gsvd

일반화된 특이값 분해

페이지 내 모두 축소

구문

[U,V,X,C,S] = gsvd(A,B)
[U,V,X,C,S] = gsvd(A,B,"econ")
[U,V,X,C,S] = gsvd(A,B,0)
sigma = gsvd(A,B)

설명

[U,V,X,C,S] = gsvd(A,B)는 행렬 A와 B에 대해 일반화된 특이값 분해를 수행하고, 다음과 같이 유니타리 행렬(Unitary Matrix) U와 V, 행렬 X 및 음이 아닌 대각 행렬 C와 S를 반환합니다.

A = U*C*X'
B = V*S*X'
C'*C + S'*S = I

예제

A가 m×p이고 B가 n×p인 [U,V,X,C,S] = gsvd(A,B,"econ")은 결과로 얻게 되는 U와 V 행렬이 최대 p개의 열을 가지고 C와 S가 최대 p개의 행을 가지는 효율적인 크기의 분해를 생성합니다.

예제

[U,V,X,C,S] = gsvd(A,B,0)은 gsvd(A,B,"econ")과 동일합니다. 이 구문의 사용은 권장되지 않습니다. "econ" 옵션을 대신 사용하십시오.

sigma = gsvd(A,B)는 일반화된 특이값 sqrt(diag(C'*C)./diag(S'*S))의 벡터를 반환합니다. B가 정사각 정칙 행렬인 경우 일반화된 특이값 gsvd(A,B)는 일반 특이값 svd(A/B)와 같지만 역순으로 정렬됩니다. 이들의 역수는 gsvd(B,A)입니다.

예제

예제

모두 축소

라이브 스크립트 열기

두 행렬에 대해 일반화된 특이값 분해를 수행하고 일반화된 특이값도 계산합니다.

5×3 행렬 A와 3×3 행렬 B를 만듭니다.

A = reshape(1:15,5,3)
A = 5×3

     1     6    11
     2     7    12
     3     8    13
     4     9    14
     5    10    15


B = magic(3)
B = 3×3

     8     1     6
     3     5     7
     4     9     2

A와 B에 대해 일반화된 특이값 분해를 수행합니다. 직교 행렬 U와 V, 정칙 행렬 X, 대각 행렬 C와 S 등이 출력값으로 생성됩니다. A는 랭크가 부족하므로 C의 첫 번째 대각선 요소는 0입니다.

[U,V,X,C,S] = gsvd(A,B)
U = 5×5

   -0.1882    0.6457   -0.4279   -0.4268   -0.4271
    0.6897    0.3296   -0.4375    0.2067    0.4261
   -0.6849    0.0135   -0.4470    0.2542    0.5160
    0.0534   -0.3026   -0.4566    0.5787   -0.6019
    0.1300   -0.6187   -0.4661   -0.6128    0.0869


V = 3×3

   -0.7071   -0.6946    0.1325
    0.0000   -0.1874   -0.9823
    0.7071   -0.6946    0.1325


X = 3×3

   -2.8284   -9.3761   -6.9346
    5.6569   -8.3071  -18.3301
   -2.8284   -7.2381  -29.7256


C = 5×3

    0.0000         0         0
         0    0.3155         0
         0         0    0.9807
         0         0         0
         0         0         0


S = 3×3

    1.0000         0         0
         0    0.9489         0
         0         0    0.1957

이제 A와 B에 대해 효율적인 크기의 분해를 수행합니다. 행렬 U와 C는 크기가 다르지만, 다른 출력 행렬은 동일합니다.

[U,V,X,C,S] = gsvd(A,B,"econ")
U = 5×3

   -0.3736   -0.6457    0.4279
   -0.0076   -0.3296    0.4375
    0.8617   -0.0135    0.4470
   -0.2063    0.3026    0.4566
   -0.2743    0.6187    0.4661


V = 3×3

   -0.7071    0.6946   -0.1325
    0.0000    0.1874    0.9823
    0.7071    0.6946   -0.1325


X = 3×3

   -2.8284    9.3761    6.9346
    5.6569    8.3071   18.3301
   -2.8284    7.2381   29.7256


C = 3×3

         0         0         0
         0    0.3155         0
         0         0    0.9807


S = 3×3

    1.0000         0         0
         0    0.9489         0
         0         0    0.1957

일반화된 특이값을 계산합니다. 이 경우 특이값은 비율 diag(C)./diag(S)와 같습니다. 이들 값은 svd(A/B)에서 반환된 다음과 같은 일반 특이값을 재정렬(Reordering)한 것입니다.

sigma = gsvd(A,B)
sigma = 3×1

    0.0000
    0.3325
    5.0123


svals = svd(A/B)
svals = 3×1

    5.0123
    0.3325
    0.0000
라이브 스크립트 열기

일반화된 특이값이 경우에 따라 Inf가 될 수 있는 이유를 알아보겠습니다.

3×5 행렬 A와 5×5 행렬 B를 만듭니다.

