奇异值分解(Singular Value Decomposition)
来源:互联网 发布:小米2s支持4g网络吗 编辑:程序博客网 时间:2024/04/29 17:40
1. 正交(Orthogonality)
如果两个向量和的内积为0,我们说向量和正交。在二维平面中,两个向量正交就是它们的夹角为。
如果矩阵满足,其中是单位矩阵,则是正交矩阵。
若是正交矩阵,则有:
- 是正交矩阵;
- 的各行是单位向量且两两正交;
- 的各列是单位向量且两两正交;
- ;
- 若是正交矩阵,则也是正交矩阵;
2. 线性变换(Linear Transformation)
我们有一个对角矩阵
考虑平面上任意一点(x, y)经线性变换后得到新的点
变换后的效果如下图所示,平面在水平方向上被拉伸了3倍,在垂直方向没有改变:
当
时,变换效果如下
如果我们将第1个网络旋转,再做相同的线性变换,会有下面的效果
我们发现,旋转后的网格与原来的网格发生了相同的变化,都是在一个方向上拉伸了3倍。
上面的例子比较特殊,因为是一个2x2的对称矩阵。事实上,对于任意的2x2的对称矩阵,我们都可以通过把原始的网格旋转一定的角度,然后通过做一个线性变换后,使其表现为一个方向或两个正交的方向上产生拉伸。
3. 特征值分解
更一般的,对于方阵,如果存在标量和非零列向量,使得
则称向量是方阵的特征向量(eigenvector),而把叫做方阵的特征值(eigenvalue)。从几何学的角度讲,上式表示向量在使用矩阵进行变换后,只是发生了拉伸或收缩,而方向并没有改变。我们对上式做一个变换,可以得到
我们如果把看作变量,则上式有非零解的充要条件是
通过解上述方程,可以得到方阵M的特征向量和特征值。
4. 奇异值分解
先看一个简单的例子,假设向量和是两个正交的单位向量,则和也正交
:
我们用向量和分别表示沿向量和方向的单位向量;和分别表示向量和的长度,则和分别分别描述了网格沿某个特定方向拉伸或收缩的数量,我们把和叫做矩阵的奇异值(singular value)。因此我们有
对于任意向量,由于和正交,可以得到
通常把表示为
其中的列向量是;是对角矩阵,对角线上的每一项分别是对应的;的列向量是。可以看到,奇异值分解把矩阵M分解为三个部分,表示目标域中的一组正交基,表示原始域中的一组正交基,描述了中的一组向量变换为中的向量时拉伸或收缩的数量。
参考:
- We Recommend a Singular Value Decomposition
0 0
- 奇异值分解(Singular Value Decomposition)
- 奇异值(Singular value decomposition SVD)分解
- 奇异值分解(Singular Value Decomposition)
- SVD(Singular value decomposition)奇异值分解
- 奇异值分解(SVD,Singular value decomposition)
- Singular Value Decomposition(SVD)奇异值分解
- 奇异值分解SVD(Singular Value Decomposition)
- 奇异值分解(We Recommend a Singular Value Decomposition)
- 奇异值分解(We Recommend a Singular Value Decomposition)
- 奇异值分解(We Recommend a Singular Value Decomposition)
- 奇异值矩阵分解(Singular Value Decomposition)的一些感想
- 奇异值分解(We Recommend a Singular Value Decomposition)
- 正则化奇异值分解Regularized Singular Value Decomposition (RSVD)
- SVD奇异值分解(Singular Value Decomposition)
- 奇异值分解 SVD(Singular Value Decomposition)
- SVD 奇异值分解( The singular value decomposition )
- 奇异值分解singular values decomposition
- MATRIX FACTORIZATION(矩阵分解)-正则化奇异值分解Regularized Singular Value Decomposition (RSVD)
- mount: unknown filesystem type 'glusterfs'
- linux grep命令
- mib2c用途和用法
- 运用BufferedWriter把数据写入文件r
- centos6.5直接yum安装nginx,并且支持php访问的配置
- 奇异值分解(Singular Value Decomposition)
- PagingAndSortingRepository类相关知识
- android 使用mediaplayer播放报java.io.IOException: setDataSourceFD failed.: status=0x80000000的问题
- js 当有滚动条加载是自动跳转到 某个元素
- 【IOS-DEMO】UIScrollView+UIPageControl 实现欢迎页面
- MS SQL Server查询优化方法
- 栈区vs堆区vs静态区vs文字常量区,均是什么含义,并各有什么不同? --这篇文章太棒了
- framework之深入理解常见类
- C++编程练习——2014/3/11