Documente Academic
Documente Profesional
Documente Cultură
Definiie:
Numerele 1 , , p + (relaiile (5.1) i (5.2)) se numesc valori singulare
ale matricei A. Matricea mn (relaia (5.1)) se numete forma canonic
pseudodiagonal a matricei A. A doua expresie din (5.1) se numete
descompunerea valorilor singulare a matricei A..
Demonstraia teoremei constituie nsui algoritmul de descompunere a
valorilor singulare care va fi prezentat ntr-un subcapitol urmtor.
Teorema arat c orice matrice este ortogonal echivalent bilateral cu o
matrice pseudodiagonal. Detaliind structura matricei mn , pot apare
urmtoarele situaii:
a.) m n i rang(A) = r = p = n . n acest caz, matricea are structura:
138 5. Descompunerea valorilor singulare
1
= , 1 = diag{1 , , n } ,
0 ( m n )n
iar dac rang( A ) = r < p , atunci matricea are forma:
1 0 r ( n r )
r r
= , 1 , 1 = diag{1 , , r } ;
0 ( m r )r 0 ( m r )( n r )
b.) m < n i rang(A) = r = p = m . n acest caz, matricea are structura:
= [ 1 0 m( n m ) ], 1 = diag{1 , , m } ,
Definiie:
~
Coloanele matricei V se numesc vectori singulari la dreapta ai matricei A,
~
iar coloanele matricei U se numesc vectori singulari la stnga ai matricei A.
n cele ce urmeaz se enun o serie de proprieti ale valorilor singulare:
P1. valorile singulare ale matricei A sunt egale cu rdcina ptratic pozitiv
a valorilor proprii ale matricei A T A :
5.1 Formularea problemei 139
i (A) = + i ( A T A) , i = 1,..., n ;
P2. dac A nn este o matrice simetric i pozitiv semidefinit, atunci
valorile proprii ale matricei A sunt reale, pozitive, iar valorile singulare
ale matricei A sunt egale cu valorile ei proprii:
i ( A ) = i ( A ), i = 1,..., n .
Vectorii proprii ai matricei A sunt, n acest caz, egali cu vectorii singulari
la dreapta ai matricei A:
x i ( A) = ~v i (A), i = 1,..., n ;
P3. descompunerea valorilor singulare are urmtoarea interpretare
geometric: valorile singulare ale unei matrice A sunt excat semiaxele
unui hiperelipsoid definit de:
E = {A x , || x || 2 = 1} .
Exemplul 5.1:
Se consider A 22 . Mulimea punctelor aflate pe cercul de raz
egal cu 1 (care reprezint mulimea vectorilor din 21 cu norma
euclidian egal cu 1) este transformat n mulimea punctelor aflate pe o
elips ale crei semiaxe sunt egale cu valorile singulare ale operatorului
matricial A, care realizeaz proiecia (a se vedea Figura 5.1). Punctele de
pe elips reprezint mulimea vectorilor din 21 descrii de relaia
y = A x, || x || 2 = 1 .
x2 y2
y = Ax
1
x1 2 y1
||x||2 = 1
E = {Ax / ||x||2 = 1
~ ~
P4. scriind matricele U i V sub forma:
~ ~ ~
U = [~
u1 ~
ur ~
u r +1 ~
u m ] = [U1 U2 ] ,
~ ~ ~ ~v ~ ~ ~
V = [v
1 vr r +1 v ] = [V
n 1 V2 ] ,
atunci relaia (5.1) mai poate fi scris sub forma:
140 5. Descompunerea valorilor singulare
~
1 0 r( n r ) V1T
~ ~ ~ ~
A = U V T = [U1 U2 ] . (5.4)
~
0 ( m r )r
0 ( m r )( n r ) V2T
Efectund calculele, relaia (5.4) devine:
~ ~ r
A = U 1 V1T = i ~ ui ~
T
vi ;
i =1
~
P5. primele r coloane ale matricei U , unde r = rang(A ) , formeaz o baz
ortogonal pentru subspaiul imagine al matricei A:
Im(A) = {y / y = A x , x n1 },
r r .
y = Ax = ~
u i ( i ~
v i x) = i ~
T
ui
i =1 i =1
~
P6. ultimele n r coloane ale matricei V formeaz o baz ortogonal
pentru subspaiul nul al matricei A:
N ( A ) = {x / A x = 0 m , x n1 } ,
~ ~ ~ ~ ~ ~
A V = U A [V1 V2 ] = [ U 1 U2 ] .
~ ~ ~
A V1 = U1 1 , A V2 = 0 m( n r )
Din relaiile scrise mai sus i formele pe care le poate lua matricea ,
~
rezult c ultimele n r coloane ale matricei V pot constitui o baz
pentru N(A) . Subspaiul nul astfel determinat conine doar vectorul 0 n
numai dac matricea A este de rang complet i m > n .
