矩阵论奇异值分解

最新推荐文章于 2023-01-10 21:32:15 发布

BetaGarf

最新推荐文章于 2023-01-10 21:32:15 发布

阅读量955

点赞数 1

参考链接：https://www.zhihu.com/question/22237507

矩阵的奇异值分解就是将矩阵分解成若干秩一矩阵之和，公式表达式：

$A=\sigma _{1}u _{1}v_{1}^{T}+\sigma _{2}u _{2}v_{2}^{T}+\cdot \cdot \cdot +\sigma _{n}u _{n}v_{n}^{T}$

其中 $\sigma_{1},\sigma_{2},\cdot \cdot \cdot ,\sigma_{n}$ 表示奇异值， $u,v$ 分别表示列向量，秩一矩阵就是秩为一的矩阵。而且我们假定

$\sigma _{1}\geq \sigma _{2}\geq\cdot \cdot \cdot \geq \sigma _{n}> 0$

$\sigma$ 的大小代表权重值， $\sigma$ 越大，权重越大。

举个例子

这张图像的像素矩阵为 $A$ ，对 $A$ 奇异值分解得到表达式：

$A=\sigma _{1}u _{1}v_{1}^{T}+\sigma _{2}u _{2}v_{2}^{T}+\cdot \cdot \cdot +\sigma _{n}u _{n}v_{n}^{T}$

只保留第一项: $A _{1}=\sigma _{1}u _{1}v_{1}^{T}$

只保留前五项: $A_{5}=\sigma _{1}u _{1}v_{1}^{T}+\sigma _{2}u _{2}v_{2}^{T}+\sigma _{3}u _{3}v_{3}^{T}+\sigma _{4}u _{4}v_{4}^{T}+\sigma _{5}u _{5}v_{5}^{T}$

保留前20项: $A_{20}$

保留前50项： $A_{50}$

奇异值描述了“小矩阵”对 $A$ 的贡献。

矩阵等价于线性空间的变换。

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
矩阵论奇异值分解

参考链接：https://www.zhihu.com/question/22237507矩阵的奇异值分解就是将矩阵分解成若干秩一矩阵之和，公式表达式：其中表示奇异值，分别表示列向量，秩一矩阵就是秩为一的矩阵。而且我们假定的大小代表权重值，越大，权重越大。举个例子这张图像的像素矩阵为，对奇异值分解得到表达式：只保留第一项:只保留前五项:保留前2...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。