线性代数MIT18.06(6):对称矩阵,奇异值分解SVD

本文介绍了对称矩阵的特性,包括其特征值为实数且对应的特征向量正交,以及如何通过谱定理进行矩阵分解。接着,讨论了奇异值分解(SVD)的重要性及其在机器学习和图形压缩中的应用,并解释了如何将非对称矩阵转化为对称矩阵来执行SVD。最后,阐述了SVD在求解AX=0方程中的作用。

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

对称矩阵

  • 对称矩阵的特征值是实数(越不对称越可能特征值不是实数),并且正交向量是相互正交的。也就是说正交向量构成的矩阵是正交矩阵。
  • 特征值构造对角矩阵这个文章我们提到了矩阵A可以这样分解成正交向量矩阵与特征值构成的对角矩阵的乘积 A = S Λ S − 1 A=SΛS^{-1} A=SΛS1。其中S是特征向量构成的矩阵,而对称矩阵的特征向量都是相互正交。因此S是一个正交矩阵所以 S − 1 = S T S^{-1}=S^T S1=ST,因此 A = S Λ S T A=SΛS^{T} A=SΛST.这个在数学叫做谱定理(spectral theorem),谱(spectrum)指的是一个矩阵的特征值集合。来自光谱理论,光分解成几色光而矩阵也被分解成几个特征值。在力学上叫做主轴定理。
  • A = S Λ S − 1 A=SΛS^{-1} A=
评论 1
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