- 1、本文档共26页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
3
§ 奇异值分解
3.1 引言
对角阵是我们最喜爱的一类矩阵.
n阶矩阵A相似于对角阵 A存在n个线性无关的特征向量.
实对称矩阵正交相似于对角阵
3.1 引言
: ?
问题 如何 “对角化 ” 矩阵
3.2 奇异值分解(Singular Value Decomposition)
设A是一个 矩阵, 则存在m阶正交矩阵U和n阶正交矩阵V,
满足
其中r = rankA. 习惯上,设 称 为奇异
值(singular value). 称U和V 的前r列向量为奇异向量(singular vector).
这个分解为奇异值分解, 简称SVD.
3.2 奇异值分解(Singular Value Decomposition)
令
SVD
3.2 奇异值分解(Singular Value Decomposition)
设A是秩为r 的 实矩阵,则 为m阶实对称矩阵, 为n阶实
对称矩阵.
(1) 与 的特征值为非负数.
证明: 设 则 即
故 同理 的特征值也全是非负数.
3.2 奇异值分解(Singular Value Decomposition)
(2) 与 的非零特征值集合相同.
证明: 因为 故
设 是 的非零特征值. 即 使得
则有 故 也是 的非零特征值. 反之亦然.
因此, 与 具有相同的非零特征值.
3.2 奇异值分解(Singular Value Decomposition)
不妨设 和 的这r个非零特征值为 其中
(3) 设 为n阶实对称方阵 的单位正交特征向量,
记 则
3.2 奇异值分解(Singular Value Decomposition)
注意到
故 即
令 则 并且
故 是 的单位正交特征向量.
3.2 奇异值分解(Singular Value Decomposition)
又
故
为 的一组单位正交基
为 的一组单位正交基.
3.2 奇异值分解(Singular Value Decomposition)
记为
回顾
扩充 为 的一组基
扩充 为 的一组基
3.2 奇异值分解(Singular Value Decomposition)
即 , 其中
3.3 例题
例: 求矩阵 的奇异值分解.
解:
因
故 的特征多项式为
3.3 例题
因此 的特征值为
文档评论(0)