打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←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) 19:16的版本
添加1字节
、
昨天19:16
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