python 矩阵特征值分解_特征值分解和奇异值分解

特征值分解

特征值分解是将一个方阵A分解为如下形式：

其中，Q是方阵A的特征向量组成的矩阵，

是一个对角矩阵，对角线元素是特征值。

通过特征值分解得到的前N个特征向量，表示矩阵A最主要的N个变化方向。利用这前N个变化方向，就可以近似这个矩阵(变换) 。

奇异值分解

奇异值分解(Singular Value Decomposition，SVD)是在机器学习领域广泛应用的算法，它不仅可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。 它能适用于任意的矩阵的分解。

SVD是将m*n的矩阵A分解为如下形式：

其中，U和V是正交矩阵，即

，U是左奇异矩阵，

，S是

的对角阵(对角线上的元素是奇异值，非对角线元素都是0)，

右奇异向量，

。

特征值用来描述方阵，可看做是从一个空间到自身的映射。奇异值可以描述长方阵或奇异矩阵，可看做是从一个空间到另一个空间的映