$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
SVD分解求解超定方程Ax=0
最新推荐文章于 2024-07-04 00:16:00 发布
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。
摘要由CSDN通过智能技术生成