CAPÍTULO 04 / 40
Descomposiciones Matriciales
7 lecciones · Explora, experimenta y comprende.
Aprendamos juntos.
Pregúntame sobre este curso o por dónde empezar.
La descomposición espectral y la SVD impulsan reducción de dimensionalidad, sistemas de recomendación, atención de bajo rango y el análisis espectral bajo cada modelo moderno.
- PCA
- recommender systems
- low-rank attention
- Paso 18~20m3D · 125★Más cinematográfica⚡Reto
Determinante y Traza
El determinante de una matriz cuadrada es un único escalar que captura el factor de escala de volumen con signo del mapa lineal . Si , el ma…
Abrir lección - Paso 19~20m3D · 225★Más cinematográfica⚡Reto
Autovalores y Autovectores
Un autovector de una matriz cuadrada es un vector no nulo que estira sin rotar: para algún escalar , el autovalor correspondiente. Los autov…
Abrir lección - Paso 20~15m15⚡Reto
Descomposición de Cholesky
La descomposición de Cholesky factoriza una matriz simétrica definida positiva (SDP) como , donde es triangular inferior con entradas diagon…
Abrir lección - Paso 21~20m3D · 215★Más cinematográfica⚡Reto
Descomposición Espectral y Diagonalización
Una matriz cuadrada es diagonalizable si puede escribirse como , donde es diagonal y es invertible. Las columnas de son autovectores de y la…
Abrir lección - Paso 22~20m3D · 215★Más cinematográfica⚡Reto
Descomposición en Valores Singulares (SVD)
La descomposición en valores singulares (SVD) factoriza cualquier matriz como , donde y son ortogonales y es una matriz diagonal (rectangula…
Abrir lección - Paso 23~20m3D · 115★Más cinematográfica⚡Reto
Aproximación de Matrices
Dada una matriz de rango , la mejor aproximación de rango (para ) es la matriz que minimiza entre todas las matrices de rango . La respuesta…
Abrir lección - Paso 24~15m15⚡Reto
Filogenia de Matrices
Demos un paso atrás y organicemos las descomposiciones que has conocido en una filogenia — un árbol genealógico de factorizaciones matricial…
Abrir lección