Singulärwertzerlegung

Jede reelle Matrix lässt sich als orthogonale Faktoren U und V sowie eine Diagonalmatrix nichtnegativer Singulärwerte Σ darstellen. Die Schreibweise A=UΣVᵀ macht sichtbar, welche Größen zusammenhängen. Dabei bedeuten A: m×n-Matrix (je nach Anwendung); U: orthogonale linke Singulärvektoren (dimensionslos); Σ: Diagonalmatrix nichtnegativer Singulärwerte (wie A). Singulärwerte haben dieselbe Einheit wie die Matrixabbildung; U und V sind orthonormal. Für die Anwendung ist entscheidend, ob die gegebenen Größen dieselbe Bedeutung und Bezugsrichtung wie in der Definition haben. Typische Aufgaben verwenden die Beziehung für Dimensionsreduktion, Kompression, Pseudoinverse, Datenanalyse und Stabilitätsdiagnose.. Lies daher zuerst die Größen und ihre Dimensionen, bevor du Zahlen einsetzt; so erkennst du zum Beispiel sofort, ob das Ergebnis eine Länge, Rate, Wahrscheinlichkeit oder dimensionslose Kennzahl sein muss.

Beginne mit einer Skizze oder einer Liste der bekannten Größen, ordne jede Größe einem Symbol zu und bringe Einheiten in eine gemeinsame Form. Dann wähle die passende Gleichungsform und setze erst danach Werte ein. Beispiel: A=diag(3,1): U=V=I und Σ=diag(3,1). Probe: UΣVᵀ ergibt wieder diag(3,1); beide Singulärwerte sind nichtnegativ. Die Probe ist Teil der Rechnung: Die SVD existiert für jede reelle oder komplexe Matrix und ist eng mit den Eigenwerten von AᵀA verknüpft: σ_i=√λ_i Vergleiche zusätzlich Größenordnung und Einheit mit dem Sachkontext. Runde erst am Schluss, denn vorzeitiges Runden kann bei mehreren Rechenschritten besonders bei kleinen Differenzen oder Summen sichtbar auf das Ergebnis durchschlagen.

Die SVD existiert für jede reelle oder komplexe Matrix und ist eng mit den Eigenwerten von AᵀA verknüpft: σ_i=√λ_i. Kleine Singulärwerte zeigen Richtungen, in denen A Information stark abschwächt. Abschneiden kleiner Werte ergibt eine Rang-k-Näherung mit minimalem Fehler in der Frobenius- und Spektralnorm. Das ist keine nebensächliche Fußnote: Bei einer Verletzung der Annahmen kann die Formel ein präzises, aber unpassendes Ergebnis liefern. Kontrolliere deshalb vor dem Rechnen, welche Werte beobachtet, geschätzt oder modelliert sind und ob Sonderfälle die Gleichung ändern. Dimensionsreduktion, Kompression, Pseudoinverse, Datenanalyse und Stabilitätsdiagnose. Bei numerischen Verfahren prüfe außerdem Schrittweite und Stabilität; bei Statistik Stichprobendesign und Verteilung; bei Analysis Differenzierbarkeit, Rand und Orientierung. Verwende eine alternative Methode, wenn diese Bedingungen nicht erfüllt sind.

Beide Beziehungen passen in denselben Themenbereich, beantworten aber verschiedene Fragen. „Singulärwertzerlegung“: Jede reelle Matrix lässt sich als orthogonale Faktoren U und V sowie eine Diagonalmatrix nichtnegativer Singulärwerte Σ darstellen. Die Anschlussformel „Eigenwerte und Eigenvektoren“ Eigenvektoren behalten unter einer linearen Abbildung ihre Richtung; der zugehörige Eigenwert gibt den Streckungsfaktor an. Die Eigenwerte erhält man aus der charakteristischen Gleichung. Wähle zuerst nach der gesuchten Größe und dem Modell: Dimensionsreduktion, Kompression, Pseudoinverse, Datenanalyse und Stabilitätsdiagnose. Die Beispielrechnung A=diag(3,1): U=V=I und Σ=diag(3,1). Probe: UΣVᵀ ergibt wieder diag(3,1); beide Singulärwerte sind nichtnegativ. zeigt, welche Größen in dieser Beziehung tatsächlich eingehen. Ein sinnvoller Lernschritt ist, beide Formeln mit denselben Ausgangsdaten zu vergleichen und zu markieren, welche Zusatzannahme die zweite benötigt. So wird aus einer Merkliste eine nachvollziehbare Auswahlregel.

Matrixdimensionen, Rang und Invertierbarkeit müssen zur gewählten Operation passen; Matrizen lassen sich im Allgemeinen nicht vertauschen. Zusätzlich müssen die verwendeten Symbole exakt zur Definition passen: A: m×n-Matrix (je nach Anwendung); U: orthogonale linke Singulärvektoren (dimensionslos); Σ: Diagonalmatrix nichtnegativer Singulärwerte (wie A). Rechne nicht nur mechanisch, sondern schreibe die Annahme neben den Ansatz und kontrolliere danach Dimension und Vorzeichen. Für die vorliegende Beziehung gelten außerdem: Die SVD existiert für jede reelle oder komplexe Matrix und ist eng mit den Eigenwerten von AᵀA verknüpft: σ_i=√λ_i Im Beispiel A=diag(3,1): U=V=I und Σ=diag(3,1). Probe: UΣVᵀ ergibt wieder diag(3,1); beide Singulärwerte sind nichtnegativ. kannst du diese Prüfungen direkt nachvollziehen. Wenn die Annahme nicht passt, suche eine andere Beziehung aus dem Kapitel statt Werte in eine unpassende Formel zu zwingen.