奇异值分解

SVD

不用 $S^{-1}AS$ 特征值分解的原因，是因为它由三个问题:
1,特征值矩阵常常不是正交的
2,总是没有足够的特征向量
3, $Ax=\lambda x$ 需要A是方阵

奇异值矩阵能解决以上三个问题

$A\begin{bmatrix}v_1&v_2&...&v_r \end{bmatrix}=\begin{bmatrix}u_1&u_2&...&u_r \end{bmatrix} \begin{bmatrix} \sigma_1&&&\\& \sigma_2&& \\&& \ddots & \\ &&& \sigma_r \end{bmatrix}$
$AV=U\Sigma \\ A=U \Sigma V^{-1}=U\Sigma V^T \\ A^TA=V\Sigma^TU^TU\Sigma V^T=V\Sigma^T \Sigma V^T=V \begin{bmatrix} \sigma_1^2&&&\\& \sigma_2^2&& \\&& \ddots & \\ &&& \sigma_r^2 \end{bmatrix} V^T$
V,U都是标准正交矩阵
例子

image.png

image.png
这两个就是

image.png

资料收集
线性代数 MIT线性代数笔记
线性代数笔记30
奇异值分解 SVD 不用特征值分解的原因，是因为它由三个问题:1,特征值矩阵常常不是正交的2,总是没有足够的特征向...
关于考试复习及准备的想法
考试复习的准备： MIT - 线性代数～笔记本 xuetangx - 数据结构～笔记本高数 & 线代 &...
线性代数笔记34
34 左右逆和伪逆 MIT—线性代数笔记33 左右逆和伪逆
2019-10-14 学习计划
1、支持向量机；（30） 2、线性代数第三章；（30） 3 、减重0.5kg（104.1）；（40）完成: 1...
吴恩达机器学习课程学习记录（3.线性代数回顾）
学过线性代数的朋友们可以略过这节不看，这节老师主要是带着我们复习一下机器学习中涉及到的基本的线性代数知识，笔记嘛，...
[笔记] 线性代数
向量空间集合和组集合和组的区别，这两者都是一堆元素的组合，但集合是无序、不重复的，而组是有序、可重复且长度确定...
线性代数
考研复习笔记-线性代数作者创建时间复习1复习2复习3复习4林加贤2015-08-31 复习时修改笔记，并添加相应...
1.1、方程组的几何解释
html与pdf笔记更新链接(Google云盘) 绪论为了复习线性代数，顺便练习markdown写作，我准备用寒...
数学基础知识系列(线性代数,数理统计)
漫步线性代数系列漫步线性代数一——引言漫步线性代数二——线性方程的几何形状漫步线性代数三——高斯消元法漫步线性...