特徵值分解、奇異值分解（SVD）、投影相關理解

1. 特徵值分解（要求矩陣爲方正）3d 若向量v是方正A的特徵向量，則，則$\lambda$爲特徵向量v對應的特徵值，矩陣的一組特徵向量兩兩正交。特徵值分解爲：code 其中Q爲特徵向量組成的矩陣，爲對角陣，主對角線上的每個元素對應一個特徵值。特徵值對應的特徵向量描述了矩陣的變化方向（特徵值由大到小排列，所以變換由主要到次要排列）。blog 經過特徵值分解獲得的前N個特徵向量（矩陣的最主要的N個變

>>阅读原文<<