更改

奇异值分解（SVD） (查看源代码)

2024年11月6日 (三) 16:59的版本

添加37字节、 2024年11月6日 (星期三)

无编辑摘要

第3行：第3行：

[[文件:Singular-Value-Decomposition.svg.png|无框|居左|奇异值分解]]

−

具体而言，我们可以将一个 <math>m \times n</math> 复矩阵 <math>\mathbf{M}</math> 分解为 <math>\mathbf{M} = \mathbf{U\Sigma V^*}</math>。在这里，<math>\mathbf{U}</math> 是 <math>m \times m</math> [[复酉矩阵]]（complex unitary ~~matrix），~~<math>\mathbf{\Sigma}</math> 是 <math>m \times n</math> 矩形对角矩阵（rectangular diagonal matrix），其对角线元素为非负实数，<math>\mathbf{V}</math> 是 <math>n \times n</math> [[复酉矩阵]]，而 <math>\mathbf{V}^*</math> 是 <math>\mathbf{V}</math> 的共轭转置（conjugate transpose）。这种分解适用于任何复矩阵。若 <math>\mathbf{M}</math> 为实矩阵，则 <math>\mathbf{U}</math> 和 <math>\mathbf{V}</math> 必为实正交矩阵（real orthogonal matrices）；此时，我们通常将SVD表示为 <math>\mathbf{M} = \mathbf{U\Sigma V}^{\mathrm{T}}</math>。

+

具体而言，我们可以将一个 <math>m \times n</math> 复矩阵 <math>\mathbf{M}</math> 分解为 <math>\mathbf{M} = \mathbf{U\Sigma V^*}</math>。在这里，<math>\mathbf{U}</math> 是 <math>m \times m</math> [[复酉矩阵]]（complex unitary matrix 共轭转置为其逆的复数矩阵），<math>\mathbf{\Sigma}</math> 是 <math>m \times n</math> 矩形对角矩阵（rectangular diagonal matrix），其对角线元素为非负实数，<math>\mathbf{V}</math> 是 <math>n \times n</math> [[复酉矩阵]]，而 <math>\mathbf{V}^*</math> 是 <math>\mathbf{V}</math> 的共轭转置（conjugate transpose）。这种分解适用于任何复矩阵。若 <math>\mathbf{M}</math> 为实矩阵，则 <math>\mathbf{U}</math> 和 <math>\mathbf{V}</math> 必为实正交矩阵（real orthogonal matrices）；此时，我们通常将SVD表示为 <math>\mathbf{M} = \mathbf{U\Sigma V}^{\mathrm{T}}</math>。

<math>\mathbf{\Sigma}</math> 的对角元素 <math>\sigma_i = \Sigma_{ii}</math> 由 <math>\mathbf{M}</math> 唯一确定，称为 <math>\mathbf{M}</math> 的奇异值。非零奇异值的数量等于 <math>\mathbf{M}</math> 的[[秩]]（rank）。我们把 <math>\mathbf{U}</math> 的列和 <math>\mathbf{V}</math> 的列分别叫做 <math>\mathbf{M}</math> 的左奇异向量和右奇异向量。它们分别构成两组[[正交基]]（orthonormal bases） <math>\mathbf{u}_1, \ldots, \mathbf{u}_m</math> 和 <math>\mathbf{v}_1, \ldots, \mathbf{v}_n</math>。如果我们将值为零的奇异值 <math>\sigma_i</math> 排在最后，奇异值分解就可以写成：

相信未来

2,435

个编辑