特征分解适用于n*m维的方形矩阵，由于m×n维的矩形矩阵在变换过程中会改变矩阵原本的维数 。
【2.6特殊类型的矩阵和向量】2.7.2奇异值分解(TheValue，SVD）：
奇异值分解：是将一个矩阵分解成三个矩阵的乘积 。C=ABC，则A为左边奇异值，C为右边奇异值，B为方阵 。每个矩阵由每个矩阵的特点，适合用于推荐系统 。
对于一个m×n维的矩阵，我们能够使用下面的方法对其进行特征分解——即奇异值分解 。
主成分分析(PCA)：
将高维的数据分解成低维的数据 。PCA是线性降维的方法 。降维都是非监督学习 。如将4维的数据降成三维，二维，或者一维的数据等等.

• progressBar组件
• 风火山隧道
• 让张居正因被落榜而感恩终生的特殊关照
• 数据结构— 基本概念、逻辑和存储结构、数据类型与操作、算法特性与时间复杂度
• 太空蛋糕
• 西藏天葬
• 特殊浴场
• 巴尔喀什湖—巴尔喀什湖气候类型
• 梦幻水族馆6
• 九月三号