奇异分解(SVD)
来源:互联网 发布:上海工银安盛软件开发 编辑:程序博客网 时间:2024/04/27 19:02
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:
其中和的特征值相同,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:
, ,
,
故 ,
当 时,特征向量为 ,, ,
标准化后 , ,令
同理,先求 ,再求U。
,
当 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
令 ,
则 是A的满秩分解。
Reference
http://blog.csdn.net/zhongkejingwang/article/details/43053513
- 奇异分解(SVD)
- 奇异值分解(SVD)
- svd(奇异值分解)
- 奇异值分解(SVD)
- 奇异值分解(SVD)
- 奇异值分解(SVD)
- 奇异值分解(SVD)
- 奇异值分解(SVD)
- 特征值分解 & 奇异值分解(SVD)
- 奇异值分解(SVD)(1)
- 奇异值分解(SVD)(2)
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解
- 奇异值分解(SVD)详解 .
- ES6 + Webpack + React + Babel 如何在低版本浏览器上愉快的玩耍(上)
- Powershell知识点总结
- LeetCode—397. Integer Replacement
- 设计模式
- input框只能输入数字的两种方法
- 奇异分解(SVD)
- 断言(assert)的使用
- 神经网络机器翻译
- Eclipse中的.project文件和.buildpath文件
- turtlebot运行follower包实现人员跟随
- 梳理Android的IPC进程间通信(最新AndroidStudio的AIDL操作)
- 基于SA9227 USB384KHZ/32位声卡+蓝牙+40W*2功放+手机控制
- 【Android】如何实现ButterKnife
- Android okHttp上传单张或多张照片