特徵向量、特徵值分解、奇異值分解SVD

寫在前面： 現有的印象是：特徵向量代表向量最堅守的部分，方向不變，只是會伸縮。而特徵分解是沿着最重要的特徵向量方向上的分解，有SVD分解、PCA主城成分分析等。但無法深入講下去了。 特徵值和特徵向量的幾何意義 矩陣乘法其實是對應着一個線性變換，是把任意一個向量變成另一個方向或者長度的新向量。在這個變換中，原向量主要發生旋轉、伸縮的變化。如果某個向量x在矩陣A作用下只發生了伸縮變化，其位置仍停留在原

>>阅读原文<<