矩阵的奇异值分解.ppt

在矩阵理论中，奇异值分解实际上是“对称矩阵正交相似于对角矩阵”的推广.奇异值分解中是的特征向量，而的列向量是的特征向量，并且与的非零特征值完全相同.但矩阵的奇异值分解不惟一.注意数值秩在没有误差时，奇异值分解可以确定矩阵的秩.但是误差的存在使得确定变得非常困难.例如，考虑矩阵0102因为第三列是前两列的和，所以A的秩是2.如果不考虑到这个关系，运用IEEE标准的双精度浮点计算模式，用MATLAB命令SVD计算A的奇异值：formatlongeA=[1/3,1/3,2/3;2/3,2/3,4/3;1/3,2/3,1;2/5,1/5,3/5;3/7,1/7,4/7]；D=svd(A)logo计算结果为：D=406534035359026e-001因为有“三”个非零奇异值，所以A的秩为“3”.然而，注意到在IEEE双精度的标准下,其中一个奇异值是微小的.也许应该将它看作因为这个原因，引人数值秩的概念.1如果矩阵有个“大”的奇异值，而其它都很“微小”，则称的数值秩为.2为了确定哪个奇异值是“微小”的，需要引人阈值或容忍度.就MATLAB而言，可以把3设为阈值，大于这个阈值的奇异值的数目就是4A的数值秩，把小于这个阈值的奇异值看作零.5利用MATLAB的命令rank计算的秩，它的结果是2，就是这个道理.将抽象思维形象化将理论知识实用化二、矩阵的四个基本子空间基本定义记：Columnspacen=5Rowspacem=3r=2Notice则存在可逆矩阵B使得设A的行阶梯形为m=3n=5r=2Pivotrows1and2Pivotcolumns1and4例1有三个自由变量：方程010102有解：02NullspaceBAC方程组中，若不等于0有0元素.且有解，则其解不会构成子空间，因为没Leftnullspace01Leftnullspace??02设由行基例2(3,2,-1)(1,0,3)(0,1,2)N(A)例3则由解得则显然RowspaceallATyColumnspaceallAxNullspaceAx=0LeftnullspaceATy=0C(AT)dimrRnN(A)dimn-rRmC(A)dimrN(AT)dimm-r互为正交补AX=b有解bN(AT)Rn01Rowspace02nullspace03Leftnullspace04Actionofon05Columnspace例4若分解得三、矩阵的奇异值分解应用领域最优化问题；特征值问题；最小二乘问题；广义逆矩阵问题等.统计分析；信号与图像处理；系统理论和控制等.若A是n阶实对称矩阵，则存在正交矩阵Q，使得其中为矩阵A的特征值，而Q的n个列向量组成A的一个完备的标准正交特征向量系.对于实的非对称矩阵A，不再有像式（1）的分解，但却存在两个正交矩阵P和Q，使为对角矩阵，即有下面的正交对角分解定理.矩阵的正交对角分解定理设非奇异，则存在正交矩阵P和Q，使得(2)其中证因为A非奇异，所以为实对称正定矩阵，于是存在正交矩阵Q使得，其中为特征值令,01则有02或者 03再令,于是有04即P为正交矩阵，且使05改写式(2)为0607称式（3）为正交矩阵A的正交对角分解01设则是对称矩阵，引理：02设则的充要条件是且其特征值是非负实数.123定义设是秩为的实矩阵，的特征值为