python3-特征值，特征分解，SVD奇异值分解

时间：2018-12-06 20:05:13 阅读：272 评论：0 收藏：0 [点我收藏+]

1.设A为n阶矩阵，若存在常数λ及n维非零向量x，使得Ax=λx，则称λ是矩阵A的特征值，x是A属于特征值λ的特征向量。
A的所有特征值的全体，叫做A的谱，记为λ(A)
2.特征分解（Eigendecomposition），又称谱分解（Spectral decomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解。
一个矩阵的一组特征向量是一组正交向量。

令 A 是一个 N×N 的方阵，且有 N 个线性无关的特征向量。这样， A 可以被分解为:
技术分享图片

其中Q是这个矩阵A的特征向量组成的矩阵，Σ是一个对角阵，每个对角线上的元素就是一个特征值。这里需要注意只有可对角化矩阵才可以作特征分解。

只有对角线上有非0元素的矩阵称为对角矩阵，或说若一个方阵除了主对角线上的元素外，其余元素都等于零，则称之为对角阵。
特征值分解是一个提取矩阵特征很不错的方法，但是它只是对方阵而言的

技术分享图片

python3-特征值，特征分解，SVD奇异值分解

原文：http://blog.51cto.com/13959448/2327130

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年09月23日 (328)
2021年09月24日 (313)
2021年09月17日 (191)
2021年09月15日 (369)
2021年09月16日 (411)
2021年09月13日 (439)
2021年09月11日 (398)
2021年09月12日 (393)
2021年09月10日 (160)
2021年09月08日 (222)