Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />
Kapitel 11 — Singulärwertzerlegung<br />
Kapitel 11<br />
Die Singulärwertzerlegung<br />
In Kapitel 9 haben wir gesehen, dass man eine quadratische Matrix<br />
durch geeignete Wahl der Basis in die Jordansche Normalform<br />
bringen kann. Diese ist in der Regel diagonal, insbesondere stets<br />
wenn alle Eigenwerte verschieden sind oder wenn die Matrix symmetrisch<br />
oder Hermitesch ist. Im zweiten Falle kann man sogar die<br />
Basis orthogonal bzw. unitär wählen.<br />
Bei einer linearen Abbildung F : X → Y kann man dagegen Basen<br />
in beiden Räumen wählen. Wie wir bereits in Satz 5.20 gesehen<br />
haben, lässt sich so auf einfache Art erreichen, dass die Abbildungsmatrix<br />
die Form<br />
( )<br />
Ir O<br />
B =<br />
. (11.1)<br />
O O<br />
hat. Insbesondere lässt sich jede m×n Matrix A durch zwei Koordinatentransformationen<br />
S und T in eine Matrix<br />
B = S −1 AT<br />
dieser Form überführen. Aber die einzige Information, die in der<br />
Matrix (11.1) noch enthalten ist, ist der Rang r der Abbildung.<br />
Diese Form ist in gewissem Sinne zu einfach, als dass man damit<br />
noch eine tiefe Einsicht in die Abbildung gewinnen könnte.<br />
Wir werden in diesem Kapitel sehen, dass das ändert, wenn wir<br />
nur orthogonale bzw. unitäre Koordinatentransformationen zulassen.<br />
Es resultiert dann eine sowohl für theoretische Fragen als auch<br />
in vielen Anwendungen äusserst nützliche Matrixfaktorisierung, die<br />
Singulärwertzerlegung.<br />
11.1 Die Singulärwertzerlegung: Herleitung<br />
Gegeben sei irgend eine reelle oder komplexe m × n Matrix A. Die<br />
Matrix A H A ∈ E n×n ist Hermitesch und positiv semidefinit. Sie hat<br />
also reelle, nicht-negative Eigenwerte, sagen wir σk 2 (k = 1, . . . , n)<br />
mit σ k ≥ 0, und eine orthonormale Eigenbasis {v 1 , . . . , v n }. Es gilt<br />
also<br />
A H AV = VΣ 2 n (11.2)<br />
mit der unitären n×n Matrix<br />
und der n×n Diagonalmatrix<br />
V = ( v 1 · · · v n<br />
)<br />
Σ 2 n :≡ diag {σ 2 1, . . . , σ 2 n} .<br />
c○M.H. Gutknecht 30. September 2007 LA-Skript 11-1