特征向量单位化怎么单位化啊，有公式吗哭 特征向量什么时候需要单位化
\u8bf7\u95ee\u5728\u6784\u9020\u77e9\u9635P\u7684\u65f6\u5019\uff0c\u4e3a\u4ec0\u4e48\u8981\u7279\u5f81\u5411\u91cf\u7ed9\u5355\u4f4d\u5316\uff1f\u5982\u4f55\u5355\u4f4d\u5316\uff1f\u6709\u516c\u5f0f\u5426\uff1f\u5728\u9898\u76ee\u8981\u6c42\u6b63\u4ea4\u77e9\u9635P\u65f6, \u7279\u5f81\u5411\u91cf\u9700\u6b63\u4ea4\u5316\u548c\u5355\u4f4d\u5316.
\u4e00\u4e2a\u5411\u91cf\u7684\u5355\u4f4d\u5316\u5c31\u662f\u4e58\u6b64\u5411\u91cf\u7684\u957f\u5ea6\u7684\u5012\u6570
\u5982 (1,1,1)^T \u5355\u4f4d\u5316\u4e3a (1/\u221a3)(1,1,1)^T
1\u3001\u5982\u679cA\u662f\u5b9e\u5bf9\u79f0\u77e9\u9635\uff0c\u8981\u6c42\u6c42\u6b63\u4ea4\u77e9\u9635P\uff0c\u4f7fP^T*A*P\u6210\u4e3a\u5bf9\u89d2\u9635\uff0c\u5219\u6c42\u5f97\u7684A\u7684\u7279\u5f81\u5411\u91cf\u8981\u5148\u6b63\u4ea4\u5316\uff08\u5982\u679cA\u6709\u91cd\u7279\u5f81\u503c\uff09\uff0c\u518d\u5355\u4f4d\u5316\uff0c\u7136\u540e\u624d\u53ef\u4ee5\u5199\u51fa\u6b63\u4ea4\u9635P\u3002
2\u3001\u5728\u4e8c\u6b21\u578b\u5316\u4e3a\u6807\u51c6\u5f62\u7684\u9898\u76ee\u91cc\uff0c\u5982\u679c\u8981\u6c42\u6c42\u6b63\u4ea4\u53d8\u6362\uff0c\u5219\u6c42\u5f97\u7684\u4e8c\u6b21\u578b\u77e9\u9635A\u7684\u7279\u5f81\u5411\u91cf\u8981\u5148\u6b63\u4ea4\u5316\uff08\u5982\u679cA\u6709\u91cd\u7279\u5f81\u503c\uff09\uff0c\u518d\u5355\u4f4d\u5316\uff0c\u7136\u540e\u624d\u53ef\u4ee5\u5199\u51fa\u6b63\u4ea4\u53d8\u6362\u7684\u3002
\u4e00\u4e2a\u77e9\u9635A\u7684\u7279\u5f81\u503c\u53ef\u4ee5\u901a\u8fc7\u6c42\u89e3\u65b9\u7a0bpA(\u03bb) = 0\u6765\u5f97\u5230\u3002 \u82e5A\u662f\u4e00\u4e2an\u00d7n\u77e9\u9635\uff0c\u5219pA\u4e3an\u6b21\u591a\u9879\u5f0f\uff0c\u56e0\u800cA\u6700\u591a\u6709n\u4e2a\u7279\u5f81\u503c\u3002
