奇异值分解(sVD) 推论 A=UAVTL> U=AVA2 利用sVD简化S的本征值分解 散布矩阵S=∑(x4-m(xk-my=AA∈R k=1 其中,A={x-mx2-m,,xn-m]∈R R=AA∈Rm 若d>n,则对R进行本征值分解要比直接对S进行本征 值分解快。例如,对绝大多数图像训练集来讲,图像的像素 数要远远大于训练集中的样本个数,即d>n奇异值分解（SVD） • 推论 • 利用SVD简化S的本征值分解 散布矩阵 其中， 令 若 ，则对R进行本征值分解要比直接对S进行本征 值分解快。 1 2 T A U= Λ V 1 2 − U AV = Λ 1 ( )( ) n t T d d k k k  = S x m x m AA = − − =   1 2 [ , , ] d n n  A x m x m x m = − − −  T n n R A A =  d n  例如，对绝大多数图像训练集来讲，图像的像素 数要远远大于训练集中的样本个数，即d n