矩阵的奇异值分解.ppt

（1） A的非零奇异值的个数等于它的秩r，即 （2） 是 的标准正交基. （3） 是 的标准正交基. （4） 是 的标准正交基. （5） 是 的标准正交基. 从上面的结论可以得到 同构 奇异值分解的特征 1.奇异值分解可以降维 A表示 个 维向量，可以通过奇异值分解表示成 个 维向量.若A的秩 远远小于 和 , 则通过奇异值分解可以降低A的维数.可以计算出，当 时，可以达到降维的目的，同时可以降低计算机对存贮器的要求. 2. 奇异值对矩阵的扰动不敏感 特征值对矩阵的扰动敏感. 在数学上可以证明，奇异值的变化不会超过相应矩阵的变化，即对任何的相同阶数的实矩阵A、B的按从大到小排列的奇异值 和 有 3. 奇异值的比例不变性,即 的奇异值是A的奇异值的 倍. 4.奇异值的旋转不变性.即若P是正交阵，PA的奇异值与A的奇异值相同. 奇异值的比例和旋转不变性特征在数字图象的旋转、镜像、平移、放大、缩小等几何变化方面有很好的应用. 5. 容易得到矩阵A的秩为 的一个最佳逼近矩阵. 奇异值的这个特征可以应用于信号的分解和重构，提取有用信息，消除信号噪声. 由矩阵A的奇异值分解 可见，A是矩阵 的加权和，其中权系数按递减排列： 矩阵的秩 逼近 好的矩阵 A，这一点在数字图像处理方面非常有用. 矩阵的秩k 逼近定义为 秩 逼近就精确等于A ，而秩1逼近的误差最大. 因此当舍去权系数小的一些项后，仍然能较 显然，权系数大的那些项对矩阵A的贡献大 在MATLAB中，秩 逼近的程序如下： clear A=[2,7,9,-5,4;-9,-9,5,3,-2;-2,5,-1,-3,5;-4,9,0,9,-4], sumA=zeros(4,5); k=3 [U,D,V]=svd(A); for i=1:k sumA=sumA+ D(i,i)*U(:,i)*V(:,i); end sumA 或者 clear A=input(请输入矩阵A的值:A=), sumA=zeros; [U,D,V]=svd(A); k=input(请输入k的值:) for i=1:k sumA=sumA+ D(i,i)*U(:,i)*V(:,i); end sumA 6. 奇异值的第六个特征是若A、B都有相同的奇异向量，则 也就是说，我们可以通过控制奇异值的 大小来控制两个矩阵空间的距离. 参考资料 G.STRANG. Introduction to linear algebra W.Gander.用maple和matlab 解决科学计算问题.高教出版社 孟岩.理解矩阵 谢谢大家， 加强联系与合作！ THANK YOU SUCCESS * * 可编辑 Row space all ATy Column space all Ax Nullspace Ax=0 Left nullspace ATy=0 C(AT) dim r Rn N(A) dim n-r Rm C(A) dim r N(AT) dim m-r 互为正交补 AX=b有解 b N(AT) Rn Row space nullspace Left nullspace Action of on Column space 例4 若 分解 得 三、矩阵的奇异值分解 应用领域 1.最优化问题； 特征值问题； 最小二乘问题； 广义逆矩阵问题等. 2.统计分析； 信号与图像处理； 系统理论和控制等. 矩阵的正交对角分解 若A是n阶实对称矩阵，则存在正交矩阵Q，使得 (1) 其中 为矩阵A的特征值，而Q的n个列向