更改

添加5字节 、 2024年10月19日 (星期六)
第26行: 第26行:  
===旋转、坐标缩放和反射===
 
===旋转、坐标缩放和反射===
   −
特殊情况下,当<math>\mathbf{M}</math>是<math>m \times m</math>的实方阵时,我们可以将矩阵<math>\mathbf{U}</math>和<math>\mathbf{V}^*</math>选为实<math>m \times m</math>矩阵。此时,"酉矩阵"和"正交矩阵"实际上是一回事。我们可以将这两个酉矩阵和对角矩阵(这里统称为<math>\mathbf{A}</math>)解读为空间<math>\mathbb{R}^m</math>的[[线性变换 linear transformation]]<math>x \mapsto \mathbf{Ax}</math>。其中,矩阵<math>\mathbf{U}</math>和<math>\mathbf{V}^*</math>代表空间的旋转 rotations 或反射 reflection ,而<math>\boldsymbol{\Sigma}</math>则表示对每个坐标<math>x_i</math>按因子<math>\sigma_i</math>进行缩放 scaling 。这样,奇异值分解就把<math>\mathbb{R}^m</math>的任何线性变换分解成了三个几何变换的组合:先旋转或反射(<math>\mathbf{V}^*</math>),然后逐坐标缩放(<math>\boldsymbol{\Sigma}</math>),最后再旋转或反射(<math>\mathbf{U}</math>)。
+
特殊情况下,当<math>\mathbf{M}</math>是<math>m \times m</math>的实方阵时,我们可以将矩阵<math>\mathbf{U}</math>和<math>\mathbf{V}^*</math>选为实<math>m \times m</math>矩阵。此时,"酉矩阵"和"正交矩阵"实际上是一回事。我们可以将这两个酉矩阵和对角矩阵(这里统称为<math>\mathbf{A}</math>)解读为空间<math>\mathbb{R}^m</math>的[[线性变换]](linear transformation)<math>x \mapsto \mathbf{Ax}</math>。其中,矩阵<math>\mathbf{U}</math>和<math>\mathbf{V}^*</math>代表空间的旋转 rotations 或反射 reflection ,而<math>\boldsymbol{\Sigma}</math>则表示对每个坐标<math>x_i</math>按因子<math>\sigma_i</math>进行缩放 scaling 。这样,奇异值分解就把<math>\mathbb{R}^m</math>的任何线性变换分解成了三个几何变换的组合:先旋转或反射(<math>\mathbf{V}^*</math>),然后逐坐标缩放(<math>\boldsymbol{\Sigma}</math>),最后再旋转或反射(<math>\mathbf{U}</math>)。
    
[[文件:Singular value decomposition.gif|无框|居左|奇异值分解动画可视化]]
 
[[文件:Singular value decomposition.gif|无框|居左|奇异值分解动画可视化]]
2,533

个编辑