DeepLearning(花書)第二章主要內容(7-12節)

2.7特徵分解 特徵分解（superimposition）是使用最廣的矩陣分解之一，即我們將矩陣分解成一組特徵向量和特徵值。 方陣A的特徵向量（eigenvector）是指與A相乘後相當於對該向量進行縮放的非零向量v: Av = λv. 標量λ被稱爲這個特徵向量對應的特徵值（eigenvalue）。類似的我們也可以定義左特徵向量（left eigenvector）vTA=λvT,但是通常我們更關注

>>阅读原文<<