\u53cd\u8fc7\u6765\uff0c\u4ee3\u6570\u57fa\u672c\u5b9a\u7406\u8bf4\u8fd9\u4e2a\u65b9\u7a0b\u521a\u597d\u6709n\u4e2a\u6839\uff0c\u5982\u679c\u91cd\u6839\u4e5f\u8ba1\u7b97\u5728\u5185\u7684\u8bdd\u3002\u6240\u6709\u5947\u6570\u6b21\u7684\u591a\u9879\u5f0f\u5fc5\u6709\u4e00\u4e2a\u5b9e\u6570\u6839\uff0c\u56e0\u6b64\u5bf9\u4e8e\u5947\u6570n\uff0c\u6bcf\u4e2a\u5b9e\u77e9\u9635\u81f3\u5c11\u6709\u4e00\u4e2a\u5b9e\u7279\u5f81\u503c\u3002\u5728\u5b9e\u77e9\u9635\u7684\u60c5\u5f62\uff0c\u5bf9\u4e8e\u5076\u6570\u6216\u5947\u6570\u7684n\uff0c\u975e\u5b9e\u6570\u7279\u5f81\u503c\u6210\u5171\u8f6d\u5bf9\u51fa\u73b0\u3002
\u6269\u5c55\u8d44\u6599
\u4efb\u610f\u7ed9\u5b9a\u4e00\u4e2a\u77e9\u9635A\uff0c\u5e76\u4e0d\u662f\u5bf9\u6240\u6709\u7684x\u5b83\u90fd\u80fd\u62c9\u957f\uff08\u7f29\u77ed\uff09\u3002\u51e1\u662f\u80fd\u88abA\u62c9\u957f\uff08\u7f29\u77ed\uff09\u7684\u5411\u91cf\u79f0\u4e3aA\u7684\u7279\u5f81\u5411\u91cf(Eigenvector)\uff1b\u62c9\u957f\uff08\u7f29\u77ed\uff09\u91cf\u5c31\u4e3a\u8fd9\u4e2a\u7279\u5f81\u5411\u91cf\u5bf9\u5e94\u7684\u7279\u5f81\u503c\uff08Eigenvalue\uff09\u3002
\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0c\u6211\u4eec\u8bf4\u7684\u7279\u5f81\u5411\u91cf\u662f\u4e00\u7c7b\u5411\u91cf\uff0c\u56e0\u4e3a\u4efb\u610f\u4e00\u4e2a\u7279\u5f81\u5411\u91cf\u968f\u4fbf\u4e58\u4ee5\u4e00\u4e2a\u6807\u91cf\u7ed3\u679c\u80af\u5b9a\u4e5f\u6ee1\u8db3\u4ee5\u4e0a\u65b9\u7a0b\uff0c\u5f53\u7136\u8fd9\u4e24\u4e2a\u5411\u91cf\u90fd\u53ef\u4ee5\u770b\u6210\u662f\u540c\u4e00\u4e2a\u7279\u5f81\u5411\u91cf\uff0c\u800c\u4e14\u5b83\u4eec\u4e5f\u90fd\u5bf9\u5e94\u540c\u4e00\u4e2a\u7279\u5f81\u503c\u3002
\u5982\u679c\u7279\u5f81\u503c\u662f\u8d1f\u6570\uff0c\u90a3\u8bf4\u660e\u4e86\u77e9\u9635\u4e0d\u4f46\u628a\u5411\u91cf\u62c9\u957f\uff08\u7f29\u77ed\uff09\u4e86\uff0c\u800c\u4e14\u8ba9\u5411\u91cf\u6307\u5411\u4e86\u76f8\u53cd\u7684\u65b9\u5411\u3002\u4e00\u4e2a\u77e9\u9635\u53ef\u80fd\u53ef\u4ee5\u62c9\u957f\uff08\u7f29\u77ed\uff09\u597d\u51e0\u4e2a\u5411\u91cf\uff0c\u6240\u4ee5\u5