논문

하루에도 수만개의 글자를 읽고 있습니다. 하루에도 수백장의 종이를 들춰 읽습니다.
이것은 그 읽기에 대한 일기입니다.

Singular Value Decomposition(SVD)

Singular Value Decomposition(SVD)

한 행렬 A가 있을 경우 다음과 같이 분해될 수 있다.

$$A = U \sum V^T$$

이때, U와 V의 컬럼들을 각각 Left singular vector, Right singluar vector라고 하고, U, V는 각각 Othogonal 하다.

할 수 있는 것들

  • 2-norm, Frobenius norm
  • Linar least squares(LLS)
  • Inverse of matrix
  • Homogeneous Systems
  • Determinant of A

참고자료

 

 


Add a Comment Trackback