# cdf2rdf
拟三角矩阵的特征值
函数库: TyMath
# 语法
Vnew,Dnew = cdf2rdf(V,D)
# 说明
Vnew,Dnew = cdf2rdf(V,D) 将实矩阵 X 的 D,V = eigen(X),D = diagm(D) 的输出从复数对角形转换为实数对角形。此操作将变换 X 的特征值在 D 中的表示方式,并变换 V 以使 X*Vnew = Vnew*Dnew。示例
在复数对角形中,D 是主对角线上具有复共轭特征值向量,沿对角线的一些特征值可能是实数,但假定复共轭特征值对是彼此相邻的;
在实数对角形中,Dnew 在对角线上有实数特征值,复数特征值表示为沿主对角线的 2×2 实数块:
这些分块表示的特征值是
和 在复数 Schur 形式中,Tnew 是上三角矩阵且所有特征值(实数或复数)都在主对角线上:
# 示例
将复数对角矩阵变换为实数块对角矩阵
计算实矩阵的特征值和特征向量,然后将复共轭特征值对变换为实数块。
求实矩阵的特征值和特征向量。
using TyMath
X = [1 1 1 1 1
0 4 5 1 1
0 -5 4 1 1
0 0 2 3 1
0 0 -3 -2 1];
D,V = eigen(X)
D = diagm(D)
D =
5×5 Matrix{ComplexF64}:
1.0+0.0im 0.0+0.0im 0.0+0.0im 0.0+0.0im 0.0+0.0im
0.0+0.0im 2.11986-0.701806im 0.0+0.0im 0.0+0.0im 0.0+0.0im
0.0+0.0im 0.0+0.0im 2.11986+0.701806im 0.0+0.0im 0.0+0.0im
0.0+0.0im 0.0+0.0im 0.0+0.0im 3.88014-5.10458im 0.0+0.0im
0.0+0.0im 0.0+0.0im 0.0+0.0im 0.0+0.0im 3.88014+5.10458im
V =
5×5 Matrix{ComplexF64}:
1.0+0.0im 0.159282+0.403142im 0.159282-0.403142im 0.0178674-0.135128im 0.0178674+0.135128im
0.0+0.0im 0.0704471+0.0267265im 0.0704471-0.0267265im -0.0130401-0.621446im -0.0130401+0.621446im
0.0+0.0im -0.126137-0.10316im -0.126137+0.10316im -0.636346-0.0im -0.636346+0.0im
0.0+0.0im -0.227861+0.416112im -0.227861-0.416112im -0.10449-0.208668im -0.10449+0.208668im
0.0+0.0im 0.744853-0.0im 0.744853+0.0im 0.115564+0.349721im 0.115564-0.349721im
D 包含一个实数特征值和两对复共轭特征值。
变换 V 和 D,使 Dnew 为实数块对角型,并且 Vnew 满足 X*Vnew = Vnew*Dnew
Vnew,Dnew = cdf2rdf(V,D)
Vnew =
5×5 Matrix{ComplexF64}:
1.0+0.0im 0.225259+0.0im 0.570128-0.0im 0.0252683+0.0im -0.1911-0.0im
0.0+0.0im 0.0996273+0.0im 0.037797-0.0im -0.0184414+0.0im -0.878857-0.0im
0.0+0.0im -0.178385+0.0im -0.145891-0.0im -0.899929+0.0im 0.0-0.0im
0.0+0.0im -0.322245+0.0im 0.588471-0.0im -0.147771+0.0im -0.295101-0.0im
0.0+0.0im 1.05338+0.0im 0.0-0.0im 0.163433+0.0im 0.49458-0.0im
Dnew =
5×5 Matrix{ComplexF64}:
1.0+0.0im 0.0+0.0im 0.0+0.0im 0.0+0.0im 0.0+0.0im
0.0+0.0im 2.11986+0.0im -0.701806+0.0im 0.0+0.0im 0.0+0.0im
0.0+0.0im 0.701806+0.0im 2.11986+0.0im 0.0+0.0im 0.0+0.0im
0.0+0.0im 0.0+0.0im 0.0+0.0im 3.88014+0.0im -5.10458+0.0im
0.0+0.0im 0.0+0.0im 0.0+0.0im 5.10458+0.0im 3.88014+0.0im
Dnew 仍有实数特征值,但复共轭特征值被替换为 2×2 的块。
注意
在不同 Windows 版本中运行,0.0im 前的符号可能会有些许差异。
验证结果正确性。
X*Vnew - Vnew*Dnew
5×5 Matrix{ComplexF64}:
0.0+0.0im -1.11022e-16+0.0im 0.0+0.0im 5.55112e-16+0.0im 0.0+0.0im
0.0+0.0im 1.38778e-16+0.0im 8.18789e-16+0.0im -1.77636e-15+0.0im -1.33227e-15+0.0im
0.0+0.0im -1.66533e-16+0.0im 2.77556e-16+0.0im -3.55271e-15+0.0im 1.77636e-15+0.0im
0.0+0.0im -1.77636e-15+0.0im 6.66134e-16+0.0im -2.22045e-15+0.0im -4.996e-16+0.0im
0.0+0.0im 1.77636e-15+0.0im -1.44329e-15+0.0im 3.10862e-15+0.0im 8.88178e-16+0.0im
可以看出验证结果接近 0 矩阵,说明结果正确。
# 输入参数
D - 对角特征值矩阵矩阵
对角特征值矩阵,指定为 D,V = eigen(X) 返回的矩阵。沿 D 的对角线的一些特征值可能是实数,但假设复共轭特征值对的彼此相邻的。
数据类型: Int | Float64 | Float32 | Float16
复数支持: 是
V - 右特征向量矩阵矩阵
右特征向量矩阵,指定为 D,V = eig(X) 返回的矩阵。
数据类型: Int | Float64 | Float32 | Float16
复数支持: 是
# 输出参数
Dnew - 变换后的对角特征值矩阵矩阵
变换后的对角特征值矩阵,以块对角实矩阵形式返回。D 中的复共轭特征值对被替换为沿 Dnew 中对角线的 2×2 实数块。
Vnew - 变换后的右特征向量矩阵矩阵
变换后的右特征向量矩阵,以矩阵形式返回。对 V 中的特征向量进行变换,使 X*Vnew = Vnew*Dnew 成立。在变换后,Vnew 的各个列不再是 X 的特征向量,但与 Dnew 中的 2×2 块关联的 Vnew 中的每对向量跨越对应的不变向量。