矩阵的奇异值分解
来源:互联网 发布:查看交换机端口数据包 编辑:程序博客网 时间:2024/06/10 00:24
矩阵的奇异值分解
矩阵的奇异值分解证明过程中会用到五个定理,先作为补充知识展示这五个定理:
定理一:A是对称矩阵,则不同特征值对应的特征向量是正交的。
————————————————————————————————————————————————————————————————————————————
定理二:矩阵和它的转置具有相同的特征值
证明:因为:
,
即和有相同的特征多项式,所以有相同的特征值。
————————————————————————————————————————————————————————————————————————————
定理三:半正定矩阵的特征值均大于等于零
证明:这是半正定矩阵的定义
————————————————————————————————————————————————————————————————————————————
定理四:若满足,则称是单位正交矩阵
单位正交矩阵有如下的性质:。
————————————————————————————————————————————————————————————————————————————
定理五:若矩阵的秩为r,则和秩均为r。
————————————————————————————————————————————————————————————————————————————
补充完以上五个定理,我们正式开始矩阵的奇异值分解的证明。
设矩阵,矩阵的秩为,且,则矩阵可以分解为如下形式:
,
也可表示为:
证明:无非就是寻找。
显然,,且这两个矩阵均是半正定矩阵,且互为转置,且根据定理五,这两个矩阵的秩均为。根据定理二和定理三,这两个矩阵的特征值是相同的,且均大于等于零。我们只用大于零的特征值。设(我们按从大到小排序即:)是它们的不为零的特征值,且对于矩阵对应的单位特征向量为(),对于矩阵对应的单位特征向量为(),即
,。
其实和存在一定的关系,下面就找出这种关系。
因为
,
所以,是的特征向量,又因为也是的特征向量,所以,
,
又因为
,
所以:
。
则:
,
所以,
,
那么
下面证明
,
其中代表单位矩阵。
因为是对称矩阵的不同特征值对应的特征向量,根据定理一,我们得出他们是相互正交的,又因为
,
然后,然后根据定理四,我们便得到
所以:
。
证毕。
- 矩阵的奇异值分解
- 矩阵的奇异值分解
- 矩阵的奇异值分解
- 矩阵奇异值分解
- 矩阵的奇异值分解过程
- 矩阵的“特征值分解”和“奇异值分解”区别
- 矩阵的“特征值分解”和“奇异值分解”区别
- 奇异值分解(SVD)和图像矩阵的分解测试
- svd矩阵奇异值分解
- SVD矩阵奇异值分解
- 矩阵特征值,奇异值分解
- 矩阵奇异值分解(SVD)
- 矩阵论01—矩阵的奇异值分解
- 矩阵分解之奇异值分解
- 奇异值、奇异矩阵、SVD分解、正交矩阵定义解释
- 奇异值、奇异矩阵、SVD分解、正交矩阵
- 奇异值、奇异矩阵、SVD分解、正交矩阵定义解释
- 奇异值、奇异矩阵、SVD分解、正交矩阵(转载)
- C语言学习九数据类型的学习之浮点数
- C++覆盖、重写、重载的区别
- JSTL学习笔记
- error LNK2019: 无法解析的外部符号
- poj1419
- 矩阵的奇异值分解
- linux 常用命令积累
- Centos 7 单机安装 Openstack(PackStack)
- 解决jquery-1.10.2.min.map 404 Not Found错误
- ASP.NET知识总结(一般处理程序动态处理图片(验证码、水印、缩略图))
- 了解select模型的六大注意点
- 网络请求的封装方法
- URAL 1295. Crazy Notions(数学啊 & 找规律)
- 2015年学习计划