矩陣分解與應用

譜定理(spectral theorem)

譜定理是關於對稱矩陣(即等於自身轉置的矩陣,A = A^T)的乾淨、無意外的保證。它擔保兩件美好的事:A 的所有特徵值都是實數(不會冒出彆扭的複數),而且總能找到一組互相垂直、長度為一的完整特徵向量。

把這些標準正交的特徵向量並排放進矩陣 Q,就能把 A 寫成 A = Q*D*Q^T,其中 D 是存放特徵值的對角矩陣。這是對角化最純淨的形態:Q 是正交矩陣,所以 Q^T 同時就是它的逆,整個映射變成「旋轉到各特徵方向、沿每個軸縮放、再旋轉回來」。

這一黃金情形在實踐中很重要,因為對稱矩陣出現在所有值得關注的地方:統計中的共變異數矩陣、物理中的能量與剛度矩陣,以及許多演算法背後的核。當你的矩陣是對稱的,譜定理就保證了能得到的最好結構。

A = A^T => A = Q*D*Q^T, Q orthogonal, D = diag(lambda_1, ..., lambda_n)

對稱矩陣分解為:旋轉、純縮放、再旋轉回來。

它專門適用於(實)對稱矩陣;一般矩陣未必有實特徵值或互相垂直的特徵向量。

又稱
spectral decomposition谱定理譜定理谱分解譜分解eigendecomposition of symmetric matrices