1 特征值和特征向量
1.1 特征值和特征向量的定义:设A为元素属于数域P的n阶矩阵,如果存在属于P中的数λ与元素属于 数域P的n维非零向量α,使得
Aα = λα
则称λ为特征值,α为特征向量
1.2 特征值和特征方程的求法:n阶矩阵A的特征方程为:|λE - A| = 0。根据该方程求出矩阵A的所有特征值λ,再根据每个特征值
,求出特征向量α
1.3 特征分解
备注:当n阶矩阵A可对角化(对角矩阵为
)的充分必要条件是A有n个线性无关的非零向量。
,
的列向量为矩阵A的特征向量。
为线性无关的非零向量
,λ为矩阵A的特征值
1.4 特例:矩阵A为实对称矩阵
当n阶矩阵为实对称矩阵时,A有n个相性无关的非零向量,且A的特征向量两两正交(內积=0)。A的特征向量构成的矩阵
为正交矩阵,用
表示。
正交矩阵满足:
2 奇异值分解的定义
2.1 奇异值分解
SVD也是对矩阵进行分解,不同于特征分解的是:矩阵A不是方阵,维数为
。既然实对称矩阵有很好的性质,可以考虑将矩阵
转化为实对称矩阵
为对称矩阵,则
其中
为正交矩阵,
为线性无关的非零向量,且两两正交,构成一组正交基;
,
为矩阵A的特征值
性质1:
为一组正交基,则
也是一组正交基
证:
当i = j 时,求
的长度:
(正交矩阵V的行(列)向量组是两两正交的单位向量组)
定义
为
的单位化向量:
当
,
,其中
为矩阵
的列向量(实对称矩阵
的特征向量)
,其中
为
的列向列,
为
的对角阵,
也为一组正交基,则
也为正交矩阵
根据
,
为
的对角阵
得到
,
对于任意的矩阵A的奇异值分解,其左奇异矩阵
一定为
的特征向量;右奇异矩阵
一定为
的特征向量;
为
或
特征值开根号。
2.2 奇异值分解的几何意义
通过2X2矩阵进行说明。
为正交单位向量
,则向量
正交
。
分别表示
的单位向量。
。
和
分别表示单位向量
和
的长度。
和
也是矩阵的特征值。
举例如下:
m = matrix(c(1,1,-2,2),ncol=2)
svdResults = svd(m)
先对单位正交向量进行拉伸,再进行旋转
参考:奇异值的几何意义和物理意义
2.3 奇异值分解的应用
2.3.1 数据压缩
仅存储前k列
2.3.2 降维
行数压缩
列数压缩