矩阵奇异值分解计算步骤及简单例子

发布时间:2024年01月04日

保姆级矩阵奇异值分解讲解,看完就会!(前提:具有基本线性代数基础)

矩阵的奇异值分解(SVD分解)

总结了九个步骤来完成。(以下计算中一般只写到3,若有兴趣读者可自行推导到n的情况。例如特征值只写到\lambda _{1}\lambda _{2}\lambda _{3},其实是可以写到\lambda _{n}

对矩阵A_{m\times n}进行奇异值分解:

1、计算A^{T}A

方法:矩阵的乘法,要点:略

2、计算A^{T}A的特征值

方法:|\lambda E - A^{T}A|=0令行列式的值为0计算\lambda的值。重根按重根记。\lambda _{1}\lambda _{2}\lambda _{3}

3、计算A^{T}A对应各特征值的特征向量

方法:求(\lambda E - A^{T}A)x=0的非零解,有几个特征值就有几个特征向量。\xi _{1}\xi _{2}\xi _{3}

4、将特征向量施密特正交化

方法:令\beta _{1}=\alpha _{1}\beta _{2}=\alpha _{2}-\frac{\left ( \beta _{1},\alpha _{2} \right )}{\left ( \beta _{1},\beta _{1} \right )}\beta _{1}\beta _{3}=\alpha _{3}-\frac{\left ( \beta _{1},\alpha _{3} \right )}{\left ( \beta _{1},\beta _{1} \right )}\beta _{1}-\frac{\left ( \beta _{2},\alpha _{3} \right )}{\left ( \beta _{2},\beta _{2} \right )}\beta _{2}

其中\alpha _{1}\alpha _{2}\alpha _{3}均为已求出的特征向量。

5、将特征值与对应特征向量按从大到小的顺序排好

方法:略,注意好对应,别对差了。

6、构建V与D矩阵并由D构建\Sigma矩阵

方法:V=\left ( v_{1},v_{2},v_{3} \right )

这里的v_{1},v_{2},v_{3}对应步骤3中的\xi _{1},\xi _{2},\xi _{3}

D=\begin{bmatrix} \sqrt{\lambda _{1}} & & \\ & \sqrt{\lambda _{2}} & \\ & &\sqrt{\lambda _{3}} \end{bmatrix}_{r\times r}

r为特征值的非零个数,若\lambda _{k}=0,则不填入D中;

\Sigma =\begin{bmatrix} D_{r\times r} & 0\\ 0 & 0 \end{bmatrix}_{m\times n}

7、构造前r个标准正交向量\mu _{1},\mu _{2},\cdots \cdots

方法:\mu _{i}=\frac{1}{\sigma _{i}}Av_{i},其中\sigma _{i}=\sqrt{\lambda _{i}}代表奇异值。

8、将构造的标准正交向量u_{i},按照标准正交基扩充的方法,扩充到m维向量空间,

组成\mu _{1},\mu _{2},\cdots \cdots ,\mu _{r},b_{1},b_{2},\cdots \cdots ,b_{m-r},组成新的正交矩阵U_{m\times m}

方法:求\left ( \mu _{i} \right )^{T}x=0的基础解系,并把基础解系施密特正交化,再与原\mu _{i}结合即可形成U_{m\times m}

9、写出答案

方法:A=U\Sigma V^{T}

注意V要转置

举个简单例子:

求:矩阵A=\begin{pmatrix} 1 & -1\\ -2 & 2\\ 2 &-2 \end{pmatrix}_{3\times 2}的奇异值分解

1、A^{T}A=\begin{pmatrix} 9 & -9\\ -9 & 9 \end{pmatrix}

2、特征值为:\lambda _{1}=18,\lambda _{2}=0

3、对应特征向量为:v_{1}=\begin{pmatrix} \frac{1}{\sqrt{2}}\\ -\frac{1}{\sqrt{2}} \end{pmatrix}v_{2}=\begin{pmatrix} \frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}} \end{pmatrix}

4、步骤3已完成标准化

5、步骤2、3已完成排序和对应关系

6、构建V与\Sigma矩阵

V=\left ( v_{1},v_{2} \right )=\begin{pmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}}\\ -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{pmatrix}

\Sigma =\begin{pmatrix} 3\sqrt{2} & 0\\ 0 & 0\\ 0 & 0 \end{pmatrix}

7、构造前1个标准正交向量\mu _{1}

\mu _{1}=\frac{1}{\sigma _{1}}Av_{1}=\frac{1}{3\sqrt{2}}Av_{1}=\begin{pmatrix} \frac{1}{3}\\ -\frac{2}{3}\\ \frac{2}{3} \end{pmatrix}

8、将\mu _{1}扩充到\mathbb{R}^{3}的向量空间

\mu _{2}=b_{1}=\begin{pmatrix} \frac{2}{\sqrt{5}}\\ \frac{1}{\sqrt{5}}\\ 0 \end{pmatrix}

\mu _{3}=b_{2}=\begin{pmatrix} -\frac{2}{\sqrt{45}}\\ \frac{4}{\sqrt{45}}\\ \frac{5}{\sqrt{45}} \end{pmatrix}

U=\left ( \mu _{1},\mu _{2},\mu _{3} \right )=\begin{pmatrix} \frac{1}{3} & \frac{2}{\sqrt{5}} & -\frac{2}{\sqrt{45}}\\ -\frac{2}{3} & \frac{1}{\sqrt{5}} & \frac{4}{\sqrt{45}}\\ \frac{2}{3} & 0 & \frac{5}{\sqrt{45}} \end{pmatrix}

9、写出答案

A=U\Sigma V^{T}=\begin{pmatrix} \frac{1}{3} & \frac{2}{\sqrt{5}} & -\frac{2}{\sqrt{45}}\\ -\frac{2}{3} & \frac{1}{\sqrt{5}} & \frac{4}{\sqrt{45}}\\ \frac{2}{3} & 0 & \frac{5}{\sqrt{45}} \end{pmatrix}\begin{pmatrix} 3\sqrt{2} & 0\\ 0 & 0\\ 0 & 0 \end{pmatrix}\begin{pmatrix} \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{pmatrix}

好了,例子也写完了,希望对看到这里的你有所帮助!

再多提一嘴,奇异值就是特征值的平方根值。

这是我第一次写博文,如果你觉得我写的对你有帮助,欢迎点赞收藏关注!

共同进步!

文章来源:https://blog.csdn.net/KuaiLeK/article/details/135306490
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。