Bibliografía de la Clase:
En la siguiente figura se muestra el efecto de multiplicar la matriz por los vectores unitarios (círculo verde). En particular .
Hay ciertos vectores que el efecto de ser multiplicados por resultan ser los semiejes de la elipse de la figura. Tanto los vectores y son unitarios y los coeficientes corresponden a los largos de los semiejes. Por lo tanto, podemos resumir la imagen en las siguientes ecuaciones:
Si la matriz y entonces se encontrarán a lo más valores de y por lo tanto la ecuación anterior sigue siendo válida aún si no es cuadrada. La representación matricial correspondiente sería:
De manera más resumida la expresión anterior se puede escribir como:
A esta factorización se denomina SVD reducida. Donde es una matriz con columnas ortonormales y es una matriz diagonal donde . Dado que es una matriz unitaria (i.e ) podemos reescribir la expresión anterior como:
Bajo esta representación, los vectores de la matriz se les denomina los vectores singulares izquierdos de y a los vectores de los vectores singulares derechos de .
Gráficamente la factorización SVD reducida se visualiza como sigue:
La versión completa de la SVD se obtiene extendiendo la matriz a una matriz unitaria . Gráficamente la factorización SVD completa:
Al aumentar las columnas de U, también debemos extender obteniendo la matriz . Para obtener se agregaron columnas ortonormales (si es full rank) o (si es el rango de la matriz ). En el caso de que no es full rank, deben también agregarse columnas a V.
Las matrices , y pueden ser obtenidas mediante el siguiente procedimiento:
Donde corresponde a la matriz diagonal:
Es decir, los vectores propios de son los vectores singulares derechos de ,i.e y los valores propios de corresponden a los cuadrados de los valores singulares () de .
Una vez obtenidas las matrices y el cálculo de U es directo.
Encontrar la descomposición SVD de la siguiente matriz:
Considerando la proyección de vectores vistas en la clase 4. Es posible obtener un vector ortogonal a un conjunto de vectores ortonormales como:
Este procedimiento (conocido como ortogonalización de Gram-Schmidt) puede ser usado para agregar vectores ortonormales a la matriz para que encontrar la matriz unitaria .
Utilizando esta información, obtenga la descomposición SVD completa de .