奇异值分解---SVD（待补充）

什么是奇异值分解？

奇异值分解是指将一个非零的 m * n 实矩阵A， 表示为以下三个实矩阵乘积形式的运算，即进行矩阵的因子分解。
$$A=U\Sigma V^T$$
$U$ 是 m 阶正交矩阵，V 是 n 阶正交矩阵，$\Sigma =diag({\sigma }_1,{\sigma }_2,...,{\sigma }_p)$ 是由降序排列的非负的对角线元素组成的 m * n 矩阵对角矩阵。$\sigma$ 称为矩阵的奇异值，$U$ 的列向量称为左奇异向量，$V$ 的列向量称为右奇异向量。

从几何角度上理解，基于 $A=U\Sigma V^T$ 的线性变换，等价于经过坐标系的旋转或反射变换 $V^T$ ，坐标轴的缩放变换 $\Sigma$ ，以及坐标系的旋转或反射变换 U， 得到向量 $Ax\in R^m$.

奇异值分解的特性

1. 给定一个任意的实矩阵，奇异值分解一定存在。
2. 矩阵奇异值分解是不唯一的。

紧奇异值分解和截断奇异值分解

紧奇异值分解：

设有 m * n 实矩阵 A ，其秩为 rank(A) = r, r <= min(m, n)，则称 $U^{}$