矩阵分解与应用
谱定理(spectral theorem)
谱定理是关于对称矩阵(即等于自身转置的矩阵,A = A^T)的干净、无意外的保证。它担保两件美好的事:A 的所有特征值都是实数(不会冒出别扭的复数),而且总能找到一组互相垂直、长度为一的完整特征向量。
把这些标准正交的特征向量并排放进矩阵 Q,就能把 A 写成 A = Q*D*Q^T,其中 D 是存放特征值的对角矩阵。这是对角化最纯净的形态:Q 是正交矩阵,所以 Q^T 同时就是它的逆,整个映射变成「旋转到各特征方向、沿每个轴缩放、再旋转回来」。
这一黄金情形在实践中很重要,因为对称矩阵出现在所有值得关注的地方:统计中的协方差矩阵、物理中的能量与刚度矩阵,以及许多算法背后的核。当你的矩阵是对称的,谱定理就保证了能得到的最好结构。
A = A^T => A = Q*D*Q^T, Q orthogonal, D = diag(lambda_1, ..., lambda_n)
对称矩阵分解为:旋转、纯缩放、再旋转回来。
它专门适用于(实)对称矩阵;一般矩阵未必有实特征值或互相垂直的特征向量。
又称
另见