我想将n*n
正定矩阵划分为相同的n*r
矩阵B,其中r是任意的,换句话说是:
B*B^T=A
(n*r)*(n*r)^T=(n*n)
编辑:
我认为我的错误描述了我的问题。
让B
成为维度为(n*r)
的矩阵。
将它赋给函数A=f(B^T*B)
,其中A是(n*n)
。
我知道这个函数将保持矩阵的等级,在另一个单词rank(A)=rank(B'*B)
中。
现在我想提取新的B
。所以新的B
又有了(n*r)
。
答案 0 :(得分:3)
假设您有以下示例:
n = 4;
rng(0)
A = rand(n,n);
B = A * A';
如果矩阵B
是满秩,则无法使用较少的维度完全覆盖原始矩阵。所以,你只能近似它。这里的关键思想是最小化重建误差。
您可以使用eigenvalue decomposition将B
分解为其特征向量。您可以在MATLAB中使用eig
,但之后需要对特征值和相应的特征向量进行排序。相反,我更喜欢Singular Value Decomposition并在MATLAB中使用svd
。注意,SVD为低秩矩阵近似中的重建误差提供了最优解。
[U,S,~] = svd(B);
U = U * sqrt(S);
我们现在知道B = U * U'
。参见SVD和特征值分解之间的关系here。
正如我所说,我们需要近似它。我选择覆盖总方差的99%的维度如下:
coverage = cumsum(diag(S.^2));
coverage = coverage ./ norm(S,'fro')^2;
[~, nEig] = max(coverage > 0.99);
U2 = U(:,1:nEig);
在这种情况下,U2有2列而不是4列。如果数据是相关的,则增益将更小。结果如下:
B
B1 = U*U'
B2 = U2*U2'
B =
2.8966 2.1881 1.1965 2.1551
2.1881 1.9966 0.6827 1.8861
1.1965 0.6827 0.7590 0.5348
2.1551 1.8861 0.5348 2.0955
B1 =
2.8966 2.1881 1.1965 2.1551
2.1881 1.9966 0.6827 1.8861
1.1965 0.6827 0.7590 0.5348
2.1551 1.8861 0.5348 2.0955
B2 =
2.8896 2.2134 1.1966 2.1385
2.2134 1.9018 0.6836 1.9495
1.1966 0.6836 0.7586 0.5339
2.1385 1.9495 0.5339 2.0528
这似乎是一个很好的近似值。