腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
文章
问答
(9999+)
视频
沙龙
1
回答
显示
特征向量
与
Python
正交
M = ( 1 -4 2 ) 2 -2 -2 问题是证明
特征向量
与
Python
是
正交
的? 这就是我所尝试的:首先,我找到
特征向量
。
浏览 20
提问于2021-05-07
得票数 1
回答已采纳
9
回答
检查
python
中的大型矩阵是否为对角矩阵。
、
、
我计算了一个很大的矩阵M,它有很多退化的
特征向量
(不同的
特征向量
具有相同的特征值)。我用QR分解来确定这些
特征向量
是
正交
的,所以Q是M的
正交
特征向量
,Q^{-1}MQ = D,其中D是对角矩阵。现在我想检查D是否是真正的对角线矩阵,但是当我打印D时,这个矩阵太大,不能全部
显示
,那么我怎么知道它是否是真正的对角线矩阵呢?
浏览 7
提问于2017-05-10
得票数 14
回答已采纳
1
回答
用numpy对角化酉矩阵不产生
正交
特征向量
、
、
由于矩阵是酉的,它的
特征向量
被认为是一个
正交
基。if op.data is unitary, actually yields 2.3337334181537826e-15, which is ine我不认为这是由于某种数值近似,因为最后的标量积是相当大的。 我不认为这是由于某种共轭,我会忘记。作为理智检验,我确保v_i和v_j确实是op的
特征向量
,这意味着它们是
浏览 7
提问于2022-11-28
得票数 1
1
回答
处理重复特征值的
Python
、
考虑一个实对称矩阵(s,u)=scipy.linalg.eigh(A) 如果A有重复的特征值,则u的列不一定是
正交
的。在
python
中获得
正交
特征向量
的最有效的方法是什么?
浏览 3
提问于2016-03-24
得票数 1
1
回答
PointCloud的典型位姿
、
、
、
对于这个圆柱体,我们用主成分分析来计算它的质心和
特征向量
。obj.getPose()会构造出它的新姿态,在重新计算之后,它是新的
特征向量
和质心位置(然后应该是(0,0,0))。
浏览 4
提问于2016-01-13
得票数 0
回答已采纳
1
回答
主成分分析为什么我们要求向量的最大值?
、
、
、
或者我们这样做只是为了把它变成罗利商的形式,这样我们就可以使用特征值来找到
与
矩阵相关的最大
特征向量
?(它也是最大的向量) 为什么我们首先想要最大的向量呢?在我们的变换轴上,我们是否只
显示
了每个维度的最大方差?难道我们不想转换所有的点,并尝试看到一些相关性吗?
浏览 1
提问于2015-07-15
得票数 0
1
回答
使用ZHEEVD时重新排列
特征向量
矩阵的顺序
、
、
、
我注意到,当使用lapack子例程ZHEEVD (或ZHEEV)时,
特征向量
矩阵排列
与
特征值排序不对应。举个例子,我的意思是:如果需要,我可以提供一个示例,但问题很简单:是否有某种方法可以重新排列
特征向量
矩阵,以便(其中H是对称实数矩阵,v_i是
与
特征值E_i相关的
特征向量
)特征值-
特征向量
在Lapack子例程中是否对应?
浏览 4
提问于2014-08-07
得票数 1
1
回答
scipy.linalg.eig左/右
特征向量
互不
正交
、
、
对于矩阵的特征分解,左、右
特征向量
应该是
正交
的。利用scipy.linalg.eig,我测试了把这个问题作为一个标准的特征值问题和一个一般的特征值问题来解决。标准特征值问题返回的左/右
特征向量
是
正交
的,通过计算它们的点积来验证。一般特征值问题返回的左/右
特征向量
互不
正交
。摘要:evals, evecs_l, evecs_r = scipy.linalg.eig(M, N, left=True, right=Tr
浏览 0
提问于2018-02-13
得票数 0
回答已采纳
1
回答
特征值和
特征向量
的有效排序方法
、
、
、
、
我如何分类特征值和相应的
特征向量
?(为了最终提取最大特征值和对应的vec),是否可以进行类似
Python
中常见的构造?
浏览 0
提问于2019-05-27
得票数 1
回答已采纳
1
回答
在R/
Python
中以相似的计算速度获得
正交
的左右
特征向量
?
