小白特别白
通过奇异值分解给出定理保证矩阵的低秩近似是存在的.
给出了矩阵A和A^的误差大小
A^是阶段性的奇异值分解.rank(A^)<rank(A)
$||A-X||_F=min||A-S||_F$
称X为矩阵A在F范数 下的最优近似.
F范数:平凡和再发方
谱范数:矩阵最大的特征值/奇异值(2范数)
通过矩阵的奇异值分解,在F范数的意义下.可以求出近似矩阵X.即用A的截断奇异值分解来代表X.
$A=U\Sigma V^T$
$Ax=y$,
讨论线性方程组解的存在唯一性.
即去讨论矩阵A的性质.
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录（注意不是yilia根目录）执行以下命令：
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置：
jsonContent:
meta: false
pages: false
posts:
title: true
date: true
path: true
text: false
raw: false
content: false
slug: false
updated: false
comments: false
link: false
permalink: false
excerpt: false
categories: false
tags: true