Algebra lineare · Decomposizione ai valori singolari

Decomposizione ai valori singolari

Ogni matrice reale 2 × 2 si scrive A = UΣVᵀ: una rotazione o riflessione Vᵀ, una dilatazione Σ lungo gli assi per i valori singolari σ₁ ≥ σ₂ ≥ 0 e una seconda rotazione o riflessione U. La circonferenza unitaria diventa un’ellisse i cui assi provengono da due direzioni perpendicolari.

Decomposizione ai valori singolari in questa visualizzazione

Un’applicazione lineare del piano manda la circonferenza unitaria in un’ellisse, ridotta a segmento o punto se AA è singolare. Mentre vv percorre la circonferenza, la lunghezza ∣Av∣|Av| assume il massimo σ1\sigma_1 nella direzione v1v_1 e il minimo σ2\sigma_2 nella direzione perpendicolare v2v_2. Sono i valori singolari. Valgono Av1=σ1u1Av_1 = \sigma_1 u_1 e Av2=σ2u2Av_2 = \sigma_2 u_2, con versori u1⊥u2u_1 \perp u_2 lungo gli assi dell’ellisse. Riunendo le colonne si ottiene A=UΣVTA = U\Sigma V^{\mathsf T}. Le frecce rosse mostrano vv e la sua perpendicolare, quelle gialle le loro immagini sotto AA.

Perché l’angolo retto si conserva solo in quelle direzioni

Il quadrato della lunghezza è ∣Av∣2=vT(ATA)v|Av|^2 = v^{\mathsf T}(A^{\mathsf T}A)v. La matrice simmetrica ATAA^{\mathsf T}A ha autovettori ortogonali v1,v2v_1, v_2 con autovalori σ12,σ22\sigma_1^2, \sigma_2^2. Anche le immagini sono ortogonali perché 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. Se σ1>σ2>0\sigma_1 > \sigma_2 > 0, a meno dei segni questa è l’unica coppia ortonormale le cui immagini restano ortogonali. Con A=(3045)A = \begin{pmatrix} 3 & 0 \\ 4 & 5 \end{pmatrix}, i vettori (1,0)(1, 0) e (0,1)(0, 1) diventano (3,4)(3, 4) e (0,5)(0, 5), separati da soli 36.87°. Ruotando vv l’angolo va da 36.87° a 143.13°. Se σ1=σ2\sigma_1 = \sigma_2, la trasformazione è una rotazione o riflessione per uno scalare positivo e conserva tutti gli angoli retti. Se σ2=0\sigma_2 = 0, un’immagine è nulla e l’angolo non è definito.

Ruota, dilata, ruota

Leggendo da destra, VTV^{\mathsf T} porta v1,v2v_1, v_2 sugli assi, Σ\Sigma dilata lungo gli assi di fattori σ1,σ2\sigma_1, \sigma_2 e UU orienta il risultato lungo u1,u2u_1, u_2. Qui UU inverte anche un asse quando det⁡A<0\det A < 0. I fotogrammi intermedi illustrano un percorso possibile: solo le singole tappe sono i fattori. Le aree vengono moltiplicate per σ1σ2=∣det⁡A∣\sigma_1\sigma_2 = |\det A|. A differenza della diagonalizzazione, questa decomposizione funziona per ogni matrice. Il taglio (1101)\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} non ha una base di autovettori ma ha valori singolari φ≈1.618\varphi \approx 1.618 e 1/φ≈0.6181/\varphi \approx 0.618. Per una matrice simmetrica con autovalori positivi le due fattorizzazioni coincidono.

Che cosa indicano i valori singolari

Con un valore singolare nullo il piano si schiaccia su una retta; con due, su un punto. Il rango è il numero di valori singolari non nulli. Se σ2>0\sigma_2 > 0, il rapporto σ1/σ2\sigma_1/\sigma_2 misura l’allungamento dell’ellisse e la possibile amplificazione degli errori relativi risolvendo un sistema con AA. Nei dati centrati, queste direzioni sono gli assi dell’analisi delle componenti principali.

Cosa osservare

  • I due vettori di ogni coppia vi,uiv_i, u_i possono cambiare segno insieme. Quando σ1=σ2\sigma_1 = \sigma_2 non sono uniche nemmeno le direzioni.
  • Ogni matrice reale m × n ha una decomposizione con un numero di valori singolari pari al minore fra m e n. Qui si mostra il caso 2 × 2.

Comandi

  • Trascina la punta di v sulla circonferenza o ruota la manopola. La rotella dei passi permette di osservare un fattore alla volta.

Concetti collegati