やりたいこと：線型代数の特異値分解(singular value decomposition)を確かめてみる

$m$行$n$列の行列$A$に対して、

$U$:$m\times m$のユニタリ行列
$\Sigma$: $m\times n$の実対角行列(成分は非負)
$V$: $n\times n$のユニタリ行列

が存在して、下記が成立

A=U\Sigma \overline{V^T}

ここで上線は複素共役(complex conjugate)、$^T$は転置(transpose)。

(サンプル)行列の定義

A=\left(
\begin{matrix}
1 & 2 \\
3 & 4 
\end{matrix}
\right)

> import numpy as np
> A = np.array([[1,2],[3,4]])

一応、中身のck

> A 
array([[1, 2],
       [3, 4]])

早速、SVDしてみる

U, s, V = np.linalg.svd(A, full_matrices=True)

返り値が3つです。

中身のck

> U
array([[-0.40455358, -0.9145143 ],
       [-0.9145143 ,  0.40455358]])
> s
array([ 5.4649857 ,  0.36596619])
> V
array([[-0.57604844, -0.81741556],
       [ 0.81741556, -0.57604844]])

なんか、$s$が潰れてしまってる感じですが、実体は対角成分だけ、つまり

> np.diag(s)
array([[ 5.4649857 ,  0.        ],
       [ 0.        ,  0.36596619]])

が実体の行列です。

元に戻るか確認

A=U\Sigma \overline{V^T}

を確認してみます。

>np.dot(np.dot(U, np.diag(s)),V)
array([[ 1.,  2.],
       [ 3.,  4.]])

いい感じですね♪
⇒ここで、行列$V$は実行列で求まっているため、複素共役はしなくて良いですが、転置は取らないものが返り値として戻ってきているようですね。

念のための確認

Uがユニタリ行列

> np.dot(U, U.T)
array([[  1.00000000e+00,   2.77555756e-16],
       [  2.77555756e-16,   1.00000000e+00]])

対角成分でないところに$0$でない値が入ってしまうのは数値的に仕方ないですね。

Vもユニタリ行列

> np.dot(V, V.T)
array([[ 1.,  0.],
       [ 0.,  1.]])