更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
奇异值分解(SVD)”
(查看源代码)
2024年9月26日 (四) 19:19的版本
添加1字节
、
昨天19:19
无编辑摘要
第1行:
第1行:
在线性代数中,奇异值分解(SVD)是将实矩阵或复矩阵分解为旋转、缩放和再次旋转的一种因子分解方法。它将具有正交特征基的方阵特征分解推广到任意<math>m*n</math>矩阵。它与极分解有关。
在线性代数中,奇异值分解(SVD)是将实矩阵或复矩阵分解为旋转、缩放和再次旋转的一种因子分解方法。它将具有正交特征基的方阵特征分解推广到任意<math>m*n</math>矩阵。它与极分解有关。
−
具体来说,一个 <math>m * n</math> 复矩阵 <math>\mathbf{M}</math> 的奇异值分解是一种形如 <math>\mathbf{M} = \mathbf{U\Sigma V^*}</math> 的分解,其中 <math>\mathbf{U}</math> 是 <math>m \times m</math> 复酉矩阵,<math>\mathbf{\Sigma}</math> 是 <math>m \times n</math> 矩形对角矩阵,对角线上的元素是非负实数,<math>\mathbf{V}</math> 是 <math>n \times n</math> 复酉矩阵,<math>\mathbf{V}^</math> 是 <math>\mathbf{V}</math> 的共轭转置。这种分解对任何复矩阵都存在。如果 <math>\mathbf{M}</math> 是实矩阵,那么 <math>\mathbf{U}</math> 和 <math>\mathbf{V}</math> 可以保证是实正交矩阵;在这种情况下,SVD 通常表示为 <math>\mathbf{U\Sigma V}^{\mathrm{T}}</math>。
+
具体来说,一个 <math>m * n</math> 复矩阵 <math>\mathbf{M}</math> 的奇异值分解是一种形如 <math>\mathbf{M} = \mathbf{U\Sigma V^*}</math> 的分解,其中 <math>\mathbf{U}</math> 是 <math>m \times m</math> 复酉矩阵,<math>\mathbf{\Sigma}</math> 是 <math>m \times n</math> 矩形对角矩阵,对角线上的元素是非负实数,<math>\mathbf{V}</math> 是 <math>n \times n</math> 复酉矩阵,<math>\mathbf{V}^
*
</math> 是 <math>\mathbf{V}</math> 的共轭转置。这种分解对任何复矩阵都存在。如果 <math>\mathbf{M}</math> 是实矩阵,那么 <math>\mathbf{U}</math> 和 <math>\mathbf{V}</math> 可以保证是实正交矩阵;在这种情况下,SVD 通常表示为 <math>\mathbf{U\Sigma V}^{\mathrm{T}}</math>。
相信未来
1,177
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本