SVD奇异值分解(1)-数学基础

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)


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值