jaccard相似性系数_两组数据的相似度计算

jaccard相似性系数_两组数据的相似度计算线性代数之——相似矩阵当 有足够的特征向量的时候,我们有 。在这部分, 仍然是最好的选择,但现在我们允许任意可逆矩阵 ,矩阵 和 称为相似矩阵,并且不管选择哪个 ,特征值都保持不变。1. 相似矩阵假设 是任意

线性代数之——相似矩阵   当
A 有足够的特征向量的时候,我们有
S^{-1}AS=\Lambda。在这部分,
S 仍然是最好的选择,但现在我们允许任意可逆矩阵
M,矩阵
A
M^{-1}AM 称为相似矩阵,并且不管选择哪个
M,特征值都保持不变。   1. 相似矩阵   假设
M 是任意的可逆矩阵,那么
B = M^{-1}AM 相似于矩阵
A。   
B = M^{-1}AM \to A = MBM^{-1} \\   也就是说如果
B 相似于
A,那么
A 也相似于
B。如果
A 可以对角化,那么
A 相似于
\Lambda,它们肯定具有相同的特征值。 相似的矩阵
A
M^{-1}AM 具有相同的特征值,如果
x
A 的一个特征向量,那么
M^{-1}x
B = M^{-1}AM 的特征向量。   
Ax=\lambda x \to MBM^{-1}x=\lambda x \to B(M^{-1}x)=\lambda (M^{-1}x) \\
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   所有具有特征值 1 和 0 的 2×2 矩阵都是相似的,特征向量会随着
M 而改变,但特征值不变。上面的例子中特征值是不重复的,这种情况很好办,但如果有重复的特征值就会比较困难了。
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   这些
B 都和
A 一样行列式为 0,秩为 1,一个特征值为 0,并且矩阵的迹为 0,所以另一个特征值也为 0。但零矩阵不和它们相似,因为只有零矩阵自己和自己相似。   从
A
B=M^{-1}AM,有一些东西会改变一些则不变。
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   相似矩阵的特征值不变,矩阵的迹为特征值的和也不变,矩阵的行列式为特征值的乘积也不变,矩阵的秩不变,针对每个特征值的特征向量数目不变。   2. 若尔当形(Jordan Form)   
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   上面的矩阵有三个特征值 5,5,5 在它的对角线上,唯一的特征向量是 (1, 0, 0) 的倍数,代数重数为 3,几何重数为 1。每个和它相似的矩阵
B=M^{-1}AM 都有三重特征值 5,5,5,
B-5I 的秩也为 2,零空间的维度为 1。和这个若尔当块
J 相似的矩阵都只有一个不相关的特征向量
M^{-1}x。   此外,
J^T
J 相似,并且此时的矩阵
M 正好是反恒等矩阵。
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   由于
J 是我们能得到的最接近于对角矩阵的形式,方程
d\boldsymbol u/dt=J\boldsymbol u 不能再进一步被简化,我们必须直接利用回带法解决。
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算   对于每个
A,我们想要选择一个
M 来使得
M^{-1}AM 尽可能接近对角形式。当
A
n 个特征向量的时候,它们成为
M 的列,然后
M=S
S^{-1}AS=\Lambda 是对角矩阵。在一般情况下,特征向量会缺失,我们并不能完全对角化。假设
A
s 个不相关的特征向量,那么它相似于一个有
s 个块的矩阵,每个块都像上面的矩阵
J 一样,特征值位于对角线上,并且素 1 正好位于对角线上面,其中每个块对应于一个特征值。如果有
n 个特征向量
n 个块,那所有的块都是 1×1 的,
J 也就变成了
\Lambda
jaccard相似性系数_两组数据的相似度计算
jaccard相似性系数_两组数据的相似度计算
A 相似于
B 如果它们具有相同的若尔当形
J,其它情况都不符合。   对于每一个相似矩阵族,我们挑选出一个最特别的成员称为
J,这个族中其它的每个矩阵都可以表示为
A=MJM^{-1}。这时候,我们有
MJM^{-1}MJM^{-1}=MJ^2M^{-1},因此我们依然可以用
MJ^{100}M^{-1} 来求解
A^{100}。   相似性的核心在于——让矩阵变得尽可能简单但同时保留它的必要属性。

2024最新激活全家桶教程,稳定运行到2099年,请移步至置顶文章:https://sigusoft.com/99576.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处:https://sigusoft.com/68388.html

(0)
上一篇 2024年 8月 8日 下午1:02
下一篇 2024年 8月 8日 下午1:06

相关推荐

关注微信