qr分解求特征值和特征向量_MIT 18.065—机器学习中的矩阵方法12 计算特征值和奇异值...

该博客讲述了在数据分析、信号处理和机器学习中,如何利用QR分解来计算特征值和奇异值。通过介绍QR分解和平移矩阵的概念,说明了如何逐步逼近特征值,特别是对于对称矩阵,可以得到对称的Hessenburg矩阵,简化计算。此外,还提到了当矩阵规模较大时,使用Krylov方法来近似求解特征值和奇异值。
摘要由CSDN通过智能技术生成

28e42744bd26c8eea655b929a4179b5f.png

数据分析、信号处理和机器学习中的矩阵方法

第12讲 计算特征值和奇异值

新MIT 线性代数|机器学习(中英机翻字幕)18.065 by Gilbert Strang_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com
f4f939742560db0e08bbb5cd26b37544.png

这并不是数值线性代数课程,但我们需要探讨如何计算特征值和奇异值。你可以调用eig或svd或Python以及Julia中的等效程序,但仍需要了解相关知识。

特征值计算

首先谈QR分解,矩阵

equation?tex=%5C%5B%7B%7B%5Cboldsymbol+A%7D_%7B0%7D%7D%3D%7B%7B%5Cboldsymbol+Q%7D_%7B0%7D%7D%7B%7B%5Cboldsymbol+R%7D_%7B0%7D%7D%5C%5D 。矩阵
R在非正交矩阵 A和正交矩阵 Q之间建立了联系。

equation?tex=%5C%5B%7B%7B%5Cboldsymbol+A%7D_%7B1%7D%7D%3D%7B%7B%5Cboldsymbol+R%7D_%7B0%7D%7D%7B%7B%5Cboldsymbol+Q%7D_%7B0%7D%7D%5C%5D ,则
equation?tex=%5C%5B%7B%7B%5Cboldsymbol+A%7D_%7B1%7D%7D%3D%7B%7B%5Cboldsymbol+R%7D_%7B0%7D%7D%7B%7B%5Cboldsymbol+Q%7D_%7B0%7D%7D%3D%7B%7B%5Cboldsymbol+R%7D_%7B0%7D%7D%7B%7B%5Cboldsymbol+A%7D_%7B0%7D%7D%5Cboldsymbol+R_%7B0%7D%5E%7B-1%7D%5C%5D ,两矩阵相似,因此矩阵
A1和矩阵 A0具有相同的特征值。继续在这个操作构造矩阵,矩阵 An对角线以下的元素会变得越来越小,而对角线元素会越来越接近于特征值。

例:

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值