、
、
、
、
我的目标是在不求逆的情况下找到可对角化的非对称矩阵m的右和左
特征向量
,但它们仍然是相互
正交
的/从?在R中,eigen(m)$vectors默认提供右
特征向量
。一种经常提出的解决方案是通过运行eigen(t(m))$vectors来找到左边的。我如何在R(或
Python
)中实现它?我见过这个示例,它强调以相同的效率计算左和右
特征向量
,但它是用Mathematica编写的。我该如何翻译这个例子?总体目标是找到由左右
特征向量
的外积组成的特征投影。
浏览 15
提问于2021-11-27
得票数 1
1
回答
如何利用点云库找到点云的主成分和方向
、
、
我有一块木块的点云。我找到了那个点云的质心。现在,我正在尝试使用点云库来查找主组件和方向。下面是我尝试过的代码。如果你不懂什么就纠正我。 Eigen::Matrix3f covariance_matrix; Eigen::Vector3f eigen_values; pcl::compute3DC
浏览 1
提问于2015-02-24
得票数 2
回答已采纳
2
回答
R是如何选择
特征向量
的?
、
它是如何选择这个基础而不是任何其他的
正交
基础的呢?
浏览 1
提问于2020-09-16
得票数 1
回答已采纳
2
回答
用eig()表示倍频程中的特征值
、
、
对应的
特征向量
是(1;-1)和(1;1)。1,2]) 0.70711 0.70711 0 3 为什么
特征向量
是倍频程
浏览 0
提问于2014-04-07
得票数 4
回答已采纳
1
回答
R中奇异值分解的再现
、
、
、
这个U矩阵的某些元素
与
svd()函数中的U矩阵有不同的符号:U2 <- eigen(AAT)$vectors 所以我的问题是,为什么U矩阵与我从零开始计算它的时候不同
浏览 3
提问于2016-09-09
得票数 0
回答已采纳
1
回答
zgeev给出了不
正交
的
特征向量
、
我尝试用zgeev对角化一个矩阵,它给出了正确的特征值,但是
特征向量
不是
正交
的。0.99999999999999978,0.0000000000000000)( 0.99999999999999978,0.0000000000000000)( 0.78160853028734012,0.0000000000000000) (-0.61215226207528295,0
浏览 1
提问于2017-02-07
得票数 0
回答已采纳
1
回答
为什么协方差矩阵的主成分捕获变量的最大方差?
、
、
、
到目前为止,我了解到,矩阵的
特征向量
意味着向量按特征值的比例乘以该矩阵时旋转和缩放的方向。因此,
与
最大特征值相关联的
特征向量
定义了最大旋转的方向。据我所知,沿着主成分,变化最大,重建误差最小。我不明白的是:除了教程之外,我还复习了这里的其他答案,包括和。但我还是不明白。
浏览 2
提问于2017-11-30
得票数 2
回答已采纳
2
回答
特征值和
特征向量
Matlab
、
、
对于一个实的对称矩阵,所有的特征值都是正数和
特征向量
作为矩阵的基A*V(1) - D(1)*V(1)
浏览 3
提问于2014-02-01
得票数 0
1
回答
Python
的PCA :
特征向量
不是
正交
的
、
、
、
我的理解是,主成分(即协方差矩阵的
特征向量
)总是相互
正交
的。所以我认为,对于我的情况,如果我画出我从随机数据中得到的
特征向量
,也是
正交
的。但事实并非如此。他们的方向总是大致不同的。60度,而不是我所期望的90度。请看下面的图片,红色是学习PCA的
特征向量
,绿色是我自己代码中的
特征向量
。奇怪的是,最后两条线,我检查这两
浏览 11
提问于2021-12-18
得票数 1
回答已采纳
1
回答
如何使用dsyev例程计算特征值?
、
我试图编写代码来计算对称矩阵的eign向量和eign值。我知道如何用笔和纸计算evalues,但是我有点困惑于!我是一个初学者,所以我可能是错误的解释api参数。 char jobz='V',uplo='U';// lapack_int lda=3,n=3,info=8; double w[3],work[3]; 3,2,
浏览 7
提问于2015-09-01
得票数 1
1
回答
将点或形状旋转到新的轴
、
、
我用
Python
编写了一些代码,使用返回的矩参数将椭球体
与
三维数据相匹配。基本上,我所做的就是从区域道具中得到“惯性张量”,我把它输入,得到
特征向量
和特征值。这些
特征向量
是
正交
的单位向量,用来描述与我的数据相吻合的椭球的长轴和短轴(我认为)。我从Matlab的regionprops3函数中删除了这个想法--我的线性代数课在十多年前,我对它几乎没有记忆。我需要旋转椭球体,使长轴
与
第一
特征向量
(而不是x轴)对齐,并将长轴旋转到第二和第三
特征向量
(而不是y和
浏览 9
提问于2022-06-03
得票数 0
点击加载更多
相关
资讯
Python实现图像显示与处理
机器学习之线性代数速查表
PCA主成分分析(二)
掌握机器学习数学基础之线代(二)
《深度学习》读书笔记系列——线性代数2
热门
标签
更多标签
云服务器
ICP备案
实时音视频
对象存储
云直播
活动推荐
运营活动
广告
关闭
领券