第30课 奇异值分解

奇异值分解:简称SVD,是矩阵最终最好分解,分解的因子是正交矩阵对角矩阵正交矩阵任意矩阵都有这种奇异值分解


对称正定矩阵性质,由于对称,它们的特征向量是正交
\begin{eqnarray} A=Q\Lambda Q^T \tag{1}\\ A=S\Lambda S^{-1} \tag{2} \end{eqnarray}
因为S不正交,所以不研究这种情况

(1)式分解是怎么来的?该分解说明什么?

行空间中找个典型向量\vec {v_1},然后变换到列空间的某向量\vec{u_1},所以u_1=Av_1

行空间中的一个向量变换到列空间的某处,要找到行空间的一组正交基,变换到列空间一组正交基

首先在行空间找到一组正交基,通过格接姆-施密特正交法
A\begin{bmatrix}v_1&v_2&\dots&v_r\end{bmatrix}= \begin{bmatrix}u_1&u_2&\dots&u_r\end{bmatrix} \begin{bmatrix}\sigma_1&&&\\&\sigma_2&&\\&&\ddots&\\&&&\sigma_r\end{bmatrix}

A=\begin{bmatrix}4&4\\-3&3\end{bmatrix}

vu标准正交,\sigma为缩放因子,是需要求的

如果零空间存在,找出一组基
目标\begin{cases}Av_1=\sigma_1u_1\\Av_2=\sigma_2u_2\end{cases} \\ \begin{eqnarray} Av=u\varepsilon \to A=u\varepsilon v^{-1}=u\varepsilon v^T \tag{3} \end{eqnarray}\\ \underbrace{B=A^TA}_{对称且正定}= \overbrace{v\underbrace{\varepsilon^T}_{对角阵}u^T}^{A^T} \overbrace{u\underbrace{\varepsilon}_{对角阵} v^T}^{A} = v\varepsilon^2v^T = \underbrace{v}_{特征向量} \underbrace{\begin{bmatrix}\sigma_1^2&&\\&\ddots&\\&&\sigma_r^2\end{bmatrix}}_{特征值} \underbrace{v^T}_{特征向量} = Q\Lambda Q^T \\ \to A^TA = Q\Lambda Q^T\\ v是B的特征向量
如何找出u
\begin{eqnarray} C=AA^T=u\varepsilon v^Tv\varepsilon^Tu^T = u\varepsilon^2u^T= \underbrace{u}_{特征向量} \underbrace{\begin{bmatrix}\sigma_1^2&&\\&\ddots&\\&&\sigma_r^2\end{bmatrix}}_{特征值} \underbrace{u^T}_{特征向量} \tag{4} \end{eqnarray}\\ u是C的特征向量

A^TA = \begin{bmatrix}4&-3\\4&3\end{bmatrix}\begin{bmatrix}4&4\\-3&3\end{bmatrix}= \begin{bmatrix}25&7\\7&25\end{bmatrix} = B
B的特征向量:
v_1=\begin{bmatrix}1\\1\end{bmatrix}, v_2=\begin{bmatrix}1\\-1\end{bmatrix} 单位化 \to \begin{bmatrix}\frac{1}{\sqrt{2}}\\\frac{1}{\sqrt{2}}\end{bmatrix}, \begin{bmatrix}\frac{1}{\sqrt{2}}\\-\frac{1}{\sqrt{2}}\end{bmatrix}

Bv_1=\lambda_1v_1 \to \begin{bmatrix}25&7\\7&25\end{bmatrix}\begin{bmatrix}1\\1\end{bmatrix} = \lambda_1\begin{bmatrix}1\\1\end{bmatrix} \to \begin{bmatrix}25+7=32\\7+25=32\end{bmatrix} = 32\begin{bmatrix}1\\1\end{bmatrix} \to \lambda_1=32\\ Bv_2=\lambda_2v_2 \to \begin{bmatrix}25&7\\7&25\end{bmatrix}\begin{bmatrix}1\\-1\end{bmatrix}= \lambda_2\begin{bmatrix}1\\-1\end{bmatrix} \to \begin{bmatrix}25-7=18\\7-25=-18\end{bmatrix} = 18\begin{bmatrix}1\\-1\end{bmatrix} \to \lambda_2=18

A=u\varepsilon v^T = \underbrace{\begin{bmatrix}1&0\\0&1\end{bmatrix}}_{u} {\underbrace{\begin{bmatrix}\sqrt{32}&0\\0&\sqrt{18}\end{bmatrix}}_{\varepsilon}}^2 \underbrace{ \begin{bmatrix} \frac{1}{\sqrt{2}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}&-\frac{1}{\sqrt{2}} \end{bmatrix} }_{v^T}

AA^T=\begin{bmatrix}4&4\\-3&3\end{bmatrix}\begin{bmatrix}4&-3\\4&3\end{bmatrix}= \begin{bmatrix}32&0\\0&18\end{bmatrix} = C

因为ABBA特征值相同 ,C的特征值特征\lambda_1=32,\lambda_2=18
代入(4)式得 \to \begin{bmatrix}32&0\\0&18\end{bmatrix} = u\begin{bmatrix}32&0\\0&18\end{bmatrix}u^T

例2

待补。。。

以上2个例子总结:

在线性代数 的4 个子空间中选出合适的基,

v_1到v_r,是行空间的标准正交基(维数是秩r)

u_1到u_r,是列空间的标准正交基(维数是秩r)

然后用v_{r+1}到v_n,它们是零空间的标准正交基(维数n-r)

u_{r+1}到u_m,它们是A^T零空间的标准正交基(维数m-r)

然后需要用到特征值,因为这些基使得矩阵A对角化,并且Av_i=\sigma_iu_i,当我们选择基的时候,向量v之间没有耦合的,u中也没有耦合的,A乘以每个v对应一个u的方向,因此,它们是这四个基本子空间的合适的基

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,186评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,858评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,620评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,888评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,009评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,149评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,204评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,956评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,385评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,698评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,863评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,544评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,185评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,899评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,141评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,684评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,750评论 2 351

推荐阅读更多精彩内容