由于最小二乘中很多方面涉及到SVD,于是想好好看一下这个神奇的问题。
文章2中基于 文章4 对这个推导进行了介绍,但是其中有一部分 写的不是很清楚(我是看迷糊了TT。。于是翻出4 再看了一下,大概明白了是怎么一回事)。
文章1从另外一个角度介绍了SVD的性质,很详细。
对于n*n的实对称阵A,通过EVD分解可以得到 也就是 AV=VD,可以理解为,对于一个对称阵A,这个变换将变换到, V的列定义了这个基向量。
类似的,对于m*n的矩阵A,将对象从变换到了另一个空间,因此我们想要为每一个域找到一组基。SVD中可以帮组我们找到相应的正交基。
对于对称阵,有, 选择V的列向量(的特征向量)作为一组正交基
则A矩阵将这组基映射为
选择任意两个映射后的元素内积 (注意 一开始的点表示的是内积,所以 才有后面的矩阵相乘的表示)
=0
所以A矩阵映射后的正交基还是正交基。
最后,就是考虑将映射后的正交基归一化,如果令i=j , 则
=
也就是
故归一化后的正交基为
附录:
国内教材一般的推导过程:
矩阵的正交分解
对称阵
非对称阵
对称阵分解,非对称方阵分解,,非对称非方阵分解(SVD)
reference:
1.https://zhuanlan.zhihu.com/p/29846048
2.http://blog.csdn.net/zhongkejingwang/article/details/43053513
3.https://wenku.baidu.com/view/40b58727ad02de80d5d84073.html?from=search