Singular Value Decomposition (SVD) and Aplication in MatLab: Resolving the sign ambiguity in the singular value decomposition.

Walner Mendonca dos Santos1

1

Aluno de Bacharelado em Matem tica da Universidade Federal do Cear a a

walner@alu.ufc.br

Resumo. Muitos m todos de an lise de dados modernos envolvem computar e a uma decomposicao de uma matriz em valores singulares (SVD - singular value decomposition) ou decomposicao em autovalores (EVD - eigenvalue decomposition). Existem in meras aplicacoes de tais m todos. Durante este u e semin rio, toda a teoria da SVD ser discutida. Primeiro deniremos alguns a a conceitos e apresentaremos alguns resultados fundamentais da algebra linear voltados para a teoria da SVD, como a diagonalizacao de uma matriz e o problema de achar os autovalores. Em seguida, iremos construir a SVD, criar um m todo para encontrar os valores singulares de uma matriz e extrair alguns e resultados importantes tanto para a teoria quanto para a pr tica. Por ultimo, a apresentaremos algumas aplicacoes, culminando na solucao de um problema existente no m todo: a ambiguidade no sinal da SVD. e Palavras-chave: matrizes; similaridade; diagonalizacao; EVD; SVD; com press o de imagens; eigenfaces; indeterminacao do sinal. a Abstract. Many methods of data analysis involving modern computing a decomposition of a matrix singular value (SVD) or eigenvalue decomposition (EVD). There are numerous applications of such methods. During this seminar, the whole theory of SVD will be discussed. First dene some concepts and present some fundamental results of linear algebra facing the theory of SVD, as the diagonalization of a matrix and the problem of nding the eigenvalues. Then well build the SVD, create a method for nding the singular values of a matrix and extract some important results for both the theory and for practice. Finally, we present some applications, culminating in the solution of a problem in the method: the ambiguity in the sign of SVD. Keywords: arrays; similarity; diagonalization; EVD; SVD; image compression; eigenfaces; indeterminacy of the sign.

1. T picos abordados o
1.1. Teoria Ser necess rio construir uma teoria razo vel para que possamos erguer a SVD com cona a a sider vel coer ncia. Portanto, durante a parte te rica do semin rio (que dever durar cerca a e o a a de 1 hora e meia a 2 horas), iremos abordar os seguintes t picos: o

 Matrizes Aritm tica Matricial e Matrizes Especiais (quadrada, trasposta, ortogonal, n o-singular, diagonaa liz vel) a Determinante Norma de Frobenius Autovalores e Autovetores Propriedades dos autovalores Polin mio Caracterstico o Problema de achar os autovalores Diagonalizacao Decomposicoes Ortogonais Decomposicao em Autovalores (EVD) Decomposicao em Valores Singulares (SVD) Propriedades da SVD Teorema da SVD Matriz Truncada Pseudo-inversa 1.2. Aplicacoes Ap s estabelecermos a teoria necess ria e suciente para a SVD, poderemos partir para o a es. Nessa parte do semin rio (que ser de 1 hora a 1 hora e meia), algumas aplicaco a a usaremos os resultados obtidos para justicar tais aplicacoes. Compress o de Imagens (usando o MatLab) a Indexamento Sem ntico Latente (LSI) a Resolvendo a ambiguidade no sinal da SVD An lise de Dados Espectrais a An lise Componentes Principais (PCA) a Eigenfaces

2. Refer ncias e
1. 2. 3. 4. 5. 6. Linear Algebra; Kenneth Hoffman & Ray Kunze; editora Prentice Hall, 2a ed. Algebra Linear com aplicacoes; Steven J. Leon; editora LTC, 8a ed. Algebra Linear contempor nea; Howard A. Anton & Robert Busb; editora Booka man, 1a ed. On the early history of the singular value decomposition; G. W. Stewart; IMA Preprint Series no 952, abril de 1992. Singular Value Decomposition Tutorial; Kirk Baker; March 29, 2005; http://www.cs.wits.ac.za/ michael/SVDTut.pdf Singular value decomposition, eigenfaces, and 3D reconstructions; Muller, N., Magaia, L. and Herbst B. M; SIAM Review, Vol. 46 Issue 3, pp. 518545. Dec. 2004. Resolvign the sign ambiguity in the singular value decomposition; R. Broa, E. Acar e Tamara G. Kolda; J. Chemometrics 2008, 22, 135-140.

7.