Tekil değerler, herhangi bir dönüşüm matrisinin ortogonal eksenler boyunca yönlü germe gücünü ölçerken, özvektörler doğrusal bir dönüşüm sırasında tamamen döndürülmemiş kalan belirli yönlü eksenleri temsil eder, ancak bunlar kesinlikle kare matrislerle sınırlıdır.
Herhangi bir matris şekline uygulanabilen, bir matrisin uzayı belirli ortogonal yönler boyunca ne kadar genişlettiğini ölçen, negatif olmayan skalar değerler.
Kare matrisle çarpıldıklarında yalnızca ölçekleri değişen, ancak uzamsal yönlerini tam olarak koruyan, sıfırdan farklı özel vektörler.
| Özellik | Tekil Değerler | Özvektörler |
|---|---|---|
| Matris Şekil Kısıtlamaları | Herhangi bir dikdörtgen veya kare şekil | Yalnızca kesinlikle kare matrisler |
| Geometrik Tanım | Dönüştürülmüş bir kürenin ana eksenlerinin uzunlukları | Dönüşüm altında sıfır dönme yaşayan yönler |
| Sayısal Özellikler | Her zaman gerçek ve negatif olmayan değerler | Negatif, sıfır veya karmaşık sayılar olarak ortaya çıkabilir. |
| Vektör Dikliği | İlişkili tekil vektörler her zaman mükemmel ortogonaldir. | Matris simetrik olmadığı sürece özvektörler nadiren ortogonaldir. |
| Temel Denklem Bağlamı | $\sigma_i = \sqrt{\lambda_i(A^TA)}$ | $Av = \lambda v$ |
| Birincil Sektör Kullanım Senaryosu | Gizli anlamsal analiz ve görüntü dosyası boyutunun küçültülmesi | Google PageRank puanlaması ve yapısal titreşim analizi |
| Eşlik Eden Vektör Setleri | İki ayrı sol ve sağ tekil vektör kümesi gerektirir. | Tek bir tutarlı karakteristik vektör kümesine dayanır. |
Tekil değerler, fiziksel oranlarından bağımsız olarak herhangi bir matrisi tanımlayabildikleri için esneklik açısından büyük bir avantaja sahiptir. Buna karşılık, özvektörler, girdi ve çıktı boyutlarının mükemmel şekilde eşleştiği kare matrislerle sınırlıdır. Verileriniz, satırların sütunlara eşit olmadığı büyük bir dikdörtgen elektronik tabloda geliyorsa, veri tablosunu değiştirmeden özvektörleri çıkaramazsınız.
Birim kürenin bir matris dönüşümüyle uzatılmış bir hiperelipsoide dönüştürüldüğünü hayal edin. Tekil değerler, maksimum uzamsal bozulmanın skaler göstergeleri olarak işlev gören bu yeni ana eksenlerin kesin uzunluklarını tanımlar. Özvektörler ise tamamen farklı bir olguya odaklanarak, kare ızgara kaymasından önce ve sonra tam olarak aynı yöne işaret eden belirli okları belirler.
Tekil değerleri çevreleyen tekil vektörler, her zaman ortonormal taban olarak bilinen, güzel ve temiz, dik bir çerçeve oluşturur. Özvektörler, mükemmel simetrik bir matrisle çalışmadığınız sürece nadiren bu yapısal lüksü sunar. Genel gerçek dünya uygulamalarında, özvektörler birbirlerine garip açılarla eğilebilir, bu da onları bağımsız değişkenleri izole etmek için daha az güvenilir hale getirir.
Tekil değerler, $A^TA$ gibi öz-eşlenik matris hesaplamalarından türetildiği için, doğrusal cebir yasaları bunların gerçek ve pozitif kalmasını zorunlu kılar. Özvektörler böyle bir sistemik korumaya sahip değildir. Sıradan gerçek sayılarla dolu bir matris, karmaşık özvektörler üretebilir ve bu da doğru şekilde yorumlanması için ileri düzey sayılar gerektiren soyut sanal dönüşler ortaya çıkarır.
Matris tam kare ise, tekil değerler ve özdeğerler aynı kavramlardır.
