哈嘍,鑑於上一篇博文出現問題,此處特地開一篇,我也是一臉矇蔽。
很多博文只會求得矩陣特徵分解的特徵值和特徵向量,而從沒有進行驗證,驗證方法兩個
1 A*v=lam*v lam是特徵值
2 det(A-lam*I)=0 I是單位陣
我隨機產生的矩陣求特徵值發現有複數產生,爲了方便,網上找了不是複數的矩陣。
錯誤方法復現
>>> A
array([[-1, 1, 0],
[-4, 3, 0],
[ 1, 0, 2]])
lamba,va=np.linalg.eig(A)
#the first validation
>>> np.dot(A,va)
array([[ 0. , 0.40824829, 0.40824829],
[ 0. , 0.81649658, 0.81649658],
[ 2. , -0.40824829, -0.40824829]])
>>> np.dot(np.diag(lamba),va)
array([[ 0. , 0.81649658, 0.81649658],
[ 0. , 0.81649658, 0.81649658],
[ 1. , -0.40824829, -0.40824829]])
#服不服?這是錯的
#the second validation
>>> np.linalg.det(A-np.diag(lamba))
-2.0
#崩潰不
且不說上面有個特徵值是重複的。
原因是加轉置就正確了,公式是公式,實際操作就是不一樣,不服就錯。
【其實原因是v是特徵向量,而求得是矩陣,lam是標量,得到的是向量,按照給定的1式驗證,需要驗證3次,而加轉置只需驗證一次即可】
笨方法驗證:
>>> np.dot(A,va[:,0])
array([0., 0., 2.])
>>> lamba[0]*va[:,0]
array([0., 0., 2.])
>>> np.dot(A,va[:,1])
array([ 0.40824829, 0.81649658, -0.40824829])
>>> lamba[1]*va[:,1]
array([ 0.40824829, 0.81649658, -0.40824829])
>>> np.dot(A,va[:,2])
array([ 0.40824829, 0.81649658, -0.40824829])
>>> lamba[2]*va[:,2]
array([ 0.40824829, 0.81649658, -0.40824829])
第二個驗證錯誤的原因有兩個
1)lam是向量,2式中是標量,
2)單位矩陣不是全爲1的矩陣,而只有對角線上爲1
【紙上得來終覺淺,絕知此事要躬行】
只有當用到的時候才知道,至於除法則是求逆矩陣即可,線性代數模塊有直接的inv和pinv僞逆
不再驗證了,拜拜
另外有相關問題可以加入QQ羣討論,不設微信羣
QQ羣:868373192
語音圖像視頻深度-學習羣