SVD求解超定方程:
正交矩阵的保范性:乘一个正交矩阵,其模大小不变,可以想象成乘一个旋转矩阵。
∥
A
x
−
b
∥
2
2
=
∥
U
[
Σ
0
]
V
T
x
−
b
∥
2
2
(两边同时乘
U
T
,不改变模大小)
=
∥
[
Σ
0
]
V
T
x
−
[
U
‾
n
U
‾
]
T
b
∥
2
2
(
U
T
=
[
U
‾
n
U
‾
]
T
)
=
∥
[
Σ
V
T
x
−
U
‾
n
T
b
−
U
‾
T
b
]
∥
2
2
=
∥
Σ
V
T
x
−
U
‾
n
T
b
∥
2
2
+
∥
U
‾
T
b
∥
2
2
≥
∥
U
‾
T
b
∥
2
2
\begin{aligned} \|Ax-b\|_{2}^{2}& =\left\|U \left[\begin{matrix} \Sigma \\ 0 \end{matrix} \right] V^T x-b\right\|_{2}^{2} (两边同时乘U^T,不改变模大小) \\ &=\left\| \left[\begin{matrix} \Sigma \\ 0 \end{matrix} \right] V^T x - \left[\begin{array}{c c} \overline{U}_{n} & \overline{U} \end{array}\right]^{T} b\right\|_{2}^{2} (U^T=\left[\begin{array}{c c} \overline{U}_{n} & \overline{U} \end{array}\right]^{T}) \\ &=\left\|\left[\begin{matrix} \Sigma V^{T} x-\overline{U}_{n}^{T} b \\-\overline{U}^{T} b \end{matrix}\right]\right\|_{2}^{2} \\ &=\left\|\Sigma V^{T} x-\overline{U}_{n}^{T} b\right\|_{2}^{2}+\left\|\overline{U}^{T} b\right\|_{2}^{2} \geq \left\|\overline{U}^{T} b\right\|_{2}^{2} \end{aligned}
∥Ax−b∥22=
U[Σ0]VTx−b
22(两边同时乘UT,不改变模大小)=
[Σ0]VTx−[UnU]Tb
22(UT=[UnU]T)=
[ΣVTx−UnTb−UTb]
22=
ΣVTx−UnTb
22+
UTb
22≥
UTb
22
等号当且仅当
Σ
V
T
x
−
U
‾
n
T
b
=
0
\Sigma V^{T} x-\overline{U}_{n}^{T} b=0
ΣVTx−UnTb=0时成立,所以:
x
=
(
Σ
V
T
)
−
1
U
‾
n
T
b
=
V
Σ
−
1
U
‾
n
T
b
x=(\Sigma V^{T})^{-1} \overline{U}_{n}^{T} b=V \Sigma^{-1} \overline{U}_{n}^{T} b
x=(ΣVT)−1UnTb=VΣ−1UnTb这就是线性最小二乘问题的解。
特殊情况:齐次线性方程组 A x = 0 Ax=0 Ax=0
m i n ∣ ∣ A x ∣ ∣ s t . ∣ ∣ x ∣ ∣ = 1 min||Ax|| st.\ ||x||=1 min∣∣Ax∣∣st. ∣∣x∣∣=1
则:
Σ
V
T
x
=
0
\Sigma V^{T} x=0
ΣVTx=0,
令
V
T
x
=
y
V^T x = y
VTx=y,由正交矩阵的保范性知
∣
∣
y
∣
∣
=
1
||y||=1
∣∣y∣∣=1
当仅当 y = [ 0 , 0 , 0 , 1 ] T y=[0,0,0,1]^T y=[0,0,0,1]T时, Σ y \Sigma y Σy取得最小值,则 x = V ∗ [ 0 , 0 , 0 , 1 ] T x=V*[0,0,0,1]^T x=V∗[0,0,0,1]T
此时,最小二乘解为 A T A A^TA ATA最小特征值对应的特征向量。