矩阵分解 矩阵奇异值分解 Singular Value Decomposition (SVD) 常见矩阵 矩阵奇异值分解 Singular Value Decomposition (SVD) 这里我们讲述一种更加一般的矩阵分解技术——SVD,之所以讲解SVD分解是因为在通信MIMO系统中,计算信道容量是会用到。 SVD:对于任意 m × n m \times n m×n 矩阵 A A A 可以被分解为: A = U Σ V T A=U \Sigma V^{\mathrm{T}} A=UΣVT 其中 U U U 是 m × m m \times m m×m 矩阵,满足 U T U = I U^TU=I UTU=I, U U U 的列向量是 A A T AA^T AA