~ ~ ~ ~
|| A x || 2 =|| U V T x || 2 =|| U y || 2 =|| U z || 2 , (5.5)
~
n care s-a notat cu y produsul V T x i cu z produsul y . innd cont de
~
faptul c U este o matrice ortogonal, atunci relaia (5.5) devine:
~
|| A x || 2 =|| U z || 2 =|| z || 2 =|| y || 2 . (5.6)
~
Pe de alt parte, innd cont de faptul c V este o matrice ortogonal, norma
euclidian a vectorului x este egal cu:
~
|| x || 2 =|| V T x || 2 =|| y || 2 . (5.7)
~ ~
Matricele U i V fiind matrice ortogonale, acestea pstreaz norma Frobenius
i atunci:
~ ~
|| A || F =|| U A V T || F = 12 + + 2p .
i (A) = + i (A T A) ,
L1
0
Lk
Ln-2
A= J=
0
c1 ck cn
0 0
J= = 0
0
0
Fig. 5.3. Algoritmul descompunerii valorilor singulare: faza a II-a
Definiie:
Se numete rang efectiv sau numeric, notat cu p , al matricei A, acel index
pentru care are loc relaia de ordine:
p p +1
' > , (5.12)
1 1
ceea ce este echivalent cu:
148 5. Descompunerea valorilor singulare
= 1 ' = max{m, n} m 1 .
Teorem:
Oricare ar fi matricea A mn i vectorul b m1 , problema (5.14) are
o soluie unic, aceasta fiind pseudosoluia normal obinut pe baza
descompunerii valorilor singulare.
Aceast pseudosoluie se scrie: x SVD = A + b, A + nm , unde A + se
*
p ~v ~
u
T
~ ~
A + = V1 11 U 1T = i i .
i =1 i
Ca urmare, pseudosoluia este:
p ~v i ~
u i
T
=
*
x SVD b.
i =1 i
Demonstraia teoremei pornete de la ecuaia (5.14) care este nmulit la
~
stnga cu matricea U T din descompunerea valorilor singulare a matricei A. n
~ ~
plus, se insereaz produsul V V T = I n , rezultnd:
~ ~ ~ ~
UT A V VT x = UT b . (5.16)
~ ~
Dar U T A V = i atunci ecuaia (5.16) devine:
y=d, (5.17)
~T ~T
unde y = V x i d = U b . Matricea are forma general:
1 0 p ( n p )
p p
= , 1 , 1 = diag{1 , , p } .
0 ( m p )p 0 ( m p )( n p )
y
1 ~ ~
Scriind vectorul y = , y1 = V1T x p1 , y 2 = V2T x ( n p )1 i
y
2
d1
~ ~
vectorul d = , d 1 = U 1T b p1 , d 2 = U T2 b ( m p )1 , atunci ecuaia
d 2
(5.17) devine:
1 0 p( n p ) y1 d 1 1 y1 d 1
( n p )1
= = , y 2 .
0 ( m p )p
0 ( m p )( n p ) y 2 d 2 0 ( m p )1 d 2
y
2
Aadar, exist o infinitate de pseudosoluii care minimizeaz mrimea || r || 22 .
*
Un criteriu de alegere a unei pseudosoluii unice este acela ca || x || 22 = minim.
~
innd cont c matricea V este ortogonal, se obine:
* ~ * * *
|| x || 22 =|| V T x || 22 =|| y || 22 =|| y1 || 22 + || y 2 || 22 .
~
n general, y1 = 11 U T b 0 p i atunci singura minimizare posibil este
*
* *
|| y 2 || 22 = 0 , adic y 2 = 0 n p . Atunci pseudosoluia normal este:
~T
11 U 1 b
* ~ * ~ ~ ~ 1 ~ T
x SVD = V y SVD = [V1 V2 ] = V1 1 U 1 b =
0
n p
p ~vi ~
ui
T
= b.
i
i =1
Definiie:
Oricare ar fi matricea A mn , matricea X nm se numete
pseudoinvers Moore-Penrose dac satisface urmtoarele condiii:
(i) AXA =A ;
(ii) XAX =X ;
(iii) A X este o matrice simetric;
(iv) X A este o matrice simetric.
Observaii:
1. Dac A este o matrice de rang complet i m = n , atunci X = A 1 .
2. Dac A este o matrice de rang complet i m > n , atunci X = X L se numete
pseudoinvers la stnga:
X L A = I n , X L = (A T A) 1 A T .
152 5. Descompunerea valorilor singulare
Exemplul 5.2:
Se prezint o ilustrare geometric intuitiv pentru cazul n = 1 . Astfel, avnd
setul de date (a i , b i ) i =1,...,m , se gsete necunoscuta x astfel nct irul de date s
fie aproximat de ctre dreapta din plan: b = x a . Pseudosoluia gsit x *CMMP
5.4 Aplicaii ale descompunerii valorilor singulare 153
definete, astfel, dreapta care aproximeaz n sensul celor mai mici ptrate setul
de date experimentale (a i , b i ) i =1,...,m , aa cum este artat n Figura 5.4.
b J CMMP = e i2 = min
i
e = b
2
i
2
i
~ (ai, bi)
b i + b i = b i
ei
~ b = ax
bi
tg () = x = ?
a
~
ai = a i
a2
*
r
Im(A)
b a1
*
b Ax = b
A = [a 1 a 2 ]
* * *
b Im(A) A x = b
Astfel, metoda celor mai mici ptrate conduce la o soluie care verific, n
fapt, ecuaia:
* *
Ax =b . (5.19)
*
Metoda ncearc s gseasc cea mai bun aproximaie b a vectorului b , care
*
s verifice ecuaia (5.19). Aceasta se ntmpl dac i numai dac b Im(A ) ,
*
b fiind proiecia vectorului b pe subspaiul imagine al matricei A.
Concluzia final care se desprinde este aceea c soluia n sensul celor mai
mici ptrate este gsit prin proiectarea termenului liber b pe subspaiul
*
imagine Im(A ) i apoi se rezolv sistemul compatibil (5.19). Aici, vectorul b
este o combinaie liniar de coloanele (liniar independente ale) matricei A.