人工智能数学基础知识复习(二)——特征分解与奇异值分解(SVD)

本文深入浅出地介绍了线性代数中的矩阵特征分解与奇异值分解。通过几何角度解释,帮助理解特征值、特征向量的概念,并详细阐述了奇异值分解的过程及其在人工智能领域的应用,如数据压缩和降噪。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天我们复习一下线性代数中的矩阵特征分解与奇异值分解。本文将结合几何的角度来阐述这两个概念。

一、特征值与特征分解

假设我们现在有一个对角矩阵为:

M = \begin{bmatrix} 3 & 0\\ 0 & 1 \end{bmatrix}

将该矩阵作用于列向量[x, y]^{^{T}},则可以得到:

\begin{bmatrix} 3 & 0\\ 0 & 1 \end{bmatrix}\begin{bmatrix} x\\ y \end{bmatrix}=\begin{bmatrix} 3x\\ y \end{bmatrix}

从几何的角度,上式可以看做在平面上取一个点(x, y)并使用矩阵乘法将其变换为另外一个点。我们可以用下图表示上述变换:

由图中可以看出矩阵M使该平面在横轴方向变大了3倍,纵轴方向保持不变。

如果矩阵M换作下式是什么情况呢?

M = \begin{bmatrix} 2&1 \\ 1& 2 \end{bmatrix}

变换的效果会像下面这张图一样:

上面的图可能不是很直观,让我们把图片中的网格向左旋转45度观察:

现在,我们能够很明显地看到,M矩阵将向量在一个方向上拉伸

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值