当前位置: 首页 > news >正文

MATLAB中rsf2csf函数用法

目录

语法

说明

示例

将实数 Schur 形式变换为复数 Schur 形式


        rsf2csf函数的功能是将实数 Schur 形式转换为复数 Schur 形式。

语法

[Unew,Tnew] = rsf2csf(U,T)

说明

        ​[Unew,Tnew] = rsf2csf(U,T) 将实矩阵 X 的 [U,T] = schur(X) 的输出从实数 Schur 形式变换为复数 Schur 形式。此操作变换 X 的特征值在 T 中的表示方式,并变换 U 以使 X = Unew*Tnew*Unew' 且 Unew'*Unew = eye(size(X))。

  • 在实数 Schur 形式中,T 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 实数分块:

这些分块表示的特征值是

  • 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

将实数 Schur 形式变换为复数 Schur 形式

        对一个实矩阵应用 Schur 分解,然后变换矩阵因子,使特征值恰好在主对角线上。

        创建一个实矩阵并计算 Schur 分解。U 因子是酉矩阵,因此,并且 T 因子是实数 Schur 形式,其复共轭特征值对表示为对角线上的 2×2 分块。

X = [1     1     1     31     2     1     11     1     3     1-2     1     1     4];
[U,T] = schur(X)
U = 4×4-0.4916   -0.4900   -0.6331   -0.3428-0.4980    0.2403   -0.2325    0.8001-0.6751    0.4288    0.4230   -0.4260-0.2337   -0.7200    0.6052    0.2466T = 4×44.8121    1.1972   -2.2273   -1.00670    1.9202   -3.0485   -1.83810    0.7129    1.9202    0.25660         0         0    1.3474

        T 在对角线上有两个实数特征值,还有一个 2×2 分块表示一对复共轭特征值。

        变换 U 和 T,使得 Tnew 是上三角矩阵,特征值在对角线上,并且 Unew 满足 X = Unew*Tnew*Unew'。

[Unew,Tnew] = rsf2csf(U,T)
Unew = 4×4 complex-0.4916 + 0.0000i  -0.2756 - 0.4411i   0.2133 + 0.5699i  -0.3428 + 0.0000i-0.4980 + 0.0000i  -0.1012 + 0.2163i  -0.1046 + 0.2093i   0.8001 + 0.0000i-0.6751 + 0.0000i   0.1842 + 0.3860i  -0.1867 - 0.3808i  -0.4260 + 0.0000i-0.2337 + 0.0000i   0.2635 - 0.6481i   0.3134 - 0.5448i   0.2466 + 0.0000iTnew = 4×4 complex4.8121 + 0.0000i  -0.9697 + 1.0778i  -0.5212 + 2.0051i  -1.0067 + 0.0000i0.0000 + 0.0000i   1.9202 + 1.4742i   2.3355 - 0.0000i   0.1117 + 1.6547i0.0000 + 0.0000i   0.0000 + 0.0000i   1.9202 - 1.4742i   0.8002 + 0.2310i0.0000 + 0.0000i   0.0000 + 0.0000i   0.0000 + 0.0000i   1.3474 + 0.0000i

提示

  • ​可以使用 ordeig 从 Schur 分解的结果中获得与 rsf2csf 相同的特征值排序。不过,rsf2csf 还返回 Schur 矩阵 T 和 Schur 向量矩阵 U 的余数,并变换为复数表示。

http://www.lryc.cn/news/425136.html

相关文章:

  • Java基础 文字小游戏
  • 「数组」归并排序 / if语句优化|小区间插入优化(C++)
  • 颠覆传统 北大新型MoM架构挑战Transformer模型,显著提升计算效率
  • 接口优化笔记
  • pandas 科学计数法显示
  • PHP正则替换字符串中的图片地址
  • 基于多商户AI智能名片商城小程序的粉丝忠诚度提升策略:深度融合足额法则与多维度激励体系
  • BigDecimal高精度运算
  • C/C++实现蓝屏2.0
  • Unity音频管理器插件AudioToolKit
  • 搜维尔科技:驾驶模拟器背后的技术: Varjo的虚拟/混合现实 (VR/XR)提供独特的优势,最终加快汽车开发创新的步伐
  • OSL 冠名赞助Web3峰会 “FORESIGHT2024”圆满收官
  • LeetCode 3148.矩阵中的最大得分:每个元素与其左或上元素之差的最大值(原地修改O(1)空间)
  • 主流的开源大型语言模型
  • 【自动驾驶】话题通信
  • 【Linux】中的软件安装:深入探索RPM、SRPM与YUM
  • uniapp自定义请求头信息header
  • SpringBoot整合Liquibase
  • 虚幻5|给武器添加碰撞检测与伤害
  • RESTful API设计指南:构建高效、可扩展的Web服务
  • 黑马头条vue2.0项目实战(九)——编辑用户资料
  • 43.【C语言】指针(重难点)(F)
  • 【STM32+HAL】杆球控制系统
  • 用Python实现9大回归算法详解——04. 多项式回归算法
  • vue打包更新packge.json版本号
  • 计算机视觉技术解析:从基础到前沿
  • unity游戏开发003:深入理解Unity中的坐标系
  • 伊索寓言两则
  • 嵌入式硬件产品开发:编码文件规则
  • 设计模式 - 组合模式