线性变换基础(终极理解汇总)
2017-02-12 14:20
218 查看
特征值的含义
在数学上,特别是线性代数中,对于一个给定的线性变换A,它的特征向量v(eigenvector,也译固有向量或本征向量),经过这个线性变换之后,得到的新向量仍然与原来的v保持在同一条直线上,但其长度或方向(正负号改变方向)也许会改变。即,Av=λv
λ为标量,即特征向量的长度在该线性变换下缩放的比例,称λ为其特征值。如果特征值为正,则表示v在经过其线性变换作用后方向不变,如果特征值为负,说明方向会反转,如果特征值为0,则表示会缩回零点。但无论怎样,仍在同一条直线上。
可对角化矩阵是:如果一个方块矩阵 A 相似于对角矩阵,也就是说,如果存在一个可逆矩阵 A使得P−1AP是对角矩阵,则它就被称为可对角化的。对角化是找到可对角化矩阵或映射的相应对角矩阵的过程。
线性无关与正交的关系?
正交必定线性无关,线性无关不一定正交。例如:在二维空间中,两条不平行的线是无关的,但不是正交的;相互垂直的两条线是正交的,同时也是无关的。
特征值与特征向量的物理意义?
线性代数中的正交化指的是:从内积空间(包括常见的欧几里得空间)中的一组线性无关向量v1,…,vk出发,得到同一个子空间上两两正交的向量组u1,…,uk。如果还要求正交化后的向量都是单位向量,那么称为标准正交化。一般在数学分析中采用格拉姆-施密特正交化作正交化的计算。对于一个N阶方阵进行特征分解,然后正交化,就会产生该空间的N个标准正交基,然后矩阵投影到这N个基上,N个特征向量就是N个标准正交基。而特征值得模,则代表矩阵在每个基上的投影长度。特征值越大,说明矩阵在对应的特征向量上的方差越大,信息量越多。
最优化中,意思是对R的二次型,自变量在这个方向的上变化的时候对函数的影响最大,也就是该方向上的方向导数最大。
在数据挖掘和机器学习中,最大的特征值对应的特征向量方向上包含最多的信息量,如果几个特征值很小,说明这几个方向信息量很小,可以用来降维,也就是删除小特征值对应方向的数据,只保留大特征值方向对应的数据,这样做以后,数据量减小,但信息量变化不大。
特征向量相互正交(相当于欧式几何坐标基轴)
数据维度与特征个数相对应。
特征向量一定正交吗?
不同的特征值对应的特征向量线性无关实对称矩阵的不同的特征值对应的特征向量正交
同一个特征值的不同特征向量未必正交, 但可将其线性无关的特征向量正交化
对称矩阵的特征向量一定正交吗?
不一定。对称阵中,不同的特征值对应的特征向量正交,但是会出现重根的情况,这个时候就不正交了。矩阵的迹 的性质
* 迹是所有对角元的和
* 迹是所有特征值的和
* trace(AB)=trace(BA)
矩阵特征值的个数与什么有关?
* 矩阵的秩与矩阵的特征值个数是没有关系的。
* n阶矩阵在复数范围内,一定有n个特征值(重特征值按重数计算个数),从这个意义上说,矩阵的特征值个数与矩阵的阶数倒是有关系的。n阶矩阵在实数范围内有多少个特征值就不一定了。
* 但是有一个重要的结论需要知道:n阶实对称矩阵一定有n个实特征值(重特征值按重数计算个数)。
矩阵的秩与矩阵含有特征值0的个数却是有关系的
对角阵求逆
前提是对角矩阵可逆,即对角线上每个元素均不为0
它的逆为:分别将每个元素取倒数
相关文章推荐
- J2ME程序开发全方位基础讲解汇总
- 摄影基础知识汇总
- 自己常常遗忘的东西,基础太重要了啊 java static 理解
- 网络基础知识讲座之七:理解和使用ICMP协议
- 理解 Zend 框架 基础篇
- 网络基础知识讲座之八:初步理解IP协议
- 【基础】函数运行栈与调用栈的理解
- 网络基础知识讲座之二:理解子网和CIDR
- 网络基础知识讲座之四:理解数据链路层
- 巧妙理解电气基础理论
- J2ME程序开发全方位基础讲解汇总--J2ME 3D编程的一些资料
- C语言面试题大汇总(1)基础
- J2ME程序开发全方位基础讲解汇总
- J2ME程序开发全方位基础讲解汇总
- [转帖]J2ME程序开发全方位基础讲解汇总
- 路由器基础知识点汇总学习
- J2ME程序开发全方位基础讲解汇总〔转〕
- 指针的基础理解,以及引用的理解
- 网络基础知识讲座之十:TCP协议理解进阶
- J2ME程序开发全方位基础讲解汇总