線性代數之——SVD 分解

SVD 分解是線性代數的一大亮點。 1. SVD 分解 A A A 是任意的 m × n m×n m×n 矩陣，它的秩爲 r r r，我們要對其進行對角化，但不是通過 S − 1 A S S^{-1}A S S−1AS。 S S S 中的特徵向量有三個大問題：它們通常不是正交的；並不總是有足夠的特徵向量； A x = λ x Ax=\lambda x Ax=λx 需要 A A A 是一個方陣。 A

>>阅读原文<<