矩阵的ED与SVD的意义:
- ED
矩阵的本质是线性变换,矩阵乘以一个向量无非就是把这个向量的方向和长度变一变。可是到底是往哪个方向变化、长度缩放的比例到底是多少呢?
把矩阵进行ED可以得到它的特征向量和特征值。
在特征向量的方向上进行线性变换就是乘以相应的特征值,这是非常好的性质。
于是可以先把这个向量变化到特征向量组成的空间里(即特征空间),然后只要进行数乘即可。
ED的前提是这个矩阵是方阵且可相似对角化。
这个要求太严格,于是延伸有了SVD。对于任意的矩阵,是否也存在类似ED中特征向量的方向使得矩阵对向量的作用就是在这些方向上缩放一下?
- SVD
SVD不对矩阵提任何要求。任意的矩阵A都可以分解为U∑V,其中U、V是正交阵。