为什么截断 SVD 的重构误差等于奇异值平方和?
机器算法验证
svd
近似
2022-04-10 22:24:20
1个回答
让
是的 SVD矩阵. 让是在正交变换(反射和旋转)下左右不变的任何矩阵范数;也就是说,每当是一个正交矩阵或是一个正交矩阵,则
然后,根据 SVD 的定义,正交性和意味着
自从被制定为与第一个一致的对角矩阵对角矩阵的条目, 右手边就是平方范数在那些之后对角线条目已被清零。
对于 Frobenius 范数(其平方是其参数的平方项之和),这个归零副本的平方范数是其剩余条目的平方和,精确地
但是 Frobenius 范数显然在正交矩阵的左乘和右乘下是不变的,因为根据定义,正交性意味着保留欧几里德范数和 Frobenius 范数(当平方时)都是(a)行的平方欧几里德范数之和(因此在左乘法下是不变的,它保留了每一行范数)和(b)列的平方欧几里德范数之和(因此在右乘法下是不变的,它保留了每一列范数)。
其它你可能感兴趣的问题