b83\u53ef\u80fd\u5c31\u6709\u597d\u591a\u4e2a\u7279\u5f81\u503c\u3002\u5982\u679cA\u662f\u5b9e\u5bf9\u79f0\u77e9\u9635\uff0c\u90a3\u4e48\u90a3\u4e9b\u4e0d\u540c\u7684\u7279\u5f81\u503c\u5bf9\u5e94\u7684\u7279\u5f81\u5411\u91cf\u80af\u5b9a\u662f\u4e92\u76f8\u6b63\u4ea4\u7684\u3002
\u4e00\u4e2a\u53d8\u6362\u77e9\u9635\u7684\u6240\u6709\u7279\u5f81\u5411\u91cf\u7ec4\u6210\u4e86\u8fd9\u4e2a\u53d8\u6362\u77e9\u9635\u7684\u4e00\u7ec4\u57fa\u3002\u6240\u8c13\u57fa\u53ef\u4ee5\u7406\u89e3\u4e3a\u5750\u6807\u7cfb\u7684\u8f74\u3002\u6211\u4eec\u5e73\u5e38\u7528\u5230\u7684\u5927\u591a\u662f\u76f4\u89d2\u5750\u6807\u7cfb\uff0c\u5728\u7ebf\u5f62\u4ee3\u6570\u4e2d\u53ef\u4ee5\u628a\u8fd9\u4e2a\u5750\u6807\u7cfb\u626d\u66f2\u3001\u62c9\u4f38\u3001\u65cb\u8f6c\uff0c\u79f0\u4e3a\u57fa\u7684\u53d8\u6362\u3002\u6211\u4eec\u53ef\u4ee5\u6309\u6211\u4eec\u7684\u9700\u6c42\u53bb\u8bbe\u5b9a\u57fa\uff0c\u4f46\u662f\u57fa\u7684\u8f74\u4e4b\u95f4\u5fc5\u987b\u662f\u7ebf\u5f62\u65e0\u5173\u7684\u3002
\u4e5f\u5c31\u662f\u4fdd\u8bc1\u5750\u6807\u7cfb\u7684\u4e0d\u540c\u8f74\u4e0d\u8981\u6307\u5411\u540c\u4e00\u4e2a\u65b9\u5411\u6216\u53ef\u4ee5\u88ab\u522b\u7684\u8f74\u7ec4\u5408\u800c\u6210\uff0c\u5426\u5219\u7684\u8bdd\u539f\u6765\u7684\u7a7a\u95f4\u5c31\u201c\u6491\u201d\u4e0d\u8d77\u6765\u4e86\u3002\u5728\u4e3b\u6210\u5206\u5206\u6790(Principal Component Analysis)\u4e2d\u6211\u4eec\u901a\u8fc7\u5728\u62c9\u4f38\u6700\u5927\u7684\u65b9\u5411\u8bbe\u7f6e\u57fa\uff0c\u5ffd\u7565\u4e00\u4e9b\u5c0f\u7684\u91cf\uff0c\u53ef\u4ee5\u6781\u5927\u5730\u538b\u7f29\u6570\u636e\u800c\u51cf\u5c0f\u5931\u771f\u3002
