Python machine learning-sklearning

矩阵奇异分解

2017-09-27  本文已影响30人  阿发贝塔伽马

定理 设

非奇异,则存在正交矩阵P和Q,使得
其中 证明 因为A非奇异,所以
为实对称正定矩阵,于是存在正交矩阵Q使得,


的特征值

设x为非0特征向量,因为
又因A非奇异,则Ax不等于0,所以

注意 一般的对称矩阵的特征值没有这个性质

P为正交矩阵,且使

称式(3)为正交矩阵A的正交对角分解

引理:

1、设

是对称矩阵,且其特征值是非负实数。(参照上面的证明)
2、
证明
具有相同的解,解空间秩为r,所以相等,都为n-r
3、设
则A=0的充要条件是 证明:

定义 设A是秩为r的mxn实矩阵,

的特征值为
则称
为A的奇异值

奇异值分解定理

设A是秩为r(r>0)的mxn的实矩阵,则存在m阶正交矩阵U与n阶正交矩阵V,使得

其中

为矩阵A的全部奇异值

证明:设实对称

的特征值为
存在n阶正交矩阵V使得 将V分为r列与n-r列

的列向量是两两正交的单位向量,可以将其扩充为m列正交矩阵


这里U是


的特征向量

上一篇 下一篇

猜你喜欢

热点阅读