线性代数——特征分解

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。