最近在学LSC,想搜集一些特征值和特征向量的知识
1、特征值和特征向量
矩阵的基
定义:一个m*n的矩阵可以看成是n个列向量组成,这n个列向量的线性组合构成一个列空间,而通常这n个列向量不是线性无关的,那么求出这n个列向量中不相关的r个,可以称这r列为矩阵列空间的基。
基上投影的计算:要准确描述向量,首先要确定一组基,然后给出在基所在的各个直线上的投影值。二维直角坐标系中我们经常省略第一步,而默认以(1,0)和(0,1)为基。对向量在某个基上的投影等于此向量和这个基的内积(即向量的点乘)。
2、特征值
2.1 特征值的意义
矩阵主对角线上的元素表示自身和自身的关系,其他位置的元素aij表示i位置和j位置元素之间的相互关系。特征值问题其实就是选取了一组很好的基,就把矩阵 i位置和j位置元素之间的相互关系消除了。
-特征值越大,矩阵在对应向量上的方差越大,所含的信息越多。
特征值反映了特征向量在变换时的伸缩倍数,反映的是变换的剧烈程度,它的值代表矩阵在基上的投影长度。
3、特征向量
3.1 特征向量的意义
特征向量的引入是为了选取一组很好的基
特征向量指明变换的方向
4、特征值分解
一个变换(矩阵)可由它的所有特征向量完全表示。而每一个向量所对应的特征值,就代表了矩阵在这一向量上的贡献率——说的通俗一点就是能量,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,可以将每一个特征向量理解为一个线性的子空间
对于矩阵A这个变换所在的一个n维空间,如果存在n个线性无关的特征向量, 我们就能用这n个特征向量作为基来表示这个空间的任意向量!
---------------------
原文:https://blog.csdn.net/bwangk/article/details/52674025?utm_source=copy