- 博客(1)
- 收藏
- 关注
原创 矩阵的奇异值(SVD)分解及其简单应用
矩阵的奇异值(SVD)分解及其简单应用: 矩阵分解的用途非常广泛,比较常用的有接下来主要讲到的奇异值分解 (Singular Value Decomposition 以下简称 SVD分解),Schur分解,特征值分解(对于可对角化矩阵而言),Jordan分解(对于不可对角化矩阵而言)等等。矩阵分解的目的很明确,一方面是为了“打开”矩阵,使得矩阵的信息更加一目了然,比如将一个矩阵进行SVD分解后我们就能知道了矩阵的秩,范数(2-范数,F-范数等等)和矩阵条件数等等;另一方面是为了方便对矩阵进行计算,比如解线性
2020-08-14 20:55:02 817
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人