【Matlab】特征值分解eig和奇异值分解svd

前言：当A是方阵时，使用eig特征值分解和实验svd奇异值分解，有什么异同？

（1）特征值分解：函数eig

格式：[V,D] = eig(A) %计算A的特征值对角阵D和特征向量V，使AV=VD成立。

注意：特征值分解时，使用eig，矩阵A必须是方阵。

A = [0 1;1 1];
[V,D] = eig(A)V =  -0.8507    0.52570.5257    0.8507D =-0.6180         00    1.6180

（2）奇异值分解：函数svd

格式：[U,S,V] = svd (X) %返回一个与X同大小的对角矩阵S，两个酉矩阵U和V，且满足= U*S*V'。若A为m×n阵，则U为m×m阵，V为n×n阵。奇异值在S的对角线上，非负且按降序排列。

注意：奇异值分解时，使用svd，当矩阵A是方阵时，对角矩阵S的对角元素就是A的特征值；从这一点出发，如果只是为了求特征值，无论是eig还是svd都可以完成任务。

特别注意一点，如果想求特征向量，svd奇异值分解得到的无论是U还是V都与eig特征值分解得到的V不一样。

>> [U,S,V] = svd (A)U =-0.5257   -0.8507-0.8507    0.5257S =1.6180         00    0.6180V =-0.5257    0.8507-0.8507   -0.5257

（3）总结：

相同点：当矩阵A是方阵时，svd奇异值分解得到的对角矩阵S的对角元素与eig特征值分解得到的特征值D相同。

【Matlab】特征值分解eig和奇异值分解svd相关推荐

矩阵分解之: 特征值分解(EVD)、奇异值分解(SVD)、SVD++
目录: 1.矩阵分解 1.1 矩阵分解的产生原因 1.2 矩阵分解作用 1.3 矩阵分解的方法 1.4 推荐学习的经典矩阵分解算法 2. 特征值分解(EVD) 3. 奇异值分解(SVD) 4. SVD ...
矩阵分解之特征值分解(EVD)、奇异值分解(SVD)、SVD++
矩阵分解之: 特征值分解(EVD).奇异值分解(SVD).SVD++_人鱼线的博客-CSDN博客_evd分解矩阵的特征分解和奇异值(SVD)分解--求法和意义_奔跑的Yancy的博客-CSDN博客_ ...
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
最近我们被客户要求撰写关于特征值分解的研究报告,包括一些图形和统计输出. R语言是一门非常方便的数据分析语言,它内置了许多处理矩阵的方法. 作为数据分析的一部分,我们要在有价证券矩阵的操作上做一些工作 ...
矩阵的各种分解: LU分解, QR分解, 特征分解, 对称对角化, 奇异值分解 SVD
本文主要关注的是有关 "怎样的矩阵能够进行 XX 分解" 的问题,具体分解的实现方式在这里不做归纳. 欢迎访问我的个人主页 zhekaili.github.io,已查看更多的线性代 ...
线性代数学习笔记10-2：特征值分解EVD/奇异值分解SVD的几何意义
前置知识矩阵对应于线性变换,并且要明确讨论所依赖的基(坐标系):同一个变换,在不同的基下对应的矩阵不同具体来说,矩阵中的列向量对应了基变换,而基的变换造成了原空间中所有向量的变换 B = P − ...
特征值分解，奇异值分解svd
特征值分解: 特征值分解(Eigen decomposition),又称谱分解(Spectral decomposition)是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法.需要注意只有方阵才 ...
python实现特征值分解与奇异值分解
python实现特征值分解与奇异值分解 python实现特征值分解 python实现奇异值分解参考链接 python实现特征值分解拉普拉斯矩阵的谱分解,谱图卷积,图卷积演变过程特征值(eigen ...
奇异值分解(SVD)原理详解及推导（转）
很不错的文章,适合入门. 转载出处http://blog.csdn.net/zhongkejingwang/article/details/43053513 在网上看到有很多文章介绍SVD的,讲的也都 ...
【机器学习】这次终于彻底理解了奇异值分解(SVD)原理及应用
奇异值分解(Singular Value Decomposition,以下简称SVD)是在机器学习领域广泛应用的算法,有相当多的应用与奇异值都可以扯上关系,它不光可以用于降维算法中的特征分解,比如做f ...