线性代数教程之二——特征分解
来源:互联网 发布:js隐藏手机号码中间 编辑:程序博客网 时间:2024/05/16 08:29
如果说一个向量v是方阵A的特征向量,将一定可以表示成下面的形式:
λ为特征向量 v 对应的特征值。特征值分解是将一个矩阵分解为如下形式:
其中,Q是这个矩阵A的特征向量组成的矩阵,Σ是一个对角矩阵,每一个对角线元素就是一个特征值,里面的特征值是由大到小排列的,这些特征值所对应的特征向量就是描述这个矩阵变化方向(从主要的变化到次要的变化排列)。也就是说矩阵A的信息可以由其特征值和特征向量表示。
对于矩阵为高维的情况下,那么这个矩阵就是高维空间下的一个线性变换。可以想象,这个变换也同样有很多的变换方向,我们通过特征值分解得到的前N个特征向量,那么就对应了这个矩阵最主要的N个变化方向。我们利用这前N个变化方向,就可以近似这个矩阵(变换)。
总结一下,特征值分解可以得到特征值与特征向量,特征值表示的是这个特征到底有多重要,而特征向量表示这个特征是什么。不过,特征值分解也有很多的局限,比如说变换的矩阵必须是方阵。
阅读全文
0 0
- 线性代数教程之二——特征分解
- 数学之线性代数——正交分解
- 数学之线性代数——奇异值分解SVD
- 线性代数导论5——SVD分解
- 线性代数之二:行列式
- 线性代数导论4——A的LU分解
- 线性代数导论30——奇异值分解
- 线性代数导论4——A的LU分解
- 线性代数导论30——奇异值分解
- 线性代数导论4——A的LU分解
- 漫步线性代数五——三角分解和行交换
- 线性代数4——A的LU分解
- 线性代数之奇异值(SVD)分解
- 线性代数之奇异值(SVD)分解
- 特征选择之SVD分解
- 线性代数复习二——矩阵运算
- java经典算法之二——分解质因数
- 深度学习(二十四)矩阵分解之基于k-means的特征表达学习
- 安装webstorm vue插件
- javascript--对象的特性
- 数组对象,字符串对象,Match对象
- PHP魔术方法归纳
- 浏览器对象模型--BOM
- 线性代数教程之二——特征分解
- 文档对象模型——DOM
- 2017年10月6日提高组T2 猫公司
- node节点
- 用shell命令获得hdfs文件名并动态创建hive表
- 二叉查找树数组表示的JavaScript实现
- python flask sever client 测试,post 方法,传入python dict或者json字符串
- eclipse中的项目鼠标右键卡死(百度:删掉workspace的.metadata文件夹不行,还会卡),sts插件尝试联网引起【先拔网线耐心等待5秒!不行再插上网线】
- I/O复用总结