Bootstrap

奇异值(SVD)分解

超定方程

奇异值分解经常用在求解一个超定方程的最小二乘解,超定方程就是线性无关方程组的个数大于未知数个数的方程组。

奇异矩阵

奇异矩阵和非奇异矩阵是相对方阵的,如果方阵A的行列式det(A)=0,则称A为奇异矩阵,否则称A为非奇异矩阵。

奇异值分解

任何矩阵都可以进行奇异值分解:SVD(A m ∗ n _{m*n} mn)=U m ∗ m _{m*m} mm Σ m ∗ n \Sigma_{m*n} Σmn V V V n ∗ n T _{n*n}^{T} nnT,U和V均为正交矩阵。 Σ \Sigma Σ为对角矩阵。
A T {^{T}} TA非零的特征值的非负平方根称为A的奇异值。 Σ \Sigma Σ是对角矩阵对角线从大到小存放A的奇异值 σ \sigma σ,若 λ \lambda λ是A T {^{T}}

;