singular value(奇异值):在线性代数中,对一个矩阵 (A) 做奇异值分解(SVD)时得到的一组非负数,通常记为 (\sigma_1 \ge \sigma_2 \ge \cdots \ge 0)。它们衡量矩阵在不同方向上对向量“拉伸/压缩”的强度;等价地,奇异值是 (A^\mathsf{T}A)(或 (AA^\mathsf{T}))的特征值的平方根。
(该术语也常用于数据降维、噪声过滤、矩阵近似与数值稳定性分析。)
/ˈsɪŋɡjələr ˈvæljuː/
The largest singular value tells how much the matrix can stretch a vector.
最大的奇异值说明这个矩阵最多能把一个向量拉伸到多大。
Using the top few singular values, we can build a low-rank approximation that reduces noise while preserving the main structure of the data.
利用前几个奇异值,我们可以构造低秩近似,在保留数据主要结构的同时降低噪声。
singular 原意为“单一的、特殊的”,在数学里常与“奇异/退化(singular)”相关;value 为“数值”。“奇异值”这一译法源于它与“奇异(非满秩、不可逆等)”现象密切相关:当矩阵存在退化方向时,会出现很小甚至为 0 的奇异值,从而揭示矩阵的秩与稳定性等性质。