矩阵的条件数
（condition number）是数值分析和线性代数中的一个重要概念，它刻画了矩阵某方面的特性。
为矩阵 A 的条件数。结合上面提到的几何意义，条件数同时描述了矩阵A 对向量的拉伸能力和压缩能力，换句话说，令向量发生形变的能力。条件数越大，向量在变换后越可能变化得越多。
奇异值分解（SVD）
也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个m×n的矩阵，那么我们定义矩阵A的SVD为：
其中 U是一个 m * m 的矩阵，
Σ
\Sigma
Σ
是一个m * n的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V是一个n * n的矩阵。
U 和 V都是酉矩阵，即满足
版权声明：本文为qq_40851561原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。