[视频]矩阵谱分解、奇异值分解的可视化理解

学术   2023-11-26 07:45   黑龙江  

Video1-2各类矩阵物理意义的可视化解释:

本视频提供了单位矩阵,标量矩阵,对角矩阵,零矩阵,剪切矩阵,正交矩阵,投影矩阵,矩阵的逆的可视化解释。

请看视频:

Video3:矩阵的谱分解

矩阵的谱分解是将一个方阵分解为特征向量和特征值的线性组合的过程。对于一个对角化的方阵 ,可以表示为如下形式:

其中, 是特征向量矩阵, 是特征值构成的对角矩阵。特征向量矩阵  中的列向量是相应特征值的特征向量。对角矩阵  中的对角元素是  的特征值。特征向量矩阵  是线性无关的,对应于不同特征值的特征向量是正交的。谱分解有广泛的应用,例如在物理学中用于描述振动系统的特征频率和振动模式,在机器学习中用于降维和特征提取等领域。

请看视频:

Video4:矩阵的奇异值分解(SVD)

阵的奇异值分解(SVD)是将一个矩阵分解为三个部分的过程。对于一个矩阵 ,它的奇异值分解可以表示为:

其中, 是一个正交矩阵, 是一个对角矩阵, 是另一个正交矩阵的转置。

对角矩阵  中的对角元素是  的奇异值。奇异值是非负的实数,它们代表了矩阵  在每个特征方向上的重要程度。矩阵  的列向量是  的特征向量,矩阵  的列向量是  的特征向量。奇异值分解在很多领域有广泛的应用,例如在降维、矩阵逆的计算、推荐系统和图像压缩等方面。

请看视频:

参考网址:

[1]https://www.youtube.com/watch?v=7Gtxd-ew4lk&t=4s&ab_channel=VisualKernel

[2]https://www.youtube.com/watch?v=wciU07gPqUE&t=5s&ab_channel=VisualKernel

控我所思VS制之以衡
专注于控制理论、控制工程、数学、运筹、算法等方面的经验积累与分享
 最新文章