奇异值分解(SingularValue Decomposition)是线性代数中一种重要的矩阵分解,是矩阵分析中正规矩阵酉对角化的推广。它常被用在信号处理,数据降维,当前在推荐系统中也开始流行。
1.矩阵计算
矩阵的数乘是K乘以矩阵中的所有元素,其中K、M、O、L为0。
最简单的矩阵乘法。
2.线性空间
(1)定义:
线性空间:“客观”存在的一种空间,对加法和数乘具有封闭性。
向量:既有大小又有方向的量,同时没有起点
线性空间的基:描述空间内向量的一组“特殊”的向量,空间内的所有向量都能被一组基的线性组合表示。
举例:直线就是一维的线性空间,平面就是二维线性空间,三维立体空间就是三维线性空间。
(2)线性空间的基
x=(1,0), y=(0,1), c(5,3)=5x+3y, 则c在基x,y下的坐标为(5,3);
a=(1.5,1.5), b=(2,0), c=(5,3)=2a+b, 则c基a,b下的坐标为(2,1);
(3)线性映射&线性变换
(4)线性变换和矩阵表示
(5)线性变换
(6)求特征值
(7)求特征向量
(8)特征向量的几何意义
3.对角化变换(特征值分解)