Rozwiązywanie problemów wartości/wektorów własnych

Algebra liniowa dla data science w R

Eric Eager

Data Scientist at Pro Football Focus

Właściwości rozwiązań problemów wartości/wektorów własnych

Macierz $A$ wymiaru $n$ na $n$ ma, z uwzględnieniem krotności, $n$ wartości własnych.
Nawet jeśli $A$ składa się wyłącznie z liczb rzeczywistych, niektóre (lub wszystkie) wartości własne mogą być zespolone.
Zespolone wartości własne zawsze występują w parach sprzężonych, np. $1 + 2i$ i $1 - 2i$.

print(A)

     [,1] [,2] [,3]
[1,]   -1    2    4
[2,]    0    7   12
[3,]    0    0   -4

eigen(A)

eigen() decomposition
$`values`
[1]  7 -4 -1

$vectors
          [,1]       [,2] [,3]
[1,] 0.2425356 -0.3789810    1
[2,] 0.9701425 -0.6821657    0
[3,] 0.0000000  0.6253186    0

print(A)

     [,1] [,2] [,3]
[1,]   -1    2    4
[2,]    0    7   12
[3,]    0    0   -4

Wyodrębnianie wartości i wektorów własnych:

E <- eigen(A)
E$values[1]

E$vectors[, 1]

7

0.2425356 0.9701425 0.0000000

print(A)

     [,1] [,2]
[1,]    1    2
[2,]   -2   -1

eigen(A)

eigen() decomposition
$`values`
[1] 0+1.732051i 0-1.732051i

$vectors
                      [,1]                  [,2]
[1,]  0.3535534+0.6123724i  0.3535534-0.6123724i
[2,] -0.7071068+0.0000000i -0.7071068+0.0000000i

eigen(A)$values[1]*eigen(A)$values[2]

3+0i

Czas na ćwiczenia!

Algebra liniowa dla data science w R