本文介绍奇异值分解这一数学工具。首先介绍方阵的特征值和特征向量,在此基础上介绍方阵的特征分解。针对更为一般的矩阵,我们介绍其“特征分解”方法——奇异值分解。
1. 特征值与特征向量
对于方阵,常数,非零向量,若满足下式:
则称为矩阵的特征值,为矩阵属于的特征向量。
对上式变换得到:
由于为非零向量,则可得:。
上式可写为:
其中为矩阵的特征多项式,为矩阵的特征方程。
特征值与特征向量求解方法:
矩阵的特征值即为其特征方程的根。根据特征方程求解得到的特征值带入可求得对应的特征向量。
2. 特征分解
针对方阵的个特征值,求解对应的特征向量。根据特征值与特征向量的定义可得:
即:
一般我们在求得矩阵特征值对应的特征向量时均对其标准化,即,故由特征向量组成的矩阵矩阵有,即,被称作酉矩阵。于是有下式:
上式称为矩阵的特征分解。
3. 奇异值分解
假设矩阵为维矩阵,定义矩阵的奇异值分解为:
式中:为维酉矩阵;为维矩阵,除主对角线元素以外元素全为0,主对角线元素为奇异值;为维酉矩阵。
矩阵为维矩阵,则为维方阵。由得到下式:
可以得到:矩阵为矩阵特征向量所组成的矩阵,也被称为矩阵的左奇异向量组。
同理可得:
可以得到:矩阵为矩阵特征向量所组成的矩阵,也被称为矩阵A的右奇异向量组。
矩阵奇异值分解方法:
- 利用特征分解求得左奇异向量组;
- 利用特征分解求得右奇异向量组;
- 由求得奇异值。
以上便是本文全部内容。