特徵值分解和奇異值分解

2021-10-03 06:08:38 字數 1341 閱讀 4506

1.特徵值分解(evd

對於乙個實對稱矩陣a∈r

na\in r^

a∈rn×n

,可以分解成以下形式:

a =q

σq

ta = q\sigma q^t

a=qσqt

中q是乙個正交陣,qqt

=i

qq^t=i

qqt=i,q

qq的列向量為a

aa的特徵向量,γ

\gamma

γ是乙個對角陣,對角元素是矩陣a

aa的特徵值。

2.奇異值分解(svd)

對於任意乙個實數矩陣a∈r

na\in r^

a∈rm×n

,可以分解成以下形式:

a =u

σv

ta = u\sigma v^t

a=uσvt

,其中u∈r

m×m、

v∈rn

×n

u\in r^、v\in r^

u∈rm×m

、v∈r

n×n都是單位正交陣,分別稱為左奇異矩陣和右奇異矩陣,σ∈r

n\sigma \in r^

σ∈rm×n

是對角陣,對角線上的元素稱為奇異值。

因為:ata

=(uσ

vt)t

uσvt

=vσt

σv

ta^ta = (u\sigma v^t)^tu\sigma v^t = v \sigma^t\sigma v^t

ata=(u

σvt)

tuσv

t=vς

tσvt

a at

=uσv

t(uσ

vt)t

=uσσ

tu

taa^t = u\sigma v^t(u\sigma v^t)^t = u\sigma \sigma^tu^t

aat=uς

vt(u

σvt)

t=uς

σtut

顯然:(at

a)t=

ata,

(aat

)t=a

at

(a^ta)^t=a^ta,(aa^t)^t=aa^t

(ata)t

=ata

,(aa

t)t=

aat,二者皆為實對稱矩陣,這樣就可以用特徵值分解求出u、v

、σ

u、v、\sigma

u、v、σ .

奇異值和奇異值分解

理論 假設m是乙個m n階矩陣,其中的元素全部屬於域 k,也就是 實數域或複數域。如此則存在乙個分解使得 m u v 其中u是m m階酉矩陣 是半正定m n階對角矩陣 而v 即v的共軛轉置,是n n階酉矩陣。這樣的分解就稱作m的奇異值分解。對角線上的元素 i,i即為m的奇異值。直觀的解釋 在矩陣m的...

奇異值和奇異值分解

理論 假設m是乙個m n階矩陣,其中的元素全部屬於域 k,也就是 實數域或複數域。如此則存在乙個分解使得 m u v 其中u是m m階酉矩陣 是半正定m n階對角矩陣 而v 即v的共軛轉置,是n n階酉矩陣。這樣的分解就稱作m的奇異值分解。對角線上的元素 i,i即為m的奇異值。直觀的解釋 在矩陣m的...

奇異值分解

奇異值分解 singular value decomposition 是線性代數中一種重要的 矩陣分解,是矩陣分析中正規矩陣酉對角化的推廣。在訊號處理 統計學等領域有重要應用。1基本介紹 2理論描述 3幾何意義 4範數 5應用 求偽逆 平行奇異值模型 矩陣近似值 奇異值分解在某些方面與 對稱矩陣或 ...