Python数据分析与挖掘实战学习06

一、矩阵和线性代数

1.SVD

奇异值分解(Singular Value Decomposition)是一种重要的矩阵分解方法，可以看做对称方阵在任意矩阵上的推广。

假设A是一个m×n阶实矩阵，则存在一个分解使得：

通常将奇异值由大而小排列。这样， 便能由A唯一确定了。

与特征值、特征向量的概念相对应：

(1)  对角线上的元素称为矩阵A的奇异值；

(2)U的第i列称为A的关于 的左奇异向量；

(3)V的第i列称为A的关于 的右奇异向量。

2.线性代数

定义：方阵的行列式

(1)1阶方阵的行列式为该元素本身

(2)n阶方阵的行列式等于它的任一行(或列)的各元素与其对应的代数余子式乘积之和。

3.方阵行列式

1×1的方阵，其行列式等于该元素本身。

2×2的方阵，其行列式用主对角线元素乘积减去次对角线元素的乘积。