[转载]超定方程 最小二乘解 奇异值分解(SVD)
(2015-04-20 14:01:00)
标签:
转载 |
分类: CV与OpenCV |
原文地址:超定方程 最小二乘解 奇异值分解(SVD) 作者:lchsh521
对于齐次线性方程 A*X =0;
当A的行数大于列数时,就需要求解最小二乘解,在||X||=1的约束下,其最小二乘解为矩阵A'A最小特征值所对应的特征向量。求解方法有两种(matlab):
1. [V D] =eig(A'*A);
D为A'*A的特征值对角矩阵,V为对应的特征向量。找到最小特征值对应的V中的特征向量即为最小二乘解。
2. 使用SVD分解矩阵A,[U S V] = svd(A); U 由 A*A'的特征向量组成,V 由 A'*A的 特征向量组成,因此,奇异值矩阵S中最小的奇异值对应的V中的奇异向量即为最小二乘解。
对于超定方程(非齐次线性方程的一种)的最小二乘解的情况。
A*X =b ;
当A的行数大于列数时,方程组无解,就需要求解最小二乘解。在matlab中使用一个左除命令就可以得到最小二乘意义下的解。这个解没有模制的限制,就是实际的解。matlab:
Ab
1.
2. 使用SVD分解矩阵A,[U S V] = svd(A); U 由 A*A'的特征向量组成,V 由 A'*A的 特征向量组成,因此,奇异值矩阵S中最小的奇异值对应的V中的奇异向量即为最小二乘解。