\u53d8\u6362\u77e9\u9635\u7684\u6240\u6709\u7279\u5f81\u5411\u91cf\u4f5c\u4e3a\u7a7a\u95f4\u7684\u57fa\u4e4b\u6240\u4ee5\u91cd\u8981\uff0c\u662f\u56e0\u4e3a\u5728\u8fd9\u4e9b\u65b9\u5411\u4e0a\u53d8\u6362\u77e9\u9635\u53ef\u4ee5\u62c9\u4f38\u5411\u91cf\u800c\u4e0d\u5fc5\u626d\u66f2\u548c\u65cb\u8f6c\u5b83\uff0c\u4f7f\u5f97\u8ba1\u7b97\u5927\u4e3a\u7b80\u5355\u3002\u6240\u4ee5\u7279\u5f81\u503c\u56fa\u7136\u91cd\u8981\uff0c\u7ec8\u6781\u76ee\u6807\u5374\u662f\u7279\u5f81\u5411\u91cf\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u7279\u5f81\u5411\u91cf
正交化会，单位化就是把这个向量化为单位向量。
比如向量(1，2，3)单位化就是：[1/根号下(1^2+2^2+3^2)，2/根号下(1^2+2^2+3^2)，3/根号下(1^2+2^2+3^2)]=(1/根号14，2/根号14，3/根号14)
线性变换的特征向量是指在变换下方向不变，或者简单地乘以一个缩放因子的非零向量。特征向量对应的特征值是它所乘的那个缩放因子。
特征空间就是由所有有着相同特征值的特征向量组成的空间，还包括零向量，但要注意零向量本身不是特征向量。线性变换的主特征向量是最大特征值对应的特征向量。特征值的几何重次是相应特征空间的维数。
扩展资料：
假设它是一个线性变换，那么v可以由其所在向量空间的一组基表示为：其中vi是向量在基向量上的投影（即坐标），这里假设向量空间为n 维。由此，可以直接以坐标向量表示。利用基向量，线性变换也可以用一个简单的矩阵乘法表示。
其特征函数满足如下特征值方程：其中λ是该函数所对应的特征值。
这样一个时间的函数，如果λ = 0，它就不变，如果λ为正，它就按比例增长，如果λ是负的，它就按比例衰减。例如，理想化的兔子的总数在兔子更多的地方繁殖更快，从而满足一个正λ的特征值方程。
若A是一个n×n矩阵，则pA为n次多项式，因而A最多有n个特征值。 反过来，代数基本定理说这个方程刚好有n个根，如果重根也计算在内的话。所有奇数次的多项式必有一个实数根，因此对于奇数n，每个实矩阵至少有一个实特征值。在实矩阵的情形，对于偶数或奇数的n，非实数特征值成共轭对出现。
参考资料来源：百度百科--特征向量
正交化会吧,单位化就是把这个向量化为单位向量
比如向量(1,2,3)单位化就是
[1/根号下(1^2+2^2+3^2),2/根号下(1^2+2^2+3^2),3/根号下(1^2+2^2+3^2)]=(1/根号14,2/根号14,3/根号14)
绛旓細姝ｄ氦鍖栦細锛屽崟浣嶅寲灏辨槸鎶婅繖涓悜閲忓寲涓哄崟浣嶅悜閲銆傛瘮濡傚悜閲(1锛2锛3)鍗曚綅鍖栧氨鏄細[1/鏍瑰彿涓(1^2+2^2+3^2)锛2/鏍瑰彿涓(1^2+2^2+3^2)锛3/鏍瑰彿涓(1^2+2^2+3^2)]=(1/鏍瑰彿14锛2/鏍瑰彿14锛3/鏍瑰彿14)鐗瑰緛鍚戦噺瀵瑰簲鐨勭壒寰佸兼槸瀹冩墍涔樼殑閭ｄ釜缂╂斁鍥犲瓙銆傜壒寰佺┖闂村氨鏄敱鎵鏈夋湁鐫鐩稿悓鐗瑰緛鍊肩殑...
绛旓細姝ｄ氦鍖栦細锛屽崟浣嶅寲灏辨槸鎶婅繖涓悜閲忓寲涓哄崟浣嶅悜閲銆傛瘮濡傚悜閲(1锛2锛3)鍗曚綅鍖栧氨鏄細[1/鏍瑰彿涓(1^2+2^2+3^2)锛2/鏍瑰彿涓(1^2+2^2+3^2)锛3/鏍瑰彿涓(1^2+2^2+3^2)]=(1/鏍瑰彿14锛2/鏍瑰彿14锛3/鏍瑰彿14)绾挎у彉鎹㈢殑鐗瑰緛鍚戦噺鏄寚鍦ㄥ彉鎹笅鏂瑰悜涓嶅彉锛屾垨鑰呯畝鍗曞湴涔樹互涓涓缉鏀惧洜瀛愮殑闈為浂鍚戦噺銆...
绛旓細鐗瑰緛鍚戦噺梅鐗瑰緛鍚戦噺鐨勬ā闀裤傚浜庝竴涓壒寰佸悜閲徫憋紝妯￠暱涓衡垼伪鈭锛屽崟浣嶅寲鍚庣殑鐗瑰緛鍚戦噺涓何/鈭Ｎ扁垼锛屼娇寰楃壒寰佸悜閲忕殑妯￠暱涓1锛屽嵆鈭Ｎ/鈭Ｎ扁垼鈭=1銆
绛旓細濡 (1,2,2) 鍗曚綅鍖鍚庝负 (1/3,2/3,2/3) = (1/3)(1,2,2)
绛旓細鍚戦噺鍗曚綅鍖栨槸灏嗕竴涓悜閲忚浆鍖栦负鍗曚綅鍚戦噺鐨勮繃绋銆傚崟浣嶅悜閲忓叿鏈夐暱搴︿负1鐨勭壒鐐癸紝鍙互琛ㄧず鏂瑰悜浣嗕笉琛ㄧず澶у皬 1.鍚戦噺鍗曚綅鍖栫殑瀹氫箟 鍚戦噺鏄暟瀛︽蹇点傚湪鏁板涓紝鍚戦噺锛堜篃绉颁负娆у嚑閲屽緱鍚戦噺銆佸嚑浣曞悜閲忋佺煝閲忥級锛屾寚鍏锋湁澶у皬锛坢agnitude锛夊拰鏂瑰悜鐨勯噺銆傚畠鍙互褰㈣薄鍖栧湴琛ㄧず涓哄甫绠ご鐨勭嚎娈点傚悜閲忓崟浣嶅寲鏄皢涓涓悜閲忚浆鍖栦负...