Kare matrislerde bile, matris normal değilse (yani kendi transpozuyla değiş tokuş yapmıyorsa), tekil değerler ve özdeğerler genellikle birbirinden uzaklaşır. Günlük hayatta kullanılan matrislerde, tekil değerler maksimum uzamsal genişlemeyi izlerken, özdeğerler döndürülmemiş yönler boyunca ölçeklendirmeyi izler.
Kare olmayan veriler için özvektörleri, matrisi sıfır satırlarıyla doldurarak hesaplayabilirsiniz.
Dikdörtgen bir matrisi yapay olarak sıfırlarla şişirmek, temel sıralamasını, özelliklerini ve geometrik anlamını kökten değiştirir. Tekil değer ayrıştırması, bu yıkıcı değişikliklere gerek duymadan dikdörtgen yapıları doğal olarak ele alır.
Her matris, veri eşlemesi için hazır, eksiksiz ve güzel bir dizi temiz, ortogonal özvektör içerir.
Özvektörlerin dik olması yalnızca işlem matrisinin simetrik veya Hermit matris olması durumunda garanti edilir. Standart matrisler için özvektörler birbirine çok yakın kümelenebilir veya tüm uzayı haritalamak için yeterli sayıda ortaya çıkmayabilir.
Bir matris dönüşümü uzayı aynalarsa veya tersine çevirirse, tekil bir değer negatif bölgeye dönüşebilir.
Uzamsal yansımalar ve yönelim değişiklikleri, eşlik eden tekil vektörler içindeki işaret ayarlamalarıyla tamamen ele alınır. Tekil değerlerin kendileri, fiziksel gerilmenin kesinlikle pozitif büyüklükleri olarak kalır.
Matematiksel kararlılığın ve ortogonal bağımsızlığın çok önemli olduğu dikdörtgen gerçek dünya veri tablolarını analiz ederken, sıkıştırırken veya temizlerken tekil değerleri kullanın. Sürekli durumları, sistem değişmezlerini veya ardışık yinelemeler boyunca uzun vadeli evrimsel davranışları ortaya çıkarmanız gereken tamamen kare sistemleri teşhis ederken özvektörlere başvurun.
Açı ve eğim, bir doğrunun "dikliğini" nicel olarak ifade eder, ancak farklı matematiksel diller kullanırlar. Açı, kesişen iki doğru arasındaki dairesel dönüşü derece veya radyan cinsinden ölçerken, eğim dikey "yükselişi" yatay "koşuya" göre sayısal bir oran olarak ölçer.
Açısal hata düzeltme, sensör verileri veya makine eksenleri içindeki dönme sapmalarını sayısal olarak düzeltmek için matematiksel algoritmalar ve yazılım modelleri kullanırken, hassas hizalama, işlemlere başlamadan önce mükemmel geometrik uyumluluğu sağlamak için lazerler ve uzamsal referans noktaları kullanarak mekanik bileşenleri fiziksel olarak ayarlar ve böylece veri odaklı telafi ile yapısal iyileştirme arasında belirgin bir çizgi oluşturur.
Algoritmik üretim, belirlenmiş kurallara dayalı olarak matematiksel yapıları, ispatları ve ham verileri hızla üretmek için muazzam bir hesaplama gücünden yararlanırken, insan yorumu bu çıktıları anlamlandırmak için gerekli olan temel sezgiyi, bağlamsal anlamı ve kavramsal çerçeveleri sağlar; bu da modern matematikteki derin bir simbiyozu vurgular.
Veri bilimciler boyut indirgeme sürecinde bu iki terimle de sık sık karşılaşsalar da, temel bileşenler bir veri kümesindeki maksimum varyans yönlerini tanımlarken, tekil değerler matris ayrıştırması sırasında bu geometrik eksenler boyunca ölçeklendirmenin büyüklüğünü ölçer. Bu iki terim arasındaki matematiksel bağlantıyı anlamak, PCA ve SVD gibi algoritmaları öğrenmek için çok önemlidir.
Analitik sayı teorisi, tamsayıların gizli davranışlarını çözmek için hesaplamaya, karmaşık analize ve titiz tümdengelimsel sınırlara dayanırken, deneysel matematik, sayısal deneyler yürütmek, beklenmedik örüntüleri ortaya çıkarmak ve yeni matematiksel varsayımlar üretmek için güçlü hesaplama araçlarından yararlanır. Birlikte, saf analitik çıkarım ile hesaplamalı keşif arasındaki güzel dengeyi gösterirler.
