-
奇異值
鎖定
奇異值分解定理
設給定
,令
並假設
(a)存在酉矩陣
與
,以及一個對角方陣
奇異值定義
在奇異值分解定理中,矩陣
的對角元素(即純量
,它們是方陣
的對角元素),稱為矩陣A的奇異值。A的奇異值由
的特徵值唯一地決定(等價地説,是由
的特徵值唯一地決定)。
奇異值奇異值與秩
奇異值定理及結論
(1)設
,
有相同的奇異值
(2)
的兩個平方的奇異值是:
(3)設給定一個無窮序列
,並假設
(逐個元素地收斂),又設
,設
以及
分別是A與
按非增次序排列的奇異值(對
),那麼,對每個
都有
奇異值Matlab函數
s = svd(A) %返回矩陣A的按降序排列的奇異值
[U,S,V] = svd(A) %對A進行奇異值分解,A = U*S*V'
[U,S,V] = svd(A,'econ')
[U,S,V] = svd(A,0)
奇異值應用
下面以在數據分析中的降噪為例。
在現實生活中,我們蒐集的數據中總是存在噪聲:無論採用的設備多精密,方法有多好,總是會存在一些誤差的。由於大的奇異值對應着矩陣中的主要信息,因此可以運用奇異值分解進行數據分析,提取矩陣的主要信息。
[3]
假如我們蒐集的數據如下所示:
將數據用矩陣的形式表示:
經過奇異值分解後,得到:
- 參考資料
-
- 1. Roger A.Hon,Charles R.JohnSon .矩陣分析(原書第2版).北京:機械工業出版社,2016年
- 2. SVD .mathworks[引用日期2017-08-27]
- 3. We Recommend a Singular Value Decomposition .ams[引用日期2017-08-27]