Wieso braucht man Eigenvektoren und Matrix in Datascience?

Geht es etwas spezifischer? Matrizen sind eine Darstellungsform von Datenverknüpfungen, d.h. für die Frage, welche Inputdaten mit welchen Outputs gekoppelt sind (logischerweise nur für lineare Kopplungen). Eigenwerte bzw. Eigenräume stellen in sich abgeschlossene Kopplungsbereiche dar. D.h. Vektoren aus einem zu einem Eigenwert gehörigen Eigenraum werden nur innerhalb des Eigenraumes abgebildet, es gibt keine Koppelung zu Daten ausserhalb des Eigenraumes.

Insgesamt unterschätzen offensichtlich viele, wie stark die Mathematik die Informatik in allen Bereichen beeinflußt. Es ist nicht so, dass wenn mal die Matheklausuren bestanden sind die Mathematik vorbei ist.