【特徵值】
<P align=center><STRONG><FONT size=5>【<FONT color=red>特徵值</FONT>】</FONT></STRONG></P> <P><STRONG>Eigenvalues</STRONG></P><P><STRONG></STRONG> </P>
<P><STRONG>【辭書名稱】教育大辭書</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>假設有一個n×n的矩陣，並且也有一個純數(scalar)λ和一個1×n階的非零向量，共同滿足下列的恆等式：則λ該值稱作「特徵值」，該向量稱作「特徵向量」(eigenvector)；</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>其中，λ值必定是下列多項式方程式(poly-nomialequation)的一個解或根(root)：在n個向度的向量空間上的直線轉換，最多有n個不同的特徵值的解。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>如果有某個基(basic)內含有特徵向量的話，則該直線轉換必定是可以化簡成對角線矩陣的矩陣式子。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>特徵值又稱「愛根值」或「特徵根」(characteristicroot)、「潛在根」(latentroot)、「適當值」(propervalue)，或「光譜值」(spectralvalue)；</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>特徵向量又稱「愛根向量」或「特徵向量」、「潛在向量」(latentvector)、「適當向量」(propervector)，或「光譜向量」(spectralvector)。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>特徵值及特徵向量是一組配對的名詞，在多變量分析(multivariateanalysis)中，它們是資料分析的核心；</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>換句話說，多變量分析是建立在分析各式各樣的「特徵方程式」(characteristicequation)之特徵值及特徵向量上。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG></STRONG> </P>轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary
頁:
[1]