A = reshape(1:15,3,5)
A = 3×5

     1     4     7    10    13
     2     5     8    11    14
     3     6     9    12    15


B = magic(5)
B = 5×5

    17    24     1     8    15
    23     5     7    14    16
     4     6    13    20    22
    10    12    19    21     3
    11    18    25     2     9

A와 B에 대해 일반화된 특이값 분해를 수행합니다. 직교 행렬 U와 V, 정칙 행렬 X, 대각 행렬 C와 S 등이 출력값으로 생성됩니다. 이 경우 C에서 0이 아닌 대각선은 diag(C,2)입니다.

[U,V,X,C,S] = gsvd(A,B)
U = 3×3

    0.4082    0.7178   -0.5639
   -0.8165    0.0109   -0.5772
    0.4082   -0.6961   -0.5906


V = 5×5

   -0.4998   -0.6586    0.3195   -0.4552   -0.0843
    0.1754    0.5301    0.6218   -0.5408    0.0956
   -0.0423    0.1729   -0.0078   -0.0271   -0.9836
   -0.3869    0.3344   -0.6610   -0.5408    0.0956
    0.7536   -0.3788   -0.2725   -0.4552   -0.0843


X = 5×5

   -0.2115    0.8645   10.0949  -30.7287   -4.6958
   -2.4503  -14.9242   -2.1067  -28.5003  -11.6858
   11.6680    2.1838  -14.8016  -26.2720  -18.6758
   -9.0062   11.8759   -3.3206  -24.0436  -25.6657
         0         0   10.1340  -21.8152  -32.6557


C = 3×5

         0         0    0.0000         0         0
         0         0         0    0.0439         0
         0         0         0         0    0.7432


S = 5×5

    1.0000         0         0         0         0
         0    1.0000         0         0         0
         0         0    1.0000         0         0
         0         0         0    0.9990         0
         0         0         0         0    0.6690

0이 포함된 일반화된 특이값을 구합니다.

sigma = gsvd(A,B)
sigma = 5×1

         0
         0
    0.0000
    0.0439
    1.1109

A와 B의 역할을 뒤바꾸면 이들 값의 역이 계산되어 Inf 값이 생성됩니다.

sigma2 = gsvd(B,A)
sigma2 = 5×1
1016 ×

    0.0000
    0.0000
    3.8953
       Inf
       Inf

입력 인수

모두 축소

입력 행렬. A와 B는 열 개수가 같아야 하지만, 행 개수는 다를 수 있습니다.

데이터형: single | double
복소수 지원 여부: 예

출력 인수

모두 축소

유니타리 행렬 인수로, 행렬로 반환됩니다. U와 V는 A와 B의 열에 대한 기저를 각각 제공하는 직교 열이 있는 행렬입니다.

U와 V의 크기는 "econ" 옵션의 지정 여부에 따라 달라집니다. A가 m×p이고 B가 n×p이면 다음과 같습니다.

  • 기본적으로 U는 m×m이고 V는 n×n입니다.

  • "econ" 옵션을 지정할 경우, U는 m×min(m,p)이고 V는 n×min(n,p)입니다.

행렬 인수로, 행렬로 반환됩니다. A가 m×p이고 B가 n×p이면 X는 p×q입니다. 여기서 q는 [A; B]의 수치적 랭크입니다.

X의 속성은 norm([A; B]) == norm(X)입니다. U, V, C, S가 행렬 [A; B]에 대한 직교 기저만 나타내기 때문입니다.

대각 행렬 인수로, 행렬로 반환됩니다. S의 0이 아닌 요소는 항상 주대각선에 있습니다. C의 0이 아닌 요소는 대각선 diag(C,max(0,size(C,2)-size(C,1)))에 있습니다. 0이 아닌 값을 가져오려면 명령 sv = max(S,[],1)과 cv = max(C,[],1)을 사용하십시오. A와 B의 일반화된 특이값은 비율 cv./sv와 같습니다.

C와 S의 크기는 "econ" 옵션의 지정 여부에 따라 달라집니다. A가 m×p이고 B가 n×p이면 다음과 같습니다.

  • 기본적으로 C는 m×q이고 S는 n×q입니다.

  • "econ" 옵션을 지정할 경우, C는 min(m,p)×q이고 V는 min(n,p)×q입니다.

두 경우 모두, q는 [A; B]의 수치적 랭크입니다.

일반화된 특이값으로, 열 벡터로 반환됩니다. sv = max(S,[],1) 및 cv = max(C,[],1)이면 A와 B의 일반화된 특이값은 비율 cv./sv와 같습니다.

sigma는 길이가 [A; B]의 수치적 랭크와 같고, 비내림차순입니다.

알고리즘

gsvd 함수로 수행된 일반화된 특이값 분해는 내장 svd 및 qr 함수뿐 아니라 C-S 분해를 사용합니다.

확장 기능

모두 확장

버전 내역

R2006a 이전에 개발됨

모두 확장

참고 항목

|