特征值分解、奇异值分解（SVD）、投影相关理解

1. 特征值分解（要求矩阵为方正）3d 若向量v是方正A的特征向量，则，则$\lambda$为特征向量v对应的特征值，矩阵的一组特征向量两两正交。特征值分解为：code 其中Q为特征向量组成的矩阵，为对角阵，主对角线上的每个元素对应一个特征值。特征值对应的特征向量描述了矩阵的变化方向（特征值由大到小排列，所以变换由主要到次要排列）。blog 经过特征值分解获得的前N个特征向量（矩阵的最主要的N个变

>>阅读原文<<