定义
设A∈Cm×n,则矩阵AHA的n个特征值λi的算术平方根δi=λi−−√叫做A的奇异值(Singular Value )。
设A∈Cm×n,则存在酉矩阵U∈Cm×n和V∈Cm×n使得
A=UΣVH
式中
Σ=[Σ1OOO],且
Σ1=diag(σ1,σ2,...,σr),其对角元素按照顺序
σ1≧σ2≧...≧σr>0,r=rank(A)
排列。
这就是所谓的矩阵的奇异值分解(Singular Value Decomposition,SVD)
注:酉矩阵是正交矩阵在复数域的推广。
求解
有两种求V,U的步骤:
1. 求AHA的特征值及对应的特征向量,得到V. 其中非零向量特征值对应的特征向量构成矩阵V1,由公式U1=AV1S−1得到AAH的非零特征值所对应的特征向量,其余的特征向量可以由Hermite矩阵的特征向量的正交性获得(显然不唯一)。
2. 求AAH的特征值及对应的特征向量,得到U. 其中非零向量特征值对应的特征向量构成矩阵U1,由公式V1=AHU1S−1得到AAH的非零特征值所对应的特征向量,其余的特征向量可以由Hermite矩阵的特征向量的正交性获得(显然不唯一)。
在Matlab中可使用svd函数进行求解: