转自:http://www.madio.net/forum-redirect-goto-nextnewset-tid-47409.html
奇异值分解是线性代数中一种重要的矩阵分解,在信号处理、统计学等领域有重要应用。
定义:设A为m*n阶矩阵,AHA的n个特征值的非负平方根叫作A的奇异值。记为σi(A)。
如果把AHA的特征值记为λi(A),则σi(A)=λi(AHA)^(1/2)。
定理:(奇异值分解)设A为m*n阶复矩阵,则存在m阶酉阵U和n阶酉阵V,使得:A = U*S*V’
其中S=diag(σi,σ2,……,σr),σi>0 (i=1,…,r),r=rank(A)
推论:设A为m*n阶实矩阵,则存在m阶正交阵U和n阶正交阵V,使得:A = U*S*V’
其中S=diag(σi,σ2,……,σr),σi>0 (i=1,…,r),r=rank(A)
说明:
1、奇异值分解非常有用,对于矩阵A(m*n),存在U(m*m),V(n*n),S(m*n),满足A = U*S*V’。U和V中分别是A的奇异向量,而S是A的奇异值。AA'的正交单位特征向量组成U,特征值组成S'S,A'A的正交单位特征向量组成V,特征值(与AA'相同)组成SS'。因此,奇异值分解和特征值问题紧密联系。
2、奇异值分解提供了一些关于A的信息,例如非零奇异值的数目(S的阶数)和A的秩相同,一旦秩r确定,那么U的前r列构成了A的列向量空间的正交基。
关于奇异值分解中当考虑的对象是实矩阵时: S对角元的平方恰为A'A特征值. (对复矩阵类似可得)
从上面我们知道矩阵的奇异值分解为: A=USV, 其中U,V是正交阵(所谓B为正交阵是指B'=B-1, 即B'B=I),S为对角阵.
A'A=V'S'U'USV=V'S'SV=V-1S2V
上式中, 一方面因为S是对角阵, S'S=S2, 且S2对角元就是S的对角元的平方. 另一方面注意到A'A是相似与S2的, 因此与S2有相同特征值.
其实奇异值可以认为是一种特殊的矩阵范数!
分享到:
相关推荐
采用了矩阵奇异值分解的方法解决了图像水印,对图像进行水印嵌入和水印提出,编程后得到的结果令人满意!(含有程序以及具体的方法)
矩阵奇异值分解算法 矩阵奇异值分解算法 矩阵奇异值分解算法
基于FPGA的大矩阵奇异值分解的实现.pdf
基于模极大值矩阵奇异值分解的信号特征提取与分类识别,很不错的资料,分享给大家
矩阵奇异值分解在图像隐藏中的应用,基于数字图像的奇异值分解和Arnold置换,提出了一种图像的隐藏方法
将Matlab引入矩阵奇异值分解教学的探究
矩阵奇异值分解PPT学习教案.pptx
\矩阵分析\矩阵奇异值分解在计算技术中的应用.doc
才用c语言编写,对矩阵进行奇异值分解,得到左右奇异值矩阵
基于CORDIC矩阵奇异值分解的FPGA实现.pdf
基于周期截断数据矩阵奇异值分解的干扰抑制技术.docx
大型矩阵奇异值分解的多次分割双向收缩QR算法[汇编].pdf
行业分类-设备装置-基于矩阵奇异值分解的多传感器证据冲突检测与度量方法
奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性,但还是有明显的不同。对称阵特征向量分解的基础是谱分析,而奇异值分解则是谱分析理论在任意矩阵上的...
m乘以n的矩阵:奇异值分解、广义逆;数据拟合的最小二乘法。 visual studio 2010 Intel fortran 2011
(2)对该矩阵进行奇异值分解,观察奇异值分解的效果 (3)任意导入一张图片,对图片进行奇异值分解 (4)使用重构函数重构分解后的图像,观察图像压缩现象 (5)(选做)舍去一定比例的特征值,记录压缩后的图像...
放射变换,矩阵奇异值分解,matlab算法分析,
1.解压zip,将两个文件放在同一个文件夹 2.修改data.txt的内容,将矩阵直接...3.双击svd.py可执行程序,会在目录下生成三个文件,s_matrix、u_matrix、v.T_matrix文本文件,存储分解成的三个矩阵。 4 需要按照python3.0