特征值与奇异值
两者的主要区别在于:奇异值分解主要用于数据矩阵,而特征值分解主要用于方型的相关矩阵。
自相关矩阵正定时,特征值分解是奇异值分解的特例,且实现时相对简单些。
特征值和特征向量(本征值和本征向量)
一矩阵A作用于一向量a,结果只相当与该向量乘以一常数λ。即A*a=λa,则a为该矩阵A的特征向量,λ为该矩阵A的特征值。
本征值和本征向量为量子力学术语,对矩阵来讲与特征值和特征向量定义一样。但本征值不仅限于矩阵,对微分算子也有意义。”
两者的主要区别在于:奇异值分解主要用于数据矩阵,而特征值分解主要用于方型的相关矩阵。
自相关矩阵正定时,特征值分解是奇异值分解的特例,且实现时相对简单些。
一矩阵A作用于一向量a,结果只相当与该向量乘以一常数λ。即A*a=λa,则a为该矩阵A的特征向量,λ为该矩阵A的特征值。
本征值和本征向量为量子力学术语,对矩阵来讲与特征值和特征向量定义一样。但本征值不仅限于矩阵,对微分算子也有意义。”