Professional Documents
Culture Documents
INTRODUCCIÓ
En aquest apartat veurem com factoritzar, una matriu A, com un producte de 3 matrius.
Aquesta descomposició rep el nom de “descomposició en valors singulars” (Singular Value
Decomposition – SVD) i es pot entendre com la generalització de l’anàlisi d’autovalors i
autovectors per a matrius no quadrades.
A = U ·Σ·V T
D’aquesta nova descomposició, veurem una primera explicació, sense entrar en detalls. Per a
aquells que vulguin aprofundir en el tema recomanen mirar la bibliografia ( 1).
1
Capítol 7 de “Mathematical Methods and Algorithms for Signal Processing”. Todd K. Moon & Wynn C.
Stirling. Ed. Prentice Hall
2. COM ES CALCULEN LES MATRIUS U,Σ i V.
= (1) = =
Si multipliquem per la dreta en (1) els dos membres de la igualtat per la matriu V:
= = ⇒ = (2)
Si multipliquem per l’esquerra en (1) els dos membres de la igualtat per la matriu UT:
= = ⇒ ( ) =( ) ⇒ = ⇒ = (3)
= ⇒ ( ) = = = (3)
És a dir, ( ) = ⇒ é ( )
= ⇒ = = = ( (2))
És a dir, ( ) = ⇒ ( )
Per a finalitzar aquest apartat, podem dir també que els valors singulars de la matriu Σ són
les arrels quadrades dels VAPs no nuls de la matriu AAT (o bé els de la matriu ATA, ja que els
VAPs d’aquestes matrius coincideixen).
3. INTERPRETACIÓ I APLICACIONS DE LA SVD
• Una de les aplicacions més interessants que ofereix la SVD és la reducció de rang de
dades amb mínima pèrdua d’informació rellevant. Com a exemple il·lustratiu, es pot
aplicar a la codificació eficient d’imatges, a on podem expressar una col·lecció de n
imatges amb una matriu de imatges de × definida com:
= x , x , x , x , x , x , x , x , x , …, …,x
• La base de vectors columna de la matriu forma una base òptima per a compactar les
dades de la matriu de imatges. El mètode de reducció a rang de la matriu a partir
de la SVD es basa en escollir els vectors propis (columnes de ) associats als valors
singulars majors de la matriu , és a dir:
= Σ
• EXEMPLE NUMÈRIC:
1 1 1 1
= = Σ
1 1 1 1
1 1 1 1
1 1 1 2√2 0 0 0 1 1 −1 1 −1
=
√2 1 −1 0 0 0 0 2 1 1 −1 −1
1 −1 −1 1
1 1 1 1
1 1 1 0 0 1 1 −1 1 −1
= Σ = 2√2 0 =
√2 1 1 0 0 0 0 2 1 1 −1 −1
1 −1 −1 1
En aquest cas, tenim dos valors singulars = 2√2 i = 0, per tant escollim
= 1 i podem expressar (de forma exacta i no aproximada) la matriu original
tot quedant-nos només amb la primera columna de les matrius i , i la
submatriu de 1 × 1 de a és a dir:
1 1 1
= = Σ = 2√2 (1 1 1 1)
√2 1 2