矩阵特征值
- 定义:A为n阶方阵,如果存在常数m和n维列向量x,使得Ax = mx成立,则称m为A的特征值,x是对应特征值m的特征向量。
- 函数调用格式:
- 求矩阵A的全部特征值,构成向量E
E = eig(A);
- 求矩阵A的全部特征值,构成对角阵D;并产生矩阵X,X个列是相应的特征向量。
[X,D] = eig(A);
特征值的几何意义
-
特征向量的几何意义:
矩阵乘法对应了一个变换,是把任意一个向量变成另一个方向或长度都大多不同的新向量。在这个变换的过程中,原向量主要发生旋转、伸缩的变化。如果矩阵对某一个向量或某些向量只发生伸缩变换,不对这些向量产生旋转的效果,那么这些向量就称为这个矩阵的特征向量,伸缩的比例就是特征值。而我们之所以将它们称之为特征向量,就是这些向量蕴藏了这个矩阵的所有信息,我们可以通过这些向量去描述这个矩阵。 -
特征值与数据压缩-----豁然开朗啊:
矩阵实际上就是一个变换(也就是一个运动),
我们可以分解这个变换为特征值和特征向量的形式(如上图)-----特征值代表变换的强度,特征向量代表变换的方向。在数据压缩时,我们可以将通过对特征值大小的比较,找到主要的变换方向,忽略其他的方向达到数据压缩的效果。 -
参考范文
特征值就是运动的速度,特征向量就是运动的方向。
从运动的角度理解特征值的意义
特征值表示信息量的大小,特征向量表示这个信息是什么。
从数据压缩的角度理解
最通俗易懂的解释 -
总结一下:特征值分解得到特征值和特征向量,特征值表示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,我们可以利用这些线性的子空间干很多事情。