定义
设
A∈Cm×n
,则矩阵
AHA
的
n
个特征值
设 A∈Cm×n ,则存在酉矩阵 U∈Cm×n 和 V∈Cm×n 使得
A=UΣVH
式中
Σ=[Σ1OOO]
,且
Σ1=diag(σ1,σ2,...,σr)
,其对角元素按照顺序
σ1≧σ2≧...≧σr>0,r=rank(A)
排列。
这就是所谓的矩阵的奇异值分解(Singular Value Decomposition,SVD)
注:酉矩阵是正交矩阵在复数域的推广。
求解
有两种求
V,U
的步骤:
1. 求
AHA
的特征值及对应的特征向量,得到
V
. 其中非零向量特征值对应的特征向量构成矩阵
2. 求
AAH
的特征值及对应的特征向量,得到
U
. 其中非零向量特征值对应的特征向量构成矩阵
在Matlab中可使用svd函数进行求解:
>> A = [1 0 1; 0 1 -1];
>> [U, S, V] = svd(A)
U =
-0.7071 0.7071
0.7071 0.7071
S =
1.7321 0 0
0 1.0000 0
V =
-0.4082 0.7071 -0.5774
0.4082 0.7071 0.5774
-0.8165 -0.0000 0.5774