SVD-Rechner

Zerlege eine Zwei-mal-zwei-Matrix in U, Singulärwerte und V transponiert mit deterministischen numerischen Ergebnissen.

Singulärwertzerlegung
Gib genau zwei Zeilen ein. Trenne Werte durch Kommas und die Zeilen durch ein Semikolon.

Verwende Kommas zwischen den Werten und ein Semikolon zwischen den beiden Zeilen.

Über die Singulärwertzerlegung

Die Singulärwertzerlegung, meist als SVD abgekürzt, zerlegt eine reelle Matrix in drei speziell strukturierte Matrizen. In der üblichen Gleichung entspricht die ursprüngliche Matrix dem Produkt aus U, Sigma und V transponiert. U und V sind orthogonale Matrizen; ihre Spalten bilden daher senkrechte Einheitsrichtungen. Sigma ist diagonal und enthält nichtnegative Singulärwerte in absteigender Reihenfolge. Dieser Rechner führt die Zerlegung für jede reelle Zwei-mal-zwei-Matrix durch. Die Berechnung beginnt mit der symmetrischen Matrix, die durch Multiplikation der transponierten Eingabematrix mit der Eingabematrix entsteht. Ihre Eigenwerte sind bis auf winzige Gleitkommaeffekte stets nichtnegativ. Die Quadratwurzeln dieser Eigenwerte sind die Singulärwerte, und die normierten Eigenvektoren bilden die Spalten von V. Multipliziert man die ursprüngliche Matrix mit jedem rechten Singulärvektor und dividiert durch den zugehörigen von null verschiedenen Singulärwert, erhält man die entsprechende Spalte von U. Ist ein Singulärwert null, ergänzt der Rechner deterministisch eine Orthonormalbasis, damit die angezeigten Faktoren gültig bleiben. Singulärwerte beschreiben, wie stark eine Matrix den Raum entlang besonderer Richtungen streckt. Ein großer erster und ein deutlich kleinerer zweiter Wert zeigen, dass sich der Großteil der Transformation auf eine Richtung konzentriert. Ein zweiter Wert von null bedeutet, dass die Matrix Rang eins oder null hat und die Ebene auf eine Gerade oder einen Punkt abbildet. Das Verhältnis des größten zum kleinsten von null verschiedenen Singulärwert hängt mit der numerischen Konditionierung zusammen. Diese Seite zeigt jedoch die Zerlegung selbst und keine Konditionszahl. SVD wird bei der Methode der kleinsten Quadrate, Pseudoinversen, Dimensionsreduktion, Bildkompression, Empfehlungssystemen, Signalverarbeitung und Rauschfilterung eingesetzt. Anders als eine Eigenwertzerlegung existiert sie für jede reelle Matrix und ist nicht auf symmetrische oder quadratische Eingaben beschränkt. Dieser Phase-1-Rechner begrenzt die Eingabe bewusst auf Zwei-mal-zwei-Matrizen, um eine kompakte, nachvollziehbare Implementierung ohne Abhängigkeiten und mit vorhersehbarer Formatierung zu ermöglichen. Die zugrunde liegenden Ideen lassen sich jedoch direkt auf rechteckige Matrizen beliebiger Größe übertragen. Ergebnisse werden auf sechs Nachkommastellen gerundet; überflüssige Nullen entfallen. Orthogonale Faktoren sind mathematisch nicht eindeutig: Die Vorzeichen entsprechender Spalten von U und V können gleichzeitig umgekehrt werden, ohne das Produkt zu ändern. Wiederholte Singulärwerte erlauben zudem weitere Drehungen innerhalb eines Unterraums. Deshalb kann ein anderes zuverlässiges SVD-Paket andere Vorzeichen oder Basisvektoren anzeigen und dennoch exakt dieselbe Eingabe rekonstruieren. Dieser Rechner wählt eine einheitliche Orientierung, sodass wiederholte Eingaben und feste Referenzbeispiele stabile Ergebnisse liefern.

SVD-Beispiele

EingabematrixSingulärwerteBeobachtung
3,0;0,23, 2Eine positive Diagonalmatrix ist bereits entlang ihrer Singulärrichtungen ausgerichtet.
4,0;0,14, 1Die Matrix streckt die erste Achse um das Vierfache und lässt die zweite unverändert.
1,0;0,01, 0Ein Singulärwert von null kennzeichnet eine Matrix mit Rang eins.
0,2;2,02, 2Gleiche Singulärwerte bedeuten gleiche Streckung in zwei senkrechten Richtungen.

So verwendest du den SVD-Rechner

  1. Gib die erste Zeile als zwei durch ein Komma getrennte Zahlen ein.
  2. Füge ein Semikolon und dann die zweite kommagetrennte Zeile hinzu.
  3. Wähle SVD berechnen.
  4. Lies die Singulärwerte sowie U, Sigma und die transponierte V-Matrix ab.

Häufige Fragen zum SVD-Rechner

Was stellen Singulärwerte dar?

Singulärwerte messen die Streckung entlang besonderer senkrechter Richtungen. Größere Werte bedeuten stärkere Skalierung; ein Wert von null zeigt eine zusammengefallene Dimension an.

Warum sind U und V orthogonal?

Ihre Spalten sind zueinander senkrechte Einheitsvektoren. Orthogonalität erhält Längen und Winkel. Diese Faktoren stehen daher für Drehungen oder Spiegelungen und nicht für zusätzliche Skalierung.

Können unterschiedliche SVD-Ergebnisse beide richtig sein?

Ja. Die Vorzeichen zusammengehöriger Singulärvektoren können gleichzeitig umgekehrt werden, ohne die rekonstruierte Matrix zu ändern. Wiederholte Singulärwerte erlauben außerdem verschiedene gültige Orthonormalbasen.

Unterstützt dieser Rechner rechteckige Matrizen?

Nein. Diese Phase-1-Implementierung akzeptiert nur beliebige reelle Zwei-mal-zwei-Matrizen. Größere und rechteckige Matrizen erfordern ein allgemeineres numerisches Zerlegungsverfahren.

Was bedeutet ein Singulärwert von null?

Die Matrix verliert mindestens eine unabhängige Richtung und ist singulär. Bei einer Zwei-mal-zwei-Matrix bedeuten ein positiver Wert und ein Nullwert Rang eins.