线性映射:凯利的矩阵乘法导论 - 4 与 SVD 的联系
最编程
2024-04-07 20:57:15
...
用矩阵表示,自然就是将一个空间中的某个向量在某组基下的坐标,然后通过矩阵-向量乘法将其转换为另一个空间中的向量坐标。
即用矩阵表示坐标向量之间的转换,如
我们考虑上文中那个将 2D 平面映射到 3D 空间中某个平面的线性映射。
矩阵
对于任意向量
由于
此时,这个线性映射的矩阵非常简单,那就是一个对角矩阵
好了,从这个例子可以看到: 可以用矩阵表示两个线性空间之间的变换,而矩阵的 SVD 分解给出了两个空间的特殊的基底,从而简化这个线性变换的矩阵形式。
这就是矩阵 SVD 分解的巧妙之处,关于它,这里点到为止,具体内容以及相应图解将在后期展开。
上一篇: pscc 和 ps 有什么区别?