使用图像解释矩阵特征向量与特征值

特征值矩阵与特征向量矩阵

矩阵$A$的维度为n×n，则矩阵$A$与特征向量$v$特征值$\lambda$之间的关系是:$$Av=\lambda v$$
通过计算，我们可以求取$A$的一系列特征向量组成的特征矩阵$V=[v_1,v_2,v_3,...,v_n]$和对应的一系列特征值组成的特征值矩阵$\Lambda =diag[{\lambda }_{11},{\lambda }_{22},...,{\lambda }_{nn}]$，则有一下关系：$$A=V\Lambda V^T$$

奇异值矩阵与奇异矩阵

矩阵$A$的维度为n×m，则此时的$A$无法求解特征值和特征向量，但是可以求广义上的特征值与特征向量，这就牵涉到奇异矩阵的分解。
奇异值分解步骤如下：

1. 求解<