首页 理论教育 如何进行奇异值分解?

如何进行奇异值分解?

时间:2023-06-30 理论教育 版权反馈
【摘要】:例7.6 对A进行奇异值分解解7.6 矩阵A是一个4×5矩阵,因此U是一个4×4矩阵,Σ是一个对角线上有4个奇异值且最后一列为0的4×5矩阵,而V是一个5×5矩阵。根据6.1节的结果,最小二乘问题的解为x=-1Ab=A+b矩阵A+可以通过LU分解得到,但更常用的方法是采用奇异值分解得到。解7.7 为方便起见,将该方程重新写出如下:采用伪逆矩阵法求解使用奇异值分解得矩阵Σ+为从而得到A+结果与例6.1相同。

如何进行奇异值分解?

奇异值分解(SVD)产生3个矩阵,这3个矩阵的乘积等于矩阵A(可以不是方阵),即

A=UΣVT (7.28)

式中,U满足UTU=I,且U的列是AAT的正交归一化特征向量V满足VTV=I,且V的列是ATA的正交归一化特征向量;而Σ是一个对角矩阵,对角线元素包含了与U(或V)相对应的特征值的平方根,且按降序排列。

SVD既可以用QR法也可以用Arnoldi法实现,目的是求矩阵ATAAAT的特征值和特征向量。一旦求出特征值,奇异值便是对应的平方根。矩阵的条件数是度量矩阵可逆性程度的一个指标,定义为该矩阵的最大奇异值与最小奇异值之比。条件数大意味着矩阵接近奇异。

例7.6A进行奇异值分解

解7.6 矩阵A是一个4×5矩阵,因此U是一个4×4矩阵,Σ是一个对角线上有4个奇异值且最后一列为0的4×5矩阵,而V是一个5×5矩阵。

首先令

得到

再用QR法计算978-7-111-58306-6-Chapter07-83.jpg的特征值和特征向量,得到

矩阵Σ的对角线元素是奇异值,等于978-7-111-58306-6-Chapter07-85.jpg的特征值的平方根,而且维度必然和A一样,因此有

类似地,令978-7-111-58306-6-Chapter07-87.jpg重复上面步骤,可以得到U

奇异值分解除了应用于条件数计算外,另一种常见的应用是求非方阵A的伪逆矩阵A+。最常见的伪逆矩阵是Moore-Penrose伪逆矩阵,这是一种被称为1-逆矩阵的一般性意义上的伪逆矩阵的一个特例。伪逆矩阵通常被用来求解最小二乘问题Ax=b,其中A是奇异矩阵或非方阵。根据6.1节的结果,最小二乘问题的解为

x=(ATA-1Ab(www.xing528.com)

=A+b

矩阵A+可以通过LU分解得到,但更常用的方法是采用奇异值分解得到。若采用奇异值分解方法,伪逆矩阵由下式给出:

A+=+UT (7.29)

式中,Σ+是一个和AT具有相同维度的对角阵,且其对角线元素为奇异值的倒数。

例7.7 使用伪逆矩阵法求解例6.1。

解7.7 为方便起见,将该方程重新写出如下:

采用伪逆矩阵法求解

使用奇异值分解得

矩阵Σ+

从而得到A+

结果与例6.1相同。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