线性代数中的SVD,即Singular Value Decomposition这种分解有什么应用呢?

来源:学生作业帮助网 编辑:六六作业网 时间:2024/11/25 12:54:45
线性代数中的SVD,即SingularValueDecomposition这种分解有什么应用呢?线性代数中的SVD,即SingularValueDecomposition这种分解有什么应用呢?线性代数

线性代数中的SVD,即Singular Value Decomposition这种分解有什么应用呢?
线性代数中的SVD,即Singular Value Decomposition这种分解有什么应用呢?

线性代数中的SVD,即Singular Value Decomposition这种分解有什么应用呢?
SVD这是线性代数现在的重中之重,相比之前,约旦标准型的光辉岁月已经退去了、
SVD中文叫奇异值分解.线性代数里面X'X矩阵是非常重要的矩阵 因为既保留了X的所有信息
又把这种信息的载体优化了,具备了很好的性质,比如如果X列满秩或者行满秩,X'X就是可逆的,对称的,而且可以构造投影矩阵,这是最小二乘的基础.
但是X不一定就能满秩,所以X'X就不是满秩方阵,也就不可逆,但是有逆这个性质我们非常想得到,SVD就出现了.SVD的第一大应用就是使得非满秩的X'X有逆,国外称作伪逆,我们叫广义逆,其实国内的广义逆有很多不唯一,SVD可以帮你找到最好的那个.这样最小二乘法就能继续得到应用.