当前位置:   article > 正文

跟我一起数据挖掘(12)——特征值和特征向量

数据挖掘中特征向量是什么意思

矩阵的特征值和特征向量

image001.gif是一个image002.gif阶方阵,image003.gif是一个数,如果方程

                            image004.gif                                   (1)

存在非零解向量,则称image003.gifimage001.gif的一个特征值,相应的非零解向量image005.gif称为属于特征值image003.gif的特征向量.

   (1)式也可写成,

                         image006.gif                                  (2)

这是image002.gif个未知数image002.gif个方程的齐次线性方程组,它有非零解的充分必要条件是系数行列式

                         image007.gif,                                    (3)

 即        image008.gif                    

     上式是以image003.gif为未知数的一元image002.gif次方程,称为方阵image001.gif的特征方程. 其左端image009.gifimage003.gifimage002.gif次多项式,记作image010.gif,称为方阵image001.gif的特征多项式.

      image010.gif=image009.gif=  image011.gif

           =image012.gif

显然,image001.gif的特征值就是特征方程的解.特征方程在复数范围内恒有解,其个数为方程的次数(重根按重数计算),因此,image002.gif阶矩阵image001.gifimage002.gif个特征值.

image002.gif阶矩阵image013.gif的特征值为image014.gif由多项式的根与系数之间的关系,不难证明

(ⅰ)image015.gif

(ⅱ)image016.gif

image003.gifimage001.gif 的一个特征值,则image003.gif一定是方程image007.gif的根, 因此又称特征根,若image003.gif为方程image007.gifimage017.gif重根,则image003.gif称为image001.gifimage017.gif重特征根.方程 image018.gif的每一个非零解向量都是相应于image003.gif的特征向量,于是我们可以得到求矩阵image001.gif的全部特征值和特征向量的方法如下:

     第一步:计算image001.gif的特征多项式image019.gif

     第二步:求出特征方程image007.gif的全部根,即为image001.gif的全部特征值;

     第三步:对于image001.gif的每一个特征值image003.gif,求出齐次线性方程组:

                      image018.gif

的一个基础解系image020.gif,则image001.gif的属于特征值image003.gif的全部特征向量是

          image021.gif(其中image022.gif是不全为零的任意实数).

使用matlab求特征值和特征向量

>>clc;clear;close; 
>>A=[3,-1,-2;2,0,-2;2,-1,-1]; 
>>[X,B]=eig(A) %求矩阵A的特征值和特征向量,其中B的对角线元素是特征值, 
%X的列是相应的特征向量 最后的结果是:
X =
    0.7276   -0.5774    0.6230
    0.4851   -0.5774   -0.2417
    0.4851   -0.5774    0.7439
B =
    1.0000         0         0
         0    0.0000         0
         0         0    1.0000

关于特征值和特征向量的定理

定理 属于不同特征值的特征向量一定线性无关.

相似矩阵

image001.gifimage078.gif都是image002.gif阶方阵,若存在满秩矩阵image079.gif 使得

                     image080.gif

则称image001.gifimage078.gif相似,记作 image081.gif,且满秩矩阵image079.gif称为将image001.gif变为image078.gif的相似变换矩阵.

“相似”是矩阵间的一种关系,这种关系具有如下性质:image082.gif

 反身性:image001.gifimage001.gif 

 对称性:若 image001.gifimage078.gif ,则image078.gifimage001.gif 

 传递性:若image001.gifimage078.gif image078.gifimage083.gif ,则image001.gifimage083.gif 

相似矩阵还具有下列性质:

相似矩阵有相同的特征多项式,因而有相同的特征值.

对角化这个概念是针对矩阵而言的,并且矩阵的对角化源自于线形变换的化简,所以最好先知道线性变换和线性变换与矩阵的对应关系。
设一线性变换a,在基m下的矩阵为A,在基n下的矩阵为B,m到n的过渡矩阵为X,
那么可以证明:B=X-1AX
那么定义:A,B是2个矩阵。如果存在可逆矩阵X,满足B=X-1AX ,那么说A与B是相似的(是一种等价关系)。
如果存在可逆矩阵X使A与一个对角矩阵B相似,那么说A可对角化。
相应的,如果线性变换a在基m下的矩阵为A,并且A相似于对角矩阵B,那么令X为过渡矩阵即可求出基n,并且在n下线性变换a的矩阵为对角矩阵,从而达到了化简。
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/78150?site
推荐阅读
相关标签
  

闽ICP备14008679号