如何理解矩阵特征值
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何理解矩阵特征值相关的知识,希望对你有一定的参考价值。
从线性空间的角度看,在一个定义了内积的线性空间里,对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。特征值越大,说明矩阵在对应的特征向量上的方差越大,功率越大,信息量越多。
应用到最优化中,意思就是对于R的二次型,自变量在这个方向上变化的时候,对函数值的影响最大,也就是该方向上的方向导数最大。
应用到数据挖掘中,意思就是最大特征值对应的特征向量方向上包含最多的信息量,如果某几个特征值很小,说明这几个方向信息量很小,可以用来降维,也就是删除小特征值对应方向的数据,只保留大特征值方向对应的数据,这样做以后数据量减小,但有用信息量变化不大。 参考技术A 从线性空间的角度看,在一个定义了内积的线性空间里,对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。
特征值越大,说明矩阵在对应的特征向量上的方差越大,功率越大,信息量越多。
特征向量可以看作坐标向量,特征值就是矩阵在该坐标方向上的分量大小值,特征分析相当于提取矩阵的信息出来吧。较大的特征值对应的特征向量就较为重要,矩阵降维就用的提取主特征向量思想。
本征向量本征值正定矩阵的定性理解
下面所有的黑色字体的字母都是矩阵
本征向量和本征值的定义:
对于一个非零向量x和一个矩阵A,如果标量a使得:
Ax=ax
则可以称a为A的本征值,x为本征向量。
本征值和本征向量的求法:
Ax-ax=0 (1)
(A-aI)x=0 (2)
则只要A-aI的行列式为零,就可以求出a的值;然后将a的值代入上面的(2)的式子,就可以求出本征向量里面的元素的关系
本征值在几何上的意义:会将对应本征向量方向上的向量进行缩放,既可以说:缩放的倍数就是本征值
正定矩阵的定义:
对于任意非零的向量x和一个对称矩阵A,如果满足:xTAx>0,就称A为对称矩阵。
正定矩阵在几何上面的理解:
在空间中找到一组为正交的向量,经过正定矩阵的变化,变化后他们还是正交的,且方向会不变。但是他们的向量的模会改变。
猜测:可以用来对图片进行缩放
以上是关于如何理解矩阵特征值的主要内容,如果未能解决你的问题,请参考以下文章