印数值-第2章补充内容：SVD.doc_第1页
印数值-第2章补充内容：SVD.doc_第2页
印数值-第2章补充内容：SVD.doc_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第二章补充材料奇异值分解(SVD)矩阵的奇异值分解是计算矩阵的重要手段，在控制理论、优化问题、广义逆矩阵等方面有着重要应用。定义1 设，的特征值为，称 为矩阵的奇异值。由知，的正奇异值的个数恰等于。定理1 设的奇异值为则存在阶正交矩阵和阶正交矩阵，使 其中。Matlab: U,S,V = svd(A)SVD有着重要的应用。（1） SVD很好地刻画了矩阵的几何特征。定理2 设的SVD由式给出，的列向量记为，的列向量记为，则（1）（2）（3）（2）利用SVD可方便地求矩阵的广义逆和最小二乘问题。定理3 的最小范数最小二乘解（最小二乘解中2-范数最小的）为 这里 称为的广义逆矩阵。Matlab: B = pinv(A)（3）SVD又可表明一个给定矩阵与秩低的矩阵之靠近程度。定理4（低秩逼近定理） 设的SVD由式给出，如果，记 则 低秩逼近定理可用于图像压缩。如果矩阵表示一张图像，取的前个较大的奇异值构造则就是的一个很好的逼近。从而起到图像压缩的作用。数值实验（小丑的图像压缩）load clown.matfigure(1)colormap(gray)image(X)U,S,V=svd(X);k=20;A=U(:,1:k)*S(1:k,1:k)*V(:,1:k);figure(2)colormap(gray)image(A)（4）利用SVD可计算矩阵的数值秩。矩阵的秩在理论上是有精确定义的，但在有舍入误差的计算中就变得模糊不清了。数值地确定矩阵的秩是一个重要而又困难的问题。对于一个给定的矩阵，完全可以认为它是某个原始矩阵经过误差不超过的扰动后的结果。于是，在所有可能的候选矩阵中，确定一个具有最小秩的，它便成为的一个最坏亏损的原始矩阵。定义2 称为的数值秩。定理5 矩阵的数值秩等于的充分必要条件是 Matlab: r =
人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论