特征分解：在线性代数中，把一个矩阵表示为由其特征向量与特征值构成的分解形式（常见写法如 \(A = Q\Lambda Q^{-1}\)；若为对称矩阵，则可用正交矩阵 \(A = Q\Lambda Q^T\)）。常用于理解矩阵的“本质方向”和缩放比例，在PCA、振动分析、图谱方法等场景很常见。
/ˈaɪɡən ˌdiːkəmˈpoʊzɪʃən/
We use eigen decomposition to understand how a matrix stretches space.
我们用特征分解来理解矩阵如何拉伸空间。
For a real symmetric matrix, eigen decomposition yields an orthonormal basis of eigenvectors and a diagonal matrix of eigenvalues.
对于实对称矩阵，特征分解会给出一组正交归一的特征向量基，以及由特征值组成的对角矩阵。
eigen 来自德语 eigen，意为“自身的、特有的”，在数学里引申为“特征的”（如 eigenvalue/特征值、eigenvector/特征向量）。decomposition 来自拉丁语词根，意为“分解、拆开”，表示把复杂对象拆成更基本的部分；合起来就是“把矩阵按其特征结构进行分解”。
Select Language