ค่าเจาะจง (Eigenvalues) และเวกเตอร์เจาะจง (Eigenvectors)

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

Eric Eager

Data Scientist at Pro Football Focus

แรงบันดาลใจ — การจดจำใบหน้า

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

การคูณเมทริกซ์กับเวกเตอร์

  • การหมุน
  • การสะท้อน
  • การขยาย
  • การหดตัว
  • การฉาย
  • การรวมกันทุกรูปแบบที่เป็นไปได้
พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

การคูณสเกลาร์

การคูณสเกลาร์ $c$ กับเวกเตอร์ $\vec{x}$ เขียนแทนด้วย:

$$c \vec{x}$$

ซึ่งเป็นการคูณทุกสมาชิกของ $\vec{x}$ ด้วย $c$

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

การคูณสเกลาร์

print(x)
3 2 3
c <- 4
c*x
12  8 12
พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

การคูณสเกลาร์ผ่านการคูณเมทริกซ์

การคูณสเกลาร์สามารถทำได้ผ่านการคูณเมทริกซ์พิเศษ:

$$c I \vec{x} = c\vec{x}$$

อย่างไรก็ตาม ยังมีเมทริกซ์อื่นอีกมากที่เมื่อนำไปใช้กับเวกเตอร์ที่เหมาะสม จะทำงานเหมือนการคูณสเกลาร์ทุกประการ

สเกลาร์และเวกเตอร์เหล่านี้เรียกว่า ค่าเจาะจง (eigenvalues) และเวกเตอร์เจาะจง (eigenvectors)!

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

การคูณสเกลาร์ผ่านการคูณเมทริกซ์

print(A)
     [,1] [,2] [,3]
[1,]    3    0    0
[2,]    0    3    0
[3,]    0    0    3
x <- c(3, 2, 3)
A%*%x
     [,1]
[1,]    9
[2,]    6
[3,]    9
3*x
9 6 9
พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

มาฝึกกันเถอะ!

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

Preparing Video For Download...