الجبر الخطي · تحليل القيم المفردة

تحليل القيم المفردة

يمكن كتابة كل مصفوفة حقيقية ⁦2 × 2⁩ بالشكل ⁦A = UΣVᵀ⁩: دوران أو انعكاس ⁦Vᵀ⁩، ثم تمدد ⁦Σ⁩ على المحورين بمعاملي القيمتين المفردتين ⁦σ₁ ≥ σ₂ ≥ 0⁩، ثم دوران أو انعكاس ⁦U⁩. تتحول دائرة الوحدة إلى قطع ناقص ينشأ محوراه عن اتجاهين متعامدين.

تحليل القيم المفردة في هذا الرسم

يحوّل التحويل الخطي للمستوى دائرة الوحدة إلى قطع ناقص ينكمش إلى قطعة مستقيمة أو نقطة إذا كانت ⁦AA⁩ منفردة. بينما يدور ⁦vv⁩ على الدائرة، يبلغ الطول ⁦∣Av∣|Av|⁩ أقصاه ⁦σ1\sigma_1⁩ في الاتجاه ⁦v1v_1⁩ وأدناه ⁦σ2\sigma_2⁩ في الاتجاه العمودي ⁦v2v_2⁩. هاتان هما القيمتان المفردتان. وتتحقق العلاقتان ⁦Av1=σ1u1Av_1 = \sigma_1 u_1⁩ و⁦Av2=σ2u2Av_2 = \sigma_2 u_2⁩ بمتجهي الوحدة ⁦u1⊥u2u_1 \perp u_2⁩ الموجهين على محوري القطع الناقص. بجمع الأعمدة نحصل على ⁦A=UΣVTA = U\Sigma V^{\mathsf T}⁩. يُظهر السهمان الأحمران ⁦vv⁩ والاتجاه العمودي عليه، والأصفران صورتيهما تحت ⁦AA⁩.

لماذا تبقى الزاوية قائمة في هذه الاتجاهات وحدها؟

مربع الطول هو ⁦∣Av∣2=vT(ATA)v|Av|^2 = v^{\mathsf T}(A^{\mathsf T}A)v⁩. ولأن ⁦ATAA^{\mathsf T}A⁩ متماثلة، فلها متجهان ذاتيان متعامدان ⁦v1,v2v_1, v_2⁩، بقيمتين ذاتيتين ⁦σ12,σ22\sigma_1^2, \sigma_2^2⁩. صورتاهما متعامدتان أيضًا لأن ⁦Av1⋅Av2=v1TATAv2=σ22 v1⋅v2=0Av_1 \cdot Av_2 = v_1^{\mathsf T}A^{\mathsf T}Av_2 = \sigma_2^2\, v_1 \cdot v_2 = 0⁩. وإذا تحقق ⁦σ1>σ2>0\sigma_1 > \sigma_2 > 0⁩ فلا يبقى التعامد بين صور أي زوج متعامد من متجهات الوحدة سواهما، مع السماح بعكس الإشارات. يرسل التحويل ⁦A=(3045)A = \begin{pmatrix} 3 & 0 \\ 4 & 5 \end{pmatrix}⁩ المتجهين ⁦(1,0)(1, 0)⁩ و⁦(0,1)(0, 1)⁩ إلى ⁦(3,4)(3, 4)⁩ و⁦(0,5)(0, 5)⁩، والزاوية بينهما ⁦36.87°⁩ فقط. وعند تدوير ⁦vv⁩ تتراوح الزاوية بين ⁦36.87°⁩ و⁦143.13°⁩. إذا تحقق ⁦σ1=σ2\sigma_1 = \sigma_2⁩ كان التحويل دورانًا أو انعكاسًا مضروبًا في عدد موجب، فتبقى كل زاوية قائمة. وإذا تحقق ⁦σ2=0\sigma_2 = 0⁩ كانت إحدى الصورتين المتجه الصفري فلا تُعرّف الزاوية.

دوران، ثم تمدد، ثم دوران

نقرأ من اليمين: يضع ⁦VTV^{\mathsf T}⁩ الاتجاهين ⁦v1,v2v_1, v_2⁩ على محوري الإحداثيات، ويمدّد ⁦Σ\Sigma⁩ على المحورين بمعاملي ⁦σ1,σ2\sigma_1, \sigma_2⁩، ثم يدير ⁦UU⁩ النتيجة إلى ⁦u1,u2u_1, u_2⁩. ويعكس ⁦UU⁩ هنا أحد المحورين أيضًا عندما يتحقق ⁦det⁡A<0\det A < 0⁩. اللقطات بين الخطوات مسار اختير للعرض، والعوامل هي الخطوات نفسها. تتضاعف المساحات بمعامل ⁦σ1σ2=∣det⁡A∣\sigma_1\sigma_2 = |\det A|⁩. وعلى خلاف التقطير، يعمل هذا التحليل مع كل مصفوفة. فالقص ⁦(1101)\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}⁩ لا يملك أساسًا ذاتيًا، لكن له قيمتان مفردتان ⁦φ≈1.618\varphi \approx 1.618⁩ و⁦1/φ≈0.6181/\varphi \approx 0.618⁩. ويتطابق التحليلان للمصفوفة المتماثلة ذات القيم الذاتية الموجبة.

ما الذي تكشفه القيم المفردة؟

إذا كانت قيمة مفردة واحدة صفرًا انضغط المستوى إلى مستقيم، وإذا كانتا صفرين انضغط إلى نقطة. رتبة المصفوفة هي عدد القيم المفردة غير الصفرية. عند ⁦σ2>0\sigma_2 > 0⁩ تقيس النسبة ⁦σ1/σ2\sigma_1/\sigma_2⁩ استطالة القطع الناقص ومدى تضخيم الأخطاء النسبية عند حل نظام باستعمال ⁦AA⁩. وفي مصفوفة بيانات طُرحت منها المتوسطات، تعطي هذه الاتجاهات محاور تحليل المكونات الرئيسية.

ما الذي يمكنك ملاحظته؟

  • يمكن قلب إشارتي كل زوج ⁦vi,uiv_i, u_i⁩ معًا. وعند ⁦σ1=σ2\sigma_1 = \sigma_2⁩ لا تكون الاتجاهات نفسها فريدة.
  • لكل مصفوفة حقيقية من الحجم ⁦m × n⁩ تحليل بالقيم المفردة، وعدد تلك القيم هو الأصغر من ⁦m⁩ و⁦n⁩. تعرض الصفحة الحالة ⁦2 × 2⁩.

التحكم

  • اسحب رأس ⁦v⁩ حول الدائرة أو أدر القرص. أدر عجلة الخطوات لمشاهدة العوامل الثلاثة واحدًا تلو الآخر.

موضوعات ذات صلة