我正在寻找在 Matlab 中解决广义特征向量和特征值问题。为此,我测试了 2 种方法。
然后,我们可以在每一边乘以 B^(-1),例如:
所以,从理论上讲,这是一个简单而经典的特征值问题。
最后,在 Matlab 中,我简单地使用了
A=FISH_sp
和 B=FISH_xc
:[Phi, Lambda] = eig(inv(FISH_xc)*FISH_sp);
但是当我在一个简单的 Fisher 合成之后做出的结果是不正确的(约束条件太差,并且还出现了 nan
值。我不知道为什么我没有得到与下面第二个相同的结果。总而言之,所使用的算法在第 7 页中进行了描述。我遵循了该算法的所有步骤,并且在进行 Fisher 合成时似乎得到了更好的结果。
这里是感兴趣的部分(抱歉,我认为 stakoverflow 上没有 Latex ):
这是我用于此方法的小 Matlab 脚本:
% Diagonalize A = FISH_sp and B = Fish_xc
[V1,D1] = eig(FISH_sp);
[V2,D2] = eig(FISH_xc);
% Applying each step of algorithm 1 on page 7
phiB_bar = V2*(D2.^(0.5)+1e-10*eye(7))^(-1);
barA = inv(phiB_bar)*FISH_sp*phiB_bar;
[phiA, vA] = eig(barA);
Phi = phiB_bar*phiA;
所以最后,我找到了 phi 特征向量矩阵 (phi) 和 lambda 对角矩阵 (D1)。确实,我到现在所做的就是找到
A*Phi
之间的平行关系。和 B*Phi
, 由 Lambda 对角矩阵链接 .也许,我们可以这样安排这种关系:A*Phi'=Phi'*Lambda_A'
和B*Phi'=Phi'*Lambda_B'
Phi
特征向量矩阵和 Lambda
对角矩阵。 然而,这是相同的公式。
编辑:
如果我想说,我会得到错误的结果phi 对角化 A=FISH_sp 和 B=FISH_xc 矩阵。
事实上,通过这样做:
% Marginalizing over uncommon parameters between the two matrices
COV_GCsp_first = inv(FISH_GCsp);
COV_XC_first = inv(FISH_XC);
COV_GCsp = COV_GCsp_first(1:N,1:N);
COV_XC = COV_XC_first(1:N,1:N);
% Invert to get Fisher matrix
FISH_sp = inv(COV_GCsp);
FISH_xc = inv(COV_XC);
% Diagonalize
[V1,D1] = eig(FISH_sp);
[V2,D2] = eig(FISH_xc);
% Build phi matrix
% V2 corresponds to eigen vectors of FISH_xc
phiB_bar = V2*diag(diag(D2.^(-0.5)));
% DEBUG : check identity matrix => OK, Identity matrix found !
id = (phiB_bar')*FISH_xc*phiB_bar
% phi matrix
barA = (phiB_bar')*FISH_sp*phiB_bar
[phiA, vA] = eig(barA);
phi = phiB_bar*phiA;
% Check eigen values : OK, columns of eigenvalues found !
FISH_sp*V1./V1
% Check eigen values : OK, columns of eigenvalues found !
FISH_xc*V2./V2
% Check if phi diagolize FISH_sp : NOT OK, not identical eigenvalues
FISH_sp*phi./phi
% Check if phi diagolize FISH_sp : NOT OK, not identical eigenvalues
FISH_xc*phi./phi
所以,我没有找到特征向量矩阵 Phi
对角化 A 和 B,因为预期的特征值不是相同值的列。顺便说一下,我找到了特征值
D1
和 D2
来自(哪里 :[V1,D1] = eig(FISH_sp);
[V2,D2] = eig(FISH_xc);
% Check eigen values : OK, columns of eigenvalues D1 found !
FISH_sp*V1./V1
% Check eigen values : OK, columns of eigenvalues D2 found !
FISH_xc*V2./V2
我怎么能解决这个错误的结果(我说的是比率:FISH_sp*phi./phi
FISH_xc*phi./phi
对于给定的 FISH_sp
列没有给出相同的值和 FISH_xc
))
??在论文中,他们说
phi
对角化 A=FISH_sp
和 B=FISH_xc
但我无法重现它。如果有人能看到我的错误在哪里......
最佳答案
您定义了 barA = inv(phiB_bar)*FISH_sp*phiB_bar
.从方程。 (39) 在手稿中它看起来应该是 barA = transpose(phiB_bar)*FISH_sp*phiB_bar
反而。
此外,您的方法 1 在 B
时失败是单数(逆不存在)。 MATLAB 的 eig(A,B)
但是也应该处理单数 B
如果我没记错的话。
关于matlab - 求解广义特征向量和特征值以获得公共(public)基础,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65868442/