
"ContourPoints" | select the number of contour points | |
"Interval" | an interval for finding eigenvalues | |
"MaxIterations" | the maximum number of refinement loops | |
"NumberOfRestarts" | the maximum number of restarts | |
"SubspaceSize" | the initial size of subspace | |
"Tolerance" | the tolerance to terminate refinement | |
"UseBandedSolver" | whether to use a banded solver |
应用 (16)
特征系统的几何学 (3)
用 CoefficientArrays 得到二次形式的对称矩阵:
对角化 (5)
现在可以将矩阵的任何函数以 的形式计算. 例如,MatrixPower:
同样,只需要对 的对角线元素求幂可使 MatrixExp 变为平凡:
令 为其标准矩阵由矩阵 给出的线性变换. 求 的基 ,其性质为 在该基 中的表示为对角矩阵:
实值对称矩阵可正交对角化为 ,其中 为实对角矩阵且 为正交矩阵. 验证以下矩阵是否对称,并进行对角化:
如果 ,则矩阵称为正规矩阵. 正规矩阵是可以通过酉变换进行对角化的最通用的矩阵类型. 所有实对称矩阵 都是正规矩阵,因为等式的两边都仅为 :
使用 NormalMatrixQ 进行验证:
微分方程和动力系统 (4)
求解常微分方程 (ODE) 方程组 , , . 首先,构造右侧的系数矩阵 :
使用 DSolveValue 验证解:
假设一个粒子在平面力场中运动,其位置向量 满足 且 ,其中 和 为如下. 当 时求解初始问题:
方程组的通解为 . 使用 LinearSolve 确定系数:
使用 DSolveValue 验证该解:
求特征值和特征向量,使用 Chop 丢弃小数值误差:
物理学 (4)
在量子力学中,状态由复单位向量表示,物理量由厄米特线性算子表示. 特征值表示可能的观测值,关于特征向量的分量的模的平方表示这些观测值的概率. 对于给定的自旋算子 和状态 ,找出可能的观测值及其概率:
在量子力学中,能量算子称为哈密顿量 ,根据薛定谔方程 具有能量 的状态. 给定 方向上恒定磁场中自旋 1 粒子的哈密顿量,求处于初始状态 表示表示 的粒子在时间 的状态:
惯性矩是一个实对称矩阵,描述了刚体对不同方向旋转的阻力. 该矩阵的特征值称为主惯性矩,相应的特征向量(必须正交)称为主轴. 求下列四面体的主惯性矩和主轴:
广义特征系统可用于找到解耦项的耦合振荡的正规模. 思考图中所示的系统:
属性和关系 (17)
Eigensystem[m] 等价于 {Eigenvalues[m],Eigenvectors[m]}:
如果同时需要特征向量和特征值,仅调用 Eigensystem 通常会更有效:
当且仅当 DiagonalizableMatrixQ[m] 为 True 时矩阵 m 有一组完整的特征向量:
对于可对角化矩阵,Eigensystem 将函数应用简化为对特征值的应用:
用 MatrixExp 计算矩阵的指数:
因为特征值是按绝对值排序的,所以会给出相同的值但相反的顺序:
SingularValueDecomposition[m] 由 和 的特征系统构建:
JordanDecomposition[m] 返回由特征值和特征向量构建的矩阵 :
矩阵是具有特征值项的对角矩阵,但可能与 Eigensystem 的顺序不同:
对于数值正规矩阵 ,SchurDecomposition[n,RealBlockDiagonalFormFalse]:
t 矩阵是具有特征值项的对角矩阵,但可能与 Eigensystem 的顺序不同:
要验证 q 是否将特征向量作为列,请将每个向量的第一项设置为 1. 以消除 q 和 v 之间的相位差:
如果矩阵共用维度为 的零空间,则其广义特征值的 为 Indeterminate,且特征向量列表将用零填充:
的两个广义特征值是 Indeterminate 并产生零向量:
因此, 的一个广义特征值为 Indeterminate 并产生一个零向量:
可能存在的问题 (5)
文本
Wolfram Research (1988),Eigensystem,Wolfram 语言函数,https://reference.wolfram.com/language/ref/Eigensystem.html (更新于 2024 年).
CMS
Wolfram 语言. 1988. "Eigensystem." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2024. https://reference.wolfram.com/language/ref/Eigensystem.html.
APA
Wolfram 语言. (1988). Eigensystem. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/Eigensystem.html 年