DeepLearning(花书)第二章主要内容(7-12节)

2.7特征分解 特征分解（superimposition）是使用最广的矩阵分解之一，即我们将矩阵分解成一组特征向量和特征值。 方阵A的特征向量（eigenvector）是指与A相乘后相当于对该向量进行缩放的非零向量v: Av = λv. 标量λ被称为这个特征向量对应的特征值（eigenvalue）。类似的我们也可以定义左特征向量（left eigenvector）vTA=λvT,但是通常我们更关注

>>阅读原文<<