Vecteurs Propres & Valeurs Propres

Géométrie et algèbre des applications linéaires, vecteurs et matrices

La plupart des vecteurs sont déviés de leur trajectoire quand une matrice agit sur eux : ils pivotent autant qu'ils s'étirent. Mais quelques directions spéciales sont invariantes. La matrice ne fait que les étirer ou les retourner, jamais les tourner. Ce sont les vecteurs propres, et le facteur d'étirement est la valeur propre.

Lisez à voix haute : appliquer A à son vecteur propre v rend la même direction, juste mise à l'échelle par λ. Si λ = 2, cette direction double ; si λ = −1, elle se retourne ; si λ = 0.5, elle rétrécit de moitié. Les vecteurs propres forment le squelette de la transformation, les axes le long desquels elle agit le plus simplement.

Faites glisser un vecteur autour de la figure. La plupart des directions pivotent visiblement sous A ; seulement le long des directions propres la sortie reste parallèle à l'entrée.

Où cela apparaît en MLLes vecteurs propres sont les directions le long desquelles un processus se déplace naturellement. En PCA, les vecteurs propres de la matrice de covariance sont les axes de plus grande variance, les directions où vos données s'étendent réellement. En optimisation, les valeurs propres du Hessian décrivent la courbure de la loss dans chaque direction : grandes valeurs propres sont des murs raides,…
▶ Vecteurs Propres & Valeurs Propres
← Inverse MatricielDiagonalisation →