$\bf{X} \bf{X}^T$和$ \bf{X}^T \bf{X}$的非零特征值和特征向量之间的关系
2024-10-21 14:38:50
设\(\lambda_i\)为\(\bf{X} \bf{X}^T\)的特征值,对应的特征向量为\(\mathbf{\alpha}_i\),则
\[\bf{X} \bf{X}^T \mathbf{\alpha}_i=\lambda_i\mathbf{\alpha}_i
\tag{1}
\]
\tag{1}
\]
\((1)\)式两边同时左乘\(\bf{X}^T\),有
\[\bf{X}^T \bf{X} \bf{X}^T \mathbf{\alpha}_i=\bf{X}^T \lambda_i\mathbf{\alpha}_i
\]
\]
即
\[(\bf{X}^T \bf{X}) (\bf{X}^T \mathbf{\alpha}_i)=\lambda_i(\bf{X}^T \mathbf{\alpha}_i)
\tag{2}
\]
\tag{2}
\]
\((2)\)式意味着\(\lambda_i\)是矩阵\(\bf{X}^T \bf{X}\)的特征值,其对应的一个特征向量为\(\bf{X}^T \mathbf{\alpha}_i\)。
注意到
\[\text{rank} (\bf{X} \bf{X}^T)=\text{rank} (\bf{X}^T\bf{X})=\text{rank} (\bf{X})=\text{rank}(\bf{X})
\tag{3}
\]
\tag{3}
\]
\((2)\)式和\((3)\)式说明,\(\bf{X} \bf{X}^T\)和\(\bf{X}^T\bf{X}\)的非零特征根是一样的,非零特征根对应的特征向量具有如下关系:
- 若\(\mathbf{\alpha}_i\)是\(\bf{X} \bf{X}^T\)的一个特征向量,那么\(\bf{X}^T \mathbf{\alpha}_i\)为\(\bf{X}^T\bf{X}\)的一个特征向量,二者分别对应同一个非零特征值
- 若\(\mathbf{\beta}_i\)是\(\bf{X}^T\bf{X}\)的一个特征向量,那么\(\bf{X} \mathbf{\beta}_i\)为\(\bf{X}\bf{X}^T\)的一个特征向量,二者分别对应同一个非零特征值(证法类似,此处略去)
这一结论的具体应用如下:
假如样本矩阵\(\bf{X}\)有100个观测,1000个变量,其维度\(n\times p=100 \times 1000\),现在要计算\(\bf{X}^T\bf{X}\)的特征向量。注意到,一方面\(\bf{X}^T\bf{X}\)的维度为\(1000 \times 1000\),维度很大,直接输进软件里求解的话会耗费大量时间;另一方面,\(\bf{X}\bf{X}^T\)的维度为\(100 \times 100\),维度适中,直接输进软件里求解的话较快。因此,可以先求得\(\bf{X}\bf{X}^T\)的非零特征根对应的特征向量,然后分别再左乘矩阵\(\bf{X}^T\)即可解决问题。
最新文章
- 使用Js脚本 修改控制IE的注册表相关设置(activex等)
- [C#基础]Func和Action学习
- mobile响应式页面meta信息相关记录
- 2013年山东省第四届ACM大学生程序设计竞赛 Alice and Bob
- [iOS基础控件 - 6.11.3] 私人通讯录Demo 控制器的数据传递、存储
- Android 开发遇到的问题及解决办法
- MSSQL基础
- 强化学习读书笔记 - 05 - 蒙特卡洛方法(Monte Carlo Methods)
- Temperature hdu 3477
- PWN! 第一次测试答案及讲解
- strcpy函数用法
- SPOJ Meteors - 可持久化线段树 - 二分法
- java利用poi生成excel文件后下载本地
- js 异步加载
- code first 如何创建索引字段
- oracle 查询 约束
- iOS 基础入门--Bull' Eye 小游戏
- linux定时任务cron配置[转]
- 鸟哥的私房菜:Bash shell(五)-数据流重导向
- CentOS 7 SSH远程证书登陆