R语言数据集的技术

一.特征值分解

1.特征值分解

线性代数中,特征分解(Eigendecomposition),又称谱分解(Spectral decomposition)是将矩阵分解为由其特征值特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解

A有n个特征值及特征向量,则:

将上面的写到一起成矩阵形式:

(x1,x2,...,xn)可逆,则左右两边都求逆,则方阵A可直接通过特征值和特征向量进行唯一的表示,令

Q=(x1,x2,...,xn)

Σ = diag(λ1, λ2, ..., λn)

  ,该表达式称为方阵的特征值分解,这样方阵A就被特征值和特征向量唯一表示。

Matlab中通过eig函数就可求得特征值和特征向量矩阵。

R语言数据集的技术

D对角线的元素即为特征值(表示了伸缩的比例),D就是特征值分解公式中的Q,V的每一列与D没列对应,表示对应的特征向量,即特征值分解中的Σ。

1.分解方法

矩阵的特征分解

 A 是一个 N×N 的方阵,且有 线性无关特征向量

这样, A 可以被分解为

其中 Q N×N方阵,且其第 i列为 A 特征向量 Λ 对角矩阵,其对角线上的元素为对应的特征值,也即

。这里需要注意只有可对角化矩阵才可以作特征分解。比如 

不能被对角化,也就不能特征分解。

一般来说,特征向量  

一般被正交单位化(但这不是必须的)。未被正交单位化的特征向量

也可以作为 Q 列向量。这一事实可以这样理解: Q 中向量的长度都被 

抵消了。

通过特征分解求矩阵的逆

若矩阵 A 可被特征分解并特征值中不含零,则矩阵 A 非奇异矩阵,且其逆矩阵可以由下式给出:

因为 Λ 对角矩阵,其逆矩阵容易计算出:

对特殊矩阵的特征分解

对称矩阵

任意的 N×N 实对称矩阵都有 N 个线性无关的特征向量。并且这些特征向量都可以正交单位化而得到一组正交且模为 1 的向量。故实对称矩阵 A 可被分解成

其中 Q  正交矩阵 Λ 为实对角矩阵

正规矩阵

类似地,一个复正规矩阵具有一组正交特征向量基,故正规矩阵可以被分解成

其中 U 为一个酉矩阵。进一步地,若 A 埃尔米特矩阵,那么对角矩阵 Λ 的对角元全是实数。若 A 还是酉矩阵,则 Λ 的所有对角元在复平面单位圆上取得。

3.特征值与奇异值的分解

R语言数据集的技术

部分转载自  

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zzxyps.html