如何在R中用谱分解计算airquality数据集协方差矩阵的逆与平方根

你使用的协方差矩阵属于实对称正定矩阵，谱分解的标准形式为 matr = V %*% diag(L) %*% t(V)，其中V是正交特征向量矩阵，L是按降序排列的正特征值向量。基于谱分解的性质，直接对特征值做对应变换即可得到目标矩阵：

1. 计算协方差矩阵的逆 #

• 原理：正定矩阵的逆的谱分解形式为 matr⁻¹ = V %*% diag(1/L) %*% t(V)，只需将每个特征值取倒数即可。
• 对应R实现代码：

# 按你当前累加分量的逻辑实现逆矩阵计算
inv_mat <- (1/L[1]) * V[,1] %*% t(V[,1]) +
           (1/L[2]) * V[,2] %*% t(V[,2]) +
           (1/L[3]) * V[,3] %*% t(V[,3]) +
           (1/L[4]) * V[,4] %*% t(V[,4]) +
           (1/L[5]) * V[,5] %*% t(V[,5]) +
           (1/L[6]) * V[,6] %*% t(V[,6])

# 验证结果：和R内置求逆函数结果对比，差值接近0即为正确
max(abs(inv_mat - solve(matr)))

如果不想手动累加分量，也可以用更简洁的矩阵运算写法：

inv_mat_simple <- V %*% diag(1/L) %*% t(V)

2. 计算协方差矩阵的平方根 #

• 原理：正定矩阵的对称平方根（满足 sqrt_mat %*% sqrt_mat = matr）的谱分解形式为 matr^(1/2) = V %*% diag(sqrt(L)) %*% t(V)，只需将每个特征值取算术平方根即可。
• 对应R实现代码：

# 按累加分量的逻辑实现平方根矩阵计算
sqrt_mat <- sqrt(L[1]) * V[,1] %*% t(V[,1]) +
            sqrt(L[2]) * V[,2] %*% t(V[,2]) +
            sqrt(L[3]) * V[,3] %*% t(V[,3]) +
            sqrt(L[4]) * V[,4] %*% t(V[,4]) +
            sqrt(L[5]) * V[,5] %*% t(V[,5]) +
            sqrt(L[6]) * V[,6] %*% t(V[,6])

# 验证结果：平方根矩阵自乘和原协方差矩阵差值接近0即为正确
max(abs(sqrt_mat %*% sqrt_mat - matr))

简洁版矩阵运算写法：

sqrt_mat_simple <- V %*% diag(sqrt(L)) %*% t(V)

内容的提问来源于stack exchange，提问作者user15866126