1樓：匿名使用者
特徵值都是求三次方程的，一般是可以因式分解的，特別是字母型的，如果不能因式分解往往說明你算錯了，話說我最近在搞這相關的東西，你這是哪一門課。
話說你這個3*3矩陣好算到爆
協方差矩陣和相關矩陣求主成分有什麼不同
2樓：大鋼蹦蹦
最主要一點：相關矩陣是純數，不受度量單位的影響。比如：
以米度量長度和以毫米度量長度，用協方差矩陣做主成分分析在兩種度量下會有不同結果，但是使用相關矩陣做主成分分析，結果是一樣的。
主成分分析用相關係數矩陣和協方差矩陣有什麼區別
3樓：匿名使用者
相關係數矩陣：相當於消除量綱的表示變數間相關性的一個矩陣協方差矩陣：它是沒有消除量綱的表示變數間相關性的矩陣.
你對比下它們的等式變換關係：
r=cov(x,y)/d(x)d(y)
主成分分析用相關係數矩陣和協方差矩陣有什麼區別？
4樓：纞上貓的餘
在統計學與概率論中，相關矩陣與協方差矩陣，互相關矩陣與互協方差矩陣可以通過計算隨機向量（自相關或自協方差時為x，互相關或互協方差時為x,y）其第 i 個與第 j 個隨機向量（即隨機變數構成的向量）之間的自、互相關係數以及自、互協方差來計算。這是從標量隨機變數到高維度隨機向量的自然推廣。
相關矩陣：也叫相關係數矩陣，其是由矩陣各列間的相關係數構成的。也就是說，相關矩陣第i行第j列的元素是原矩陣第i列和第j列的相關係數。
協方差矩陣：在統計學與概率論中，協方差矩陣的每個元素是各個向量元素之間的協方差，是從標量隨機變數到高維度隨機向量的自然推廣。
相關係數矩陣和協方差矩陣主要用於描述矩陣各行，列向量之間的相關程度。
如何求協方差矩陣
1 取列向量c和s,分別以cos theta i 和sin theta i 為分量 那麼原來的矩陣是i xy t,其中x c,s y s,c 利用sylvester恆等式det i xy t det i y tx 即可,後面那個二階行列式可以算出來 2 記原矩陣為a,再取多項式f x a1 a 2x...
為什麼隨機向量的協方差矩陣是半正定陣
直覺上就和隨機抄變數的方差是 襲正的一個道理，嚴格的證明如下 設隨機變數為x 都是n維的假設，且都是列向量 其方差 協方差矩陣為 e xx e x e x e 這是因為你後，大括號裡就是xx e x x xe x e x e x 然後外面取e e xx e x x xe x e x e x e xx...
馬氏距離公式中的協方差矩陣為什麼要用逆矩陣呢
協方差矩陣都是正定的，所以一定有逆吧 用逆矩陣的原因是相當於除去scale對距離的影響，想想一維的情況就應該能理解了 比如說同樣距離都是3，但是對於方差大的資料，這個距離就算小了，所以要用距離再除以方差，高維情況就是協方差陣的逆了 劉老師您好，我在文獻中看到hessian矩陣的逆可以用於求協方差矩陣...