JMP 13.2 联机文档
发现 JMP
使用 JMP
基本分析
基本绘图
刻画器指南
实验设计指南
拟合线性模型
预测和专业建模
多元方法
质量和过程方法
可靠性和生存方法
消费者研究
Scripting Guide
JSL Syntax Reference
多元方法
•
统计详细信息
•
“宽线性”方法和奇异值分解
• 奇异值分解
上一个
•
下一个
奇异值分解
奇异值分解
(SVD) 允许您先后通过一次旋转、一次缩放以及另一次旋转的方式来表示任意线性变换。SVD 规定任何
n
x
p
的矩阵
X
可表示为:
用
r
表示
X
的秩。用
I
r
表示
r
x
r
单位矩阵。
矩阵
U
、
Diag
(
Λ)
) 和
V
具有以下属性:
U
是
n
x
r
半正交矩阵且
U’U
=
I
r
V
是
p
x
r
半正交矩阵且
V’V
=
I
r
Diag
(
Λ
) 是
r
x
r
对角矩阵,其正对角元素由列向量
给出,其中
。
λ
i
是
X
的非零
奇异值
。
下面说明了 SVD 与矩形矩阵的谱分解的关系:
•
λ
i
的平方是
X’X
的非零特征值。
•
V
的
r
列是
X’X
的特征向量。
注意:
在文献中有关于矩阵
U
、
V
以及包含奇异值的矩阵的维度的各种约定。但是,这些约定差异在
X
秩的范围内对分解没有实际影响。
有关进一步详细信息,请参见 Press et al. (1998, Section 2.6)。