$Ax = 0 $ 对A做SVD分解,得
U
Σ
V
T
x
=
0
U\Sigma V^Tx =0
UΣVTx=0
因为是超定方程，一般无法等于0，问题转换为求最小值 =
∣
∣
U
Σ
V
T
x
∣
∣
m
i
n
||U\Sigma V^Tx||_{min}
∣∣UΣVTx∣∣min
因为
U
U
U是一个正交矩阵：正交变换不改变矩阵的秩, 特征值, 行列式, 迹 所以有：
即Ax=0的SVD解是V的最后一列
博客探讨了如何利用奇异值分解(SVD)解决超定线性方程组Ax=0的问题。由于一般情况下无解，目标转化为寻找最小范数解。SVD将矩阵A分解为UΣVT，其中UUU是正交矩阵，不会改变矩阵的秩和特征值。文章指出，Ax=0的SVD解是V矩阵的最后一列，这对于理解和求解这类问题至关重要。
2889
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
