矩阵奇异值的随机抽样方法.docxVIP

矩阵奇异值的随机抽样方法 科技资讯2021no.13 sciencetechnologyinformation学术论坛 (仰恩大学数学系概率教研室福建泉州362021) 摘要:矩阵的奇异值由于其本身具备的一些良好性质,在许多领域得到了广泛的应用。但有很多时候,传统的矩阵奇异值求解方法很难得到良好的结果。本文考虑采用一种抽样估计方法估计大矩阵的奇异值。关键词:矩阵奇异值随机抽样 中图分类号:o151.21文献标识码:a文章编号:1672-3791(2021)04(c)-0249-02 矩阵奇异值本身具备许多良好的特性,在 学术界,矩阵的奇特值理论已经被应用于许多 不同领域。矩阵的奇异值分解理论在实际应用以上矩阵的第一个奇异值可用于降低计 领域的关键往往就是矩阵奇特值的解问题,对算机对存储器的建议;第三个特征常用于图象 于阶数较小矩阵的奇异值分解问题,传统的奇的旋转、镜像、平移等;第五个特征可用于 异值水解方法通常都能够赢得较好的结果。但是信号除噪;此外可以通过掌控矩阵的奇特值大小 对于规模庞大的矩阵,传统的分解方法在计算来控制两个矩阵空间的距离。 误差、计算精度、水解效率等方面都很难达至 要求。我们考虑使用一种基于随机抽样理论的2基于随机抽样的奇异值求解 奇特值估算方法排序小矩阵的奇特值,以期荣获现在矩阵奇特值的那些优良特性都已经 取更高的分解效率,更好的计算精度。摆在我们面前,可以预期的应用也可以估计, 那么在实践中我们必须怎样回去利用矩阵奇特 1矩阵奇异值的特征及应用值的这些优良特性能呢?这里的关键当然是先 (1)矩阵奇特值的第一个特征就是可以降维。建议出来矩阵的那些具备代表性的奇特值(通常 (2)奇异值分解的第二个特征是奇异值对这些具有代表性的奇异值指的就是矩阵的那 矩阵的扰动不脆弱。些小的奇特值)。对于维数较低的矩阵而言,传 (3)矩阵奇异值的第三个特征是比例不变统的矩阵奇异值分解方法通常能得到比较良 性,即aa的奇特值就是a奇特值的a倍。不好的结果,但是换言之一下,如果摆到我们面前 (4)奇异值的第四个特征是旋转不变性。的矩阵是一个一万阶的矩阵结果会怎样？答 即若p就是拓扑阵pa的奇特值与a的奇特值相案就是似乎的,传统的矩阵奇特值水解方法在低 同。维矩阵的奇异值分解问题上,很难得到让人满 (5)奇特值的第五个特征就是难获得矩阵意的值。 a的秩为的一个最佳逼近矩阵。我们考虑是不是能把待分解的矩阵做降 (6)奇特值水解的第六个特征:若a、b都佩处置？设a就是一个m×n的大矩阵,由于 有相同的奇异向量, 则矩阵a的尺寸足够多小,我们很难排序他的奇特值。我们考量用下面的方法回去估算这个小 我们考虑从矩阵a中随机抽取p(p 行结构一尺寸较小的矩阵a(1),采用传统的标 准方法计算a(1)的奇异值,重复这个步骤50 次(也可以就是满足用户能容许统计分析的任一 次),也就是说,通过从矩阵a随机取样(随机 挑选出相同的行)的方法,结构矩阵序列a(i), i=1,2,...,50,计算其最大的奇异值,第二大的奇异值,第三大的奇异值……依次 下去,直至排序出来所有须要的奇特值。接着 我们开始估计矩阵a的第k个奇异值,这 1时,我们必须搞的就是绘制的曲线图。首