zoukankan      html  css  js  c++  java
  • 特征值分解(EVD)

    特征值分解

      设  $A_{n imes n}$  有  $n$  个线性无关的特征向量  $oldsymbol{x}_{1}, ldots, oldsymbol{x}_{n}$,对应特征值分别为  $lambda_{1}, ldots, lambda_{n} $

        $Aleft[egin{array}{lll}oldsymbol{x}_{1} & cdots & oldsymbol{x}_{n}end{array} ight]=left[egin{array}{lll}lambda_{1} oldsymbol{x}_{1} & cdots & lambda_{n} oldsymbol{x}_{n}end{array} ight]=left[egin{array}{lll}oldsymbol{x}_{1} & cdots & oldsymbol{x}_{n}end{array} ight]left[egin{array}{ccc}lambda_{1} & & \& ddots & \& & lambda_{n}\end{array} ight]left[egin{array}{lll}oldsymbol{x}_{1} & cdots & oldsymbol{x}_{n}end{array} ight]^{-1}$

      因此有 EVD 分解

        $ A X=X Lambda quad quad quad A=X Lambda X^{-1}$

      其中 $X$ 为 $oldsymbol{x}_{1}, ldots, oldsymbol{x}_{n}left( ight. 列向量)$ 构成的矩阵, $Lambda=operatorname{diag}left(lambda_{1}, ldots, lambda_{n} ight) $。
      即使固定 $ Lambda$, $X$ 也不唯一。


     特征值分解的例子

      这里我们用一个简单的方阵来说明特征值分解的步骤。我们的方阵A定义为:

        $A=left(egin{array}{ccc}-1 & 1 & 0 \-4 & 3 & 0 \1 & 0 & 2end{array} ight)$

      首先,由方阵A的特征方程,求出特征值。

        $|A-lambda E|=left|egin{array}{ccc}-1-lambda & 1 & 0 \-4 & 3-lambda 0 & \1 & 0 & 2-lambdaend{array} ight|=(2-lambda)left|egin{array}{cc}-1-lambda & 1 \-4 & 3-lambdaend{array} ight|=(2-lambda)(lambda-1)^{2}=0$

      特征值为 $lambda=2,1$ (重数是2)。
      然后,把每个特征值入带入线性方程组 $ (A-lambda E) x=0$ , 求出特征向量。

      当 $ lambda=2$ 时,解线性方程组$(A-2 E) x=0 $ 。

        $(A-2 E)=left(egin{array}{ccc}-3 & 1 & 0 \-4 & 1 & 0 \1 & 0 & 0end{array} ight) ightarrowleft(egin{array}{lll}1 & 0 & 0 \0 & 1 & 0 \0 & 0 & 0end{array} ight)$

      解得 $x_{1}=0, quad x_{2}=0$ 。特征向量为:$p_{1}=left(egin{array}{l}0 \0 \1end{array} ight)$

      当 $ lambda=1$ 时,解线性方程组$ (A-E) x=0$

        $egin{array}{l}(A-2 E)=left(egin{array}{ccc}-2 & 1 & 0 \-4 & 2 & 0 \1 & 0 & 1end{array} ight) ightarrowleft(egin{array}{lll}1 & 0 & 1 \0 & 1 & 2 \0 & 0 & 0end{array} ight)end{array}$

      $x_{1}+x_{3}=0, quad x_{2}+2 x_{3}=0$ 。特征向量为:$p_{2}=left(egin{array}{c}-1 \-2 \1end{array} ight)$

      最后,方阵A的特征值分解为:

        $A=X Lambda X^{-1}=left(egin{array}{ccc}0 & -1 & -1 \0 & -2 & -2 \1 & 1 & 1end{array} ight)left(egin{array}{ccc}2 & 0 & 0 \0 & 1 & 0 \0 & 0 & 1end{array} ight)left(egin{array}{ccc}0 & -1 & -1 \0 & -2 & -2 \1 & 1 & 1end{array} ight)^{-1}$


      进一步得, 当 $A$ 为实对称矩阵的时候, 即 $A=A^{T}$ , 那么它可以被分解成如下的形式

        $A=P Lambda P^{T}$

      其中, $P$ 为单位正交矩阵。

    因上求缘,果上努力~~~~ 作者:每天卷学习,转载请注明原文链接:https://www.cnblogs.com/BlairGrowing/p/15362045.html

  • 相关阅读:
    windows2003 系统定时关机
    利用批处理轻松压缩文件
    JavaScript中的常用算法和函数
    ASP.NET Session丢失问题原因及解决方案
    JavaScript文字自动排版
    js图片自动滚动并带翻页的功能
    IE下不显示自定义错误页面
    ArcObject 实现拓扑创建和检查
    ArcGIS Server 的默认设置
    ArcObject 要素删除
  • 原文地址:https://www.cnblogs.com/BlairGrowing/p/15362045.html
Copyright © 2011-2022 走看看