繼續講解！在大二學習MATLAB的時候，可以將學過的數學知識用軟件編程方式呈現。這既是一個知識鞏固過程，也是一個軟件熟悉過程！一舉兩得！來看看軟件和線性代數及概率統計的結合過程。

rank函數會用嗎？

干什么用的？

基本概念要牢記！

inv函數怎么用呢？

這些內容都可以在MATLAB中找到對應的函數！

現在回顧有利于知識的鞏固！

這么重要啊？是的！還這么有前景？還不學好它啊！看看其中的矩陣分解吧！特征值分解僅適用于提取方陣特征，但在實際應用中，大部分數據對應的矩陣都不是方陣；矩陣可能是有很多0的稀疏矩陣，存儲量大且浪費空間，這時就需要提取主要特征。奇異值分解是將任意較復雜的矩陣用更小、更簡單的3個子矩陣的相乘表示，用這3個小矩陣來描述大矩陣重要的特性。

來個例題，純數學知識，最后再來個MATLAB函數運算驗證一下啊！

也許你一眼就能看出答案！但本例題的目的是未來讓大家回顧求解的過程！也許很多學生已經忘記了。沒關系，此刻跟著老師的步伐回憶一下，這就是知識的鞏固過程！

SVD函數幫你來驗證！

用起來試一下吧！

可以參考help中的例子！

有應用嗎？

圖像壓縮就是依靠這個！

總結一下SVD分解的應用！

• 降維

矩陣A的特征有n維，經過SVD分解之后，完全可以用前r個非零奇異值對應的奇異向量表示矩陣A的主要特征。這樣就起到了降維的作用。

• 壓縮

經過SVD分解之后，表示原來的矩陣A，只需要存U , Σ , V 三個較小的矩陣即可。而這三個小矩陣的規模加起來也遠遠小于原始矩陣A。這樣就達到了壓縮的作用。

這些分布如何和軟件中的函數聯系在一起呢？

提早準備！

希望大家都能考研成功！

再次快速回顧一下之前講期望和方差的視頻！

未完，待續！

修訂記錄

20200628 完成初稿；

20230821 修訂內容v2；

20231205 修訂內容v3；