来源
谢启鸿、姚慕生, 高等代数学习指导书, 第4版, 第9章, 印刷页 589–592, 599–602. PDF页码 = 印刷页码 + 10。
来源PDF
根据已目视核对的扫描件整理;简洁证明及明确标出的推广为整理者补充。
设,或。奇异值是特征值的非负平方根,通常递减列出个值,必要时补零。
奇异值分解
其中为酉矩阵,实数情形为实正交矩阵;为矩形对角矩阵,对角项为,其后为零。这里。
构造。 选取的一组标准正交特征向量基。对每个正特征值,令。这些向量标准正交,因为可通过计算。将扩充为值域所在空间的一组标准正交基。定义域中对应零特征值的向量属于,映为零;不能除以零奇异值。
秩与范数
若,算子范数为;Frobenius范数满足。对方阵,
因此每个特征值都满足。只有正规矩阵的奇异值才是特征值的绝对值。非零幂零矩阵只有零特征值,却具有正奇异值。
对方阵,依次应用极端估计,得到及。
迹与秩
对秩为的方阵,奇异值分解与Cauchy–Schwarz不等式给出
确实,、。在时,取等号要求所有正奇异值相等,且所有正指标都有同一相位并满足。因此,等号成立当且仅当,其中为非零数量,为秩为的正交投影。在上,为实数。零矩阵是另一个取等号的情形。
若,每个非零奇异值至少为一。在正交分解下,有,所以非零奇异值的平方为的特征值。它们全为一当且仅当,也就是为正交投影。