主要内容

具有指定根的多项式或特征多项式

描述

例子

p=聚r,在那里r是一个向量,返回多项式的系数它的根是它的元素r

例子

p=聚一个,在那里一个是一个n——- - - - - -n矩阵,返回n + 1矩阵特征多项式的系数,依据λ我- - - - - -一个).

例子

全部折叠

计算一个矩阵的特征值,一个

A = [1 8 -10;-4 2 4;-5 2 8]
一个=3×31 8 -10 -4 2 4 -5 2 8
e = eig(A)
e =3×1复杂11.6219 + 0.0000i -0.3110 + 2.6704i -0.3110 - 2.6704i

因为特征值在e的特征多项式的根是一个,使用的值来确定特征多项式e

P = poly(e)
p =1×41.0000 -11.0000 0.0000 -84.0000

使用要计算矩阵的特征多项式,一个

A = [1 2 3;4 5 6;7 8 0]
一个=3×31 2 3 4 5 6 7 8 0
p = poly(A)
p =1×41.0000 -6.0000 -72.0000 -27.0000

计算的根p使用.特征多项式的根是矩阵的特征值一个

R =根(p)
r =3×112.1229 -5.7345 -0.3884

输入参数

全部折叠

多项式根,表示为向量。

例子:聚[2 3])

例子:聚([2 -2 3 -3])

例子:保利(根(k))

例子:保利(eig (A))

数据类型:|
复数支持:金宝app是的

输入矩阵。

例子:保利([0 1;1 0])

数据类型:|
复数支持:金宝app是的

输出参数

全部折叠

多项式系数,作为行向量返回。

  • 如果输入是一个正方形n——- - - - - -n矩阵,一个,然后p的特征多项式的系数一个

  • 如果输入是根向量,r,然后p包含根在的多项式的系数r

在每种情况下,n + 1系数p描述多项式

p 1 x n + p 2 x n 1 + ... + p n x + p n + 1

提示

  • 为向量,R =根(p)而且P = poly(r)是彼此的逆函数,直到舍入误差、排序和缩放。

算法

所采用的算法而且说明现代特征值计算方法的一个有趣的方面。保利(A)的特征多项式一个,根(poly (A))求那个多项式的根,也就是的特征值一个.但是这两个而且使用eig,该方法基于相似度变换。经典的方法,将特征值描述为特征多项式的根,实际上是相反的。

如果一个是一个n——- - - - - -n矩阵,保利(A)产生系数(1页)通过p (n + 1),(1页)1,在

依据 λ 一个 p 1 λ n + ... + p n λ + p n + 1

算法是

z = eig(A);P = 0 (n+1,1);P (1) = 1;对于j = 1:n p(2:j+1) = p(2:j+1)-z(j)*p(1:j);结束

这个递归是通过展开乘积,

λ λ 1 λ λ 2 ... λ λ n

这是可以证明的保利(A)的舍入误差范围内,得到矩阵的特征多项式中的系数一个.这是成立的,即使特征值一个条件很差。传统的获取特征多项式的算法没有使用特征值,且不具有令人满意的数值性质。

扩展功能

R2006a之前介绍