奇异值分解(SVD)是矩阵分析中的重要内容,既然在新闻分类中应用到了,MC君就要详细地说说其中的原理。
我们学线性代数时就知道,一个实对称矩阵一定可以对角化。若矩阵是实对称矩阵,则必有:,其中是对角矩阵,对角线上的元素就是的特征值,是正交矩阵(中的每个列向量为的特征向量,且是两两正交的单位向量)。所以只有对称矩阵才可以分解成两个正交矩阵和一个对角阵,但如果我想把一个普通的矩阵也分解成以上的形式,应该怎么办呢? 我们可以想办法将变成一个对称矩阵,显然就是一个对称矩阵,我们不妨先对进行分解。
因为是的对称矩阵,所以必定可以正交对角化,令的特征向量为,为标准正交基(两两正交的单位向量),是对应的特征值,即,则的模的平方可表示为下式: