现在的位置.PDFVIP

登录 ⁄ 注册 夜深了! 夜深了! 2013年6月18日 星期二2013年6月18日 星期二 文章文章 数据 代码数据 代码 关于博主关于博主 留言板留言板 标签标签 链接链接 文章文章 数据 代码数据 代码 关于博主关于博主 留言板留言板 标签标签 链接链接 网站地图网站地图 现在的位置: 搜索 首页 ＞数学工具 ＞正文 网站地图网站地图 RSS 小 中 大 SVD分解的理解 2012年03月31日 ⁄ 数学工具 ⁄ 评论数 12 ⁄ 被围观 12,367 views+ SVD分解（奇异值分解），本应是本科生就掌握的方法，然而却经常被忽视。实际上，SVD分解不但 很直观，而且极其有用。SVD分解提供了一种方法将一个矩阵拆分成简单的，并且有意义的几块。它 的几何解释可以看做将一个空间进行旋转，尺度拉伸，再旋转三步过程。 首先来看一个对角矩阵， 几何上, 我们将一个矩阵理解为对于点 (x, y)(x, y) 从一个平面到另一个平面的映射: 下图显示了这个映射的效果: 平面被横向拉伸了3倍，纵向没有变化。 对于另一个矩阵 它的效果是 这样一个变化并不是很好描述，然而当我们将坐标系旋转45度后，我们可以看出 这时，我们发现这个新的网格上发生的变化和网格在对角阵下发生变化的效果相似。 这是一个对称矩阵的例子，可以看出，对称矩阵经过旋转后，其作用就和对角阵类似了。数学上，对 于一个对称矩阵 M, 我们可以找到一组正交向量 vv 从而 Mvv 相当于 vv 上的标量乘积; 也就是 ii ii ii Mvv = λ vv ii i ii λ 是标量，也就是对应对角阵中对角线上的元素. 由于这个性质，我们称 vv 是 M 的特征向量; λ 为特 i ii i 征值. 一个对称矩阵不同特征值对应的特征向量是正交的。 对于更广泛的情况，我们看看是否能从一个正交网格转换到另一个正交网格. 考虑一个非对称矩阵: 这个矩阵的效果形象的称为剃刀（shear）。 这个矩阵将网格在水平方向拉伸了，而垂直方向没有变化。如果我们将网格旋转大约58度，这两个网 格就又会都变为正交的了。 奇异值分解：奇异值分解： 考虑一个 2 *2 矩阵, 我们可以找到两组网格的对应关系。用向量表示，那就是当我们选择合适的单位 正交向量 vv 和 vv , Mvv 和 Mvv 也是正交的. 11 22 11 22 我们使用 uu 和 uu 代表 Mvv 和 Mvv 的方向. Mvv 和 Mvv 的长度表示为 σ 和 σ ，也就是网格在每个方 11 22 11 22 11 22 1 2 向的拉伸. 这两个拉伸值叫做M的 奇异值（sigular value） 和前面类似，我们可以 有 Mvv = σ uu 11 1 11 Mvv = σ uu 22 2 22 我们一直讨论的 vv 和 vv 是一对正交向量， 对于一般的向量 xx ，我们有