此内容转载于这篇博客
我们首先来看看瑞利商的定义。瑞利商是指这样的函数
R(A,x)
:
其中
x
为非零向量,而
瑞利商
R(A,x)
有一个非常重要的性质,即它的最大值等于矩阵
A
最大的特征值,而最小值等于矩阵
具体的证明这里就不给出了。当向量
x
是标准正交基时,即满足
以上就是瑞利商的内容,现在我们再看看广义瑞利商。广义瑞利商是指这样的函数 R(A,B,x) :
其中
x
为非零向量,而
而分子转化为:
此时我们的 R(A,B,x) 转化为 R(A,B,x′) :
利用前面的瑞利商的性质,我们可以很快的知道, R(A,B,x) 的最大值为矩阵 B−1/2AB−1/2 的最大特征值,或者说矩阵 B−1A 的最大特征值,而最小值为矩阵 B−1A 的最小特征值。如果你看过我写的谱聚类(spectral clustering)原理总结第6.2节的话,就会发现这里使用了一样的技巧,即对矩阵进行标准化。