Valor singular de descomposición
En álgebra lineal , la descomposición en valores singulares ( SVD ) es una factorización de una matriz real o compleja . Generaliza la descomposición propia de una matriz normal cuadrada con una base propia ortonormal a cualquier matriz. Está relacionado con la descomposición polar .
Específicamente, la descomposición en valores singulares de una matriz compleja M es una factorización de la forma , donde U es una matriz unitaria compleja , es una matriz diagonal rectangular con números reales no negativos en la diagonal y V es una matriz unitaria compleja. Si M es real, también se puede garantizar que U y V sean matrices ortogonales reales. En tales contextos, la SVD a menudo se denota .
Las entradas diagonales de están determinadas únicamente por M y se conocen como los valores singulares de M . El número de valores singulares distintos de cero es igual al rango de M . Las columnas de U y las columnas de V se denominan vectores singulares a la izquierda y vectores singulares a la derecha de M , respectivamente. Forman dos conjuntos de bases ortonormales u 1 , ..., u m y v 1 , ..., v n , y la descomposición en valores singulares se puede escribir como , donde es el rango de M .
La SVD no es única. Siempre es posible elegir la descomposición para que los valores singulares estén en orden descendente. En este caso, (pero no siempre U y V ) está determinado únicamente por M .
Ilustración de la descomposición en valores singulares
UΣV ⁎ de una matriz M real de 2×2 .
- Arriba: La acción de M , indicada por su efecto sobre el disco unitario D y los dos vectores unitarios canónicos e 1 y e 2 .
- Izquierda: La acción de V ⁎ , una rotación, sobre D , e 1 y e 2 .
- Abajo: La acción de Σ , una escala por los valores singulares σ 1 horizontalmente y σ 2 verticalmente.
- Derecha: La acción de U , otra rotación.
Visualización de las multiplicaciones de matrices en descomposición en valores singulares
Visualización de variantes SVD Reducidas. De arriba a abajo: 1: Full SVD, 2: Thin SVD (eliminar las columnas de U que no correspondan a las filas de V*), 3: Compact SVD (eliminar los valores singulares que desaparecen y las columnas/filas correspondientes en U y V*), 4 : SVD truncado (mantener solo los valores singulares t más grandes y las columnas/filas correspondientes en U y V*)