什么是矩阵的奇异值分解 什么是矩阵的奇异值分解
什么是矩阵的奇异值分解?以下文字资料由边肖为大家整理出版。让我们快速看看他们!
奇异值矩阵奇异值矩阵分解
奇异值分解是线性代数中一种重要的矩阵分解,在信号处理、统计等领域有着重要的应用。
定义:设A为m*n阶矩阵,A的N个特征值的非负平方根称为A的奇异值。
记为。
,然后哈)。
定理:设a是m*n阶的复矩阵,则有m阶的酉矩阵u和n阶的酉矩阵v,这使得:
' A = U*S*V '
其中S=diag,σi>0,r =秩。
推论:设A是m*n阶的实矩阵,那么就有M阶的正交矩阵U和N阶的正交矩阵V,这样
' A = U*S*V '
其中S=diag,σi>0,r =秩。
描述:
1.奇异值分解非常有用。对于矩阵A,有U,V,S,满足A = U * S * V’。
u和v是a的奇异向量,s是a的奇异值。
AA’的正交单位特征向量形成u,特征值形成S,A’的正交单位特征向量形成v,特征值形成SS。
因此,奇异值分解与特征值问题密切相关。
2.奇异值分解提供了关于a的一些信息,比如非零奇异值的个数与a的秩相同,秩R一旦确定,U的前R列构成a的列向量空之间的正交基。
关于奇异值分解中考虑的对象是实矩阵时,s对角元素的平方正好是A'A特征值的解释。
由以上可知,矩阵的奇异值分解如下:A=USV,其中U和V为正交矩阵,S为对角矩阵。
A'A=V'S'U'USV=V'S'SV=V-1S2V
上式中,一方面因为S是对角矩阵,S的S=S2,S2的对角元素是S的对角元素的平方,另一方面注意到A’A和S2相似,所以和S2有相同的特征值。
注意:以下符号与上述符号不同,请注意区分
SVD步骤:
1.向美国心脏协会或AAH咨询
2.求AHA或AAH的特征值和特征向量x1,x2,...xr和r。
3.U=接地
4.V1 = AU1δ R-1。如果V2与它正交,那么V=
那么n阶复合矩阵U的n列向量就是U空之间的标准正交基,那么U就是U矩阵。
一个简单的充要判据是转置共轭矩阵乘以U等于单位矩阵,那么U就是U矩阵
正交向量组的性质
在1欧几里得空之间定义V的一组成对正交非零向量称为V的正交向量集.
如果一个正交向量组的每个向量都是一个单位向量,那么这个正交向量组称为标准正交向量组。
设v为n维欧几里德空。如果v中的n个向量α1,α2,…,αn构成一个正交群,那么定理9.2.1说明这n个向量构成v的一个基,这样的基叫做v的正交基,如果v的一个正交基还是一个标准正交向量群,那么这个基就是v的一个标准。
文章评论