这学期矩阵分析期末考试整了个矩阵奇异值分解的题,没顶住,痛定思痛,查阅了相关的文献,结合自己图像处理的研究方向,对矩阵奇异值的意义有了更加清晰的认识,故留此记录。
什么是矩阵奇异值分解?
根据教材的定义,对于任意m×n维复数矩阵A,存在m维酉矩阵P和n维酉矩阵Q,使得A满足分解式:
A = P ( D 0 0 0 ) Q H A=P \begin{pmatrix} D & 0 \\ 0&0 \\ \end{pmatrix} Q^H A=P(D000)QH
其中 D = d i a g { d 1 , d 2 , ⋯ d r } , 且 d 1 ≥ d 2 ≥ ⋯ ≥ d r > 0 D = diag\{d_1 ,d_2 ,{\cdots} d_r\},且d_1\geq d_2\geq {\cdots} \geq d_r >0 D=diag{ d1,d2