Tensorflow快餐教程(6) - 矩阵分解

  1. 云栖社区>
  2. 博客>
  3. 正文

Tensorflow快餐教程(6) - 矩阵分解

lusing 2018-04-27 21:28:49 浏览10217
展开阅读全文

矩阵分解

特征向量和特征值

我们在《线性代数》课学过方阵的特征向量和特征值。

定义:设$A{\in}F^{n{\times}n}$是n阶方阵。如果存在非零向量$X{\in}F^{n{\times}1}$使$AX={\lambda}X$对某个常数${\lambda\in}F$成立,则称$\lambda$是A的特征值(eigenvalue),X是属于特征值${\lambda}$的特征向量。
设$\sigma$是数域F上向量空间V上的线性变换,如果某个非零向量$u{\in}V$被$\sigma$映射到自己的常数倍$\sigma(u)={\lambda}u$,则称常数$\lambda\in{F}$是$\sigma$的特征值,向量u是属于特征值$\lambda$的特征向量。

又找$\lambda$又找A确实不是一件容易事。好在,我们可以把这事儿交给T

网友评论

登录后评论
0/500
评论