绛旓細濡傛灉A鏄疄瀵圭О鐭╅樀锛岄鐩姹傛眰姝ｄ氦鐭╅樀P锛屼娇P^T*A*P鎴愪负瀵硅闃碉紝鍒欐眰寰楃殑A鐨鐗瑰緛鍚戦噺瑕佸厛姝ｄ氦鍖栵紙濡傛灉A鏈夐噸鐗瑰緛鍊硷級锛屽啀鍗曚綅鍖栵紝鐒跺悗鎵嶅彲浠ュ啓鍑烘浜ら樀P銆傚湪浜屾鍨嬪寲涓烘爣鍑嗗舰鐨勯鐩噷锛屽鏋滆姹傛眰姝ｄ氦鍙樻崲锛屽垯姹傚緱鐨勪簩娆″瀷鐭╅樀A鐨勭壒寰佸悜閲忚鍏堟浜ゅ寲锛堝鏋淎鏈夐噸鐗瑰緛鍊硷級锛屽啀鍗曚綅鍖栵紝鐒跺悗鎵嶅彲浠...
绛旓細鍦ㄩ鐩姹傛浜ょ煩闃礟鏃, 鐗瑰緛鍚戦噺闇姝ｄ氦鍖栧拰鍗曚綅鍖.涓涓悜閲忕殑鍗曚綅鍖栧氨鏄箻姝ゅ悜閲忕殑闀垮害鐨勫掓暟 濡 (1,1,1)^T 鍗曚綅鍖栦负 (1/鈭3)(1,1,1)^T
绛旓細鍥犱负 ||k伪|| = 鈭(k伪,k伪) = 鈭歔k^2(伪,伪) = |k| 鈭(伪,伪) = |k| ||伪|| 鎵浠ユ湁 k伪/||k伪|| = (k/|k|) ( 伪/||伪|| )鎵浠, 瀵筴伪鍗曚綅鍖, 鐩稿綋浜庡伪鍗曚綅鍖, 浣嗚淇濈暀k鐨勬璐熷彿 鎵浠ヤ笉鐢ㄨ冭檻閭ｄ釜 1/5....
绛旓細鍥犱负P鏄浜ょ煩闃碉紝姝ｄ氦鐭╅樀姣忎竴琛岋紙鎴栧垪锛夐兘鏄鍗曚綅鍚戦噺锛棰樹腑A鎭版湁3涓笉鍚岀殑鐗瑰緛鍊硷紝鑰屼笉鍚岀壒寰佸煎搴鐗瑰緛鍚戦噺蹇呮浜わ紝鎵浠ュ氨涓嶇敤姝ｄ氦鍖栵紝鑰屾槸鐩存帴鍗曚綅鍖銆傝嫢位0鏄疉鐨勭壒寰佸硷紝涓旀槸鐗瑰緛澶氶」寮忕殑k閲嶆牴锛屽洜涓篈鍙瑙掑寲锛屾墍浠ョ壒寰佹柟绋嬧攤A-位0鈹=0鐨勫熀纭瑙ｇ郴蹇呭寘鍚玨涓В鍚戦噺锛屽垯杩檏杩欎釜鐗瑰緛鍚戦噺蹇呴』...
绛旓細4, 5)^T|. 鑰寍(2, 4, 5)^T|=(2^2+4^2+5^2)^{1/2}=3鈭5(鍗虫牴鍙蜂笅2鐨勫钩鏂+4鐨勫钩鏂+5鐨勫钩鏂=3鍊嶆牴鍙5)锛屽洜姝尾|=5鍒嗕箣3鍊嶆牴鍙5.鍙﹀锛屼篃鍙互灏嗗垎鏁颁箻杩涘幓锛岀劧鍚庣畻锛屽嵆|尾|=鏍瑰彿涓2/5鐨勫钩鏂+4/5鐨勫钩鏂+1鐨勫钩鏂癸紝鍙槸瀵硅繖涓◢楹荤儲浜涳紝瀵逛笉鍚岄棶棰橈紝鍙牴鎹儏鍐佃冭檻銆
