zoukankan      html  css  js  c++  java
  • 奇异分解(SVD)

    奇异分解

        假设C是m×n矩阵,U是m×m矩阵,其中U的列为 的正交特征向量,V为n×n矩阵,其中V的列为 的正交特征向量,再假设r为C矩阵的秩,则存在奇异值分解:

             

        其中的特征值相同,为 ,且 是m

    ×n的矩阵, 。令 ,则 称为矩阵C的奇异值。

             

             

        所以有了矩阵C,可以求得或者,从求得方阵或者的特征值,利用这些特征值得到,从而求得,求得的时候已经求得U或者V。

    例题:

    ,求A的奇异值分解。

    解:

    时,特征向量为

    标准化后 ,令

    同理,先求 ,再求U。

    时,特征向量

    由此可知,,a是一个常数,然后单位化 便得到

    所以

    最后得

    ---------------------------------------------------------------------------------

    特征值分解——EVD

        在这里,选择一种特殊的矩阵——对称阵(酉空间中叫hermite矩阵即厄米阵)。对称阵有一个很优美的性质:它总能相似对角化,对称阵不同特征值对应的特征向量两两正交。一个矩阵能相似对角化即说明其特征子空间即为其列空间,若不能对角化则其特征子空间为列空间的子空间。现在假设存在 的满秩对称矩阵A,它有m个不同的特征值,设特征值为 ,对应的特征向量为 ,则有:

    U为的列是两两正交向量,所以它的逆矩阵等于转置矩阵。

    奇异值分解——SVD

        假设存在一个 矩阵A,A矩阵将n维空间中的向量映射到k 为空间中, 。目标:在n维空间中找一组正交基,使得经过A变换后还是正交的。

        假设这组标准正交基为: ,则A矩阵将这组基映射为 ,如果要使他们两两正交,即有以下关系

    根据假设,也有以下关系:

    所以如果选择v为 的特征向量的话,由于是对称阵,v之间两两正交,那么

    这样就找到了正交基使其映射后还是正交基了,现在,将映射后的正交基单位化:

    所以

    单位化:

    由此得到关系:

    从而得到

    是A的满秩分解。

     

    Reference

    http://blog.csdn.net/zhongkejingwang/article/details/43053513

  • 相关阅读:
    383. Ransom Note
    598. Range Addition II
    453. Minimum Moves to Equal Array Elements
    492. Construct the Rectangle
    171. Excel Sheet Column Number
    697. Degree of an Array
    665. Nondecreasing Array
    视频网站使用H265编码能提高视频清晰度吗?
    现阶段的语音视频通话SDK需要解决哪些问题?
    企业远程高清会议平台视频会议系统在手机端使用的必备要求有哪些?
  • 原文地址:https://www.cnblogs.com/ouyxy/p/10625604.html
Copyright © 2011-2022 走看看