本文主要是介绍矩阵理论基础知识（1）--特征值与特征向量，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
之所以想起来总结这部分的知识，也是由于目前学习的机器学习算法中，矩阵论/矩阵分析呈刷屏似的出现，而之前本科阶段的高等代数中，总是只知道有这么个东西，也初略知道怎么计算，但不知道其中的真正含义，因此这两天决定将这块知识汇总下，知其然也知其所以然。
首先介绍几个基本的概念：
- 向量组线性无关：向量组中的任何一个向量都不能被其它向量线性表出。即当且仅当k1=k2…=kr=0时，k1α1+k2α2+…+krαr=0成立。
- 维度：如果线性空间V中最多只能有n个线性无关的向量，则称线性空间V是n维的。
- 基：在n维线性空间V中，n个线性无关向量称为V的一组基，V中任何的向量都可以由这组基来表出，即:a=a1e1+a2e2+…+anen，这时这组基前面的系数就成为该向量的坐标（a1,a2,…an）。讲到这里，就与我们之前接触的东西很相似了，事实上我们最常用的二维空间即建立在（1,0）,（0,1）这组基上，三维空间建立在（1,0,0）,（0,1,0）,（0,0,1）这组基上。
（1）基变换与坐标变换
这篇关于矩阵理论基础知识（1）--特征值与特征向量的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
