基本概念
可以通过分解 矩阵来发现矩阵一些不明显的特征和性质
特征分解是使用最广的矩阵分解之一,将矩阵分解成一组特征向量和特征值
其中V 是矩阵的特征向量,diag(lambda)为对角矩阵
特征分解多用于降维,图象压缩,和推荐系统等领域
矩阵是运动
矩阵可以看作是对向量进行的一组线性变换(伸缩、旋转)
方阵不会对向量的维度进行变化,即升维和降维。
基的本质
基的本质就是最基本的彼岸换单位或变换单元,决定了以何种变换尺度生成新的数据
二维向量中类似于整数基中的1就是单位矩阵,但是二维向量的基不都是单位矩阵,可以是任意一个方阵
空间变换
特征值类似于向量的权重,特征值越大,说明特征向量越重要
矩阵表示向量的运动和变换,矩阵分解就是找到合成的变换信息或者变换运动信息,找到合成变换中的具体旋转与伸缩信息。