OpenCV——相当通俗易懂的SVD奇异值分解

在说明前，我也是查了大量文档，弄清楚各个名词的意思，才写下这篇博客。。。

特征值和特征向量：

根据公式：

A是n*n的方阵（必须是方阵），x是特征向量，λ是特征值。

一般情况下，会有n个特征值，和n个特征向量。（这里的一般是指方阵是满秩，各行各列都是线性无关）。

引出问题：如果不是n*n维的矩阵，怎么求？

假设矩阵X是m*n，则可以求或矩阵的特征分解。

一般的非方阵的特征分解称为奇异值分解。

奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，奇异值分解则是特征分解在任意矩阵上的推广。在信号处理、统计学等领域有重要应用。

奇异值分解SVD:

A是m*n大小的矩阵

根据公式：

U是左奇异矩阵

同理V是右奇异矩阵

剩下一个S：奇异值矩阵，理论上S的大小应该是m*n才能满足矩阵乘法运算。

=》 =》

理解：， V是单位正交基，不知道的可百度。

理解：，S是奇异值，一般的是n行一列的矩阵，为了方便计算，我们设计S变成对角矩阵