干掉SVD：1.矩阵的含义

参考：https://www.zhihu.com/question/22237507

一，前言：

了解SVD之前，我们要知道特征值，特征向量的含义，回顾（https://blog.csdn.net/qq_33228039/article/details/98968137）。当然也需要直到基座标变换的含义，回顾（https://blog.csdn.net/qq_33228039/article/details/98945843）。当然最最重要的是理解矩阵的含义。

二，矩阵的含义：

参考（https://wenku.baidu.com/view/b7641217866fb84ae45c8d17.html）

矩阵是什么，取决于你从什么角度去观察

1.矩阵与线性变换

在线性空间中，当选定一组基之后，不仅可以用一个向量来描述空间中的任何一个对象，而且可以用矩阵来描述该空间中的任何一个运动（线性变换），也即对于任何一个线性变换，都能够用一个确定的矩阵来加以描述。在线性空间中选定基之后，向量刻画对象，矩阵刻画对象的运动。而使某个对象发生对应运动的方法，就是用代表那个运动的矩阵，乘以代表那个对象的向量。用矩阵与向量的乘法施加运动。

矩阵是线性空间中的线性变换的一个描述

对于同一个线性变换，选定一组基，就可以找到一个矩阵来描述这个线性变换；换一组基，就得到一个不同的矩阵。所有这些矩阵都是这同一个线性变换的描述，但又不是线性变换本身。所以线性变换是抽象的概念。

同一个线性变换的矩阵具有的性质：

 若A和B是同一个线性变换的两个不同的矩阵，则一定存在非奇异矩阵P（1.方阵，2.行列式不等于0，3.可逆），使得,即同一个线性变换在不同的坐标系下表现为不同的矩阵，但其本质相同，所以特征值相同。不懂的去看基坐标变换。

相似矩阵，就是同一个线性变换的不同的描述矩阵，或者说相似举证都是同一个线性变换的描述。也就是同一个运动，不同的说法。

线性变换可以用矩阵的形式呈现，也就是说，矩阵是形式，而变换---也就是各种映射才是本质，而代数的重要任务之一就是研究各种数学结构之间的关系---也就是映射。

2.矩阵与坐标系

n维线性空间里的方阵A的n个n维向量如果线性无关，那么它们就可以成为度量n维线性空间的一组基，事实上就是一个坐标系体系。

第一个，表示，向量乘以矩阵，向量做了线性变换，从b向量变成了a向量。矩阵表示的是线性变换。

第二个，表示，向量从01坐标系，转换成M坐标系。矩阵表示的是坐标系。

3.矩阵既是坐标系，又是变换。

4.总结：

矩阵是什么取决于我们怎么使用它，通俗点也是对象和类的关系。