）)
MATLAB教程：特征值分解及系统模态分析实战（基于[V,D]=eig(A)）
本文基于MATLAB R2020b版本编写（兼容R2018及以上所有版本），聚焦线性代数核心运算——特征值分解，详细讲解特征值、特征向量的基础概念，拆解MATLAB中特征值分解核心函数eig的用法，重点演示[V,D]=eig(A)的实操案例，最终落地到工程核心应用——系统模态分析，实现“理论+实操+应用”的闭环。全文严格控制字数在5000字左右，避免冗余表述，所有代码均经过实测验证，可直接复制运行，兼顾新手入门与工程实战需求，帮助读者快速掌握特征值分解的MATLAB实现，以及在系统模态分析中的具体应用。
一、核心基础：特征值分解的理论铺垫
特征值分解（Eigenvalue Decomposition）是线性代数中针对方阵的核心运算，广泛应用于工程计算、信号处理、系统分析等领域，而系统模态分析正是其在动力学系统中的典型应用。在学习MATLAB实操前，需先掌握特征值、特征向量的基础概念及特征值分解的核心原理，为后续实操和应用奠定基础。
1.1 特征值与特征向量的定义
对于n阶方阵A，若存在一个非零向量v和一个标量λ，使得等式 $$A\mathbf{v} = \lambda \mathbf{v}$$ 成立，则称：
标量λ（lambda）为方阵A的一个特征值（Eigenvalue）；
非零向量v为方阵A对应于特征值λ的特征向量（Eigenvector）。
通俗理解：特征向量v经过方阵A的线性变换后，仅发生伸缩（或反向伸缩），伸缩比例由特征值λ决定，不改变向量的方向（若λ为负，则方向反向）。例如，若
