經常把PCA和SVD搞亂了,而且理解不是特別的深,特此記錄,歡迎指正
先扯點線性代數的知識:
(1)設M是n階方陣,如果對任何非零向量z,都有zTMz> 0,其中zT 表示z的轉置,就稱M正定矩陣。
判定:如果M的特徵值全部爲正,則M也爲正定矩陣。
(2)一個n階方陣A稱爲可逆的,或非奇異的,如果存在一個n階方陣B,使得
並稱B是A的一個逆矩陣。不可逆的矩陣稱爲奇異矩陣。A的逆矩陣記作A-1。
(3)矩陣的共軛轉置其中是矩陣A的轉置,表示對矩陣A中的元素取複共軛。 。,
如果A的元素是實數,那麼A*與A的轉置AT相等
(4)正交矩陣(orthogonal matrix)是一個方塊矩陣Q,其元素爲實數,而且行與列皆爲正交的單位向量,使得該矩陣的轉置矩陣爲其逆矩 陣:
PCA:對於矩陣A,如何A爲可逆矩陣,則存在矩陣P使得A與P-1Ap相似,相似矩陣具有相同的特徵值。
如果矩陣A又是對稱矩陣,則存在正交矩陣Q(Q-1=QT),使得:
則:
其中Q爲矩陣A的特徵向量矩陣,爲正交矩陣,中間的對角矩陣爲矩陣A特徵向量矩陣對應的特徵值矩陣
如果A爲正定矩陣,則此時特徵值等於奇異值
SVD:假設M是一個m×n階矩陣,其中的元素全部屬於域K,也就是實數域或複數域。如此則存在一個分解使得
其中U是m×m階正交;Σ是m×n階非負實數對角矩陣;而V*,即V的共軛轉置,是n×n階正交矩陣。這樣的分解就稱作M的奇異值分解。Σ對角線上的元素Σi,i即爲M的奇異值。
其中是對角半正定矩陣,U和V是正定矩陣,兩者除了通過矩陣M沒有必然的聯繫。
同時:根據上面,兩者的關係式如下:
關係式的右邊描述了關係式左邊的特徵值分解。於是:
特殊情況下,當M是一個正定方陣,M可以被一組特徵向量對角化,所以它可以表爲:
- ==
其中U爲一個正交矩陣,D爲一個對角陣。這時,奇異值等於特徵值
參考資料:
http://www.cnblogs.com/zhangchaoyang/articles/2222048.html
https://zh.wikipedia.org/wiki/%E5%A5%87%E5%BC%82%E5%80%BC%E5%88%86%E8%A7%A3