KOMPUTASI MATEMATIKA

3.6 Singular Value Decomposition

Agnesa Hanravia
Sitti Rahmawati Findayani
1
 Dekomposisi Matriks
Mendekomposisi matriks artinya memfaktorkan sebuah matriks, misalnya menjadi hasil kali
dari sejumlah matriks lain,

 
Terdapat beberapa metode mendekomposisi matriks:
1.Metode dekomposisi LU
2.Metode dekomposisi QR
3.Metode dekomposisi nilai singular (Singular Value Decomposition/SVD)

2
 SVD memfaktorkan matriks A berukuran menjadi:
𝑻
𝑨=𝑼 ∑𝑽
: Matriks orthogonal
: Matriks orthogonal
: Matriks berukuran yang elemen-elemen diagonal utamanya adalah
nilai-nilai singular dari matriks dan elemen-elemen lainnya

3
Matriks Orthogonal

Matriks orthogonal adalah matriks yang kolom-kolomnya adalah vector yang

saling orthogonal satu sama lain (hasil kali titik sama dengan nol)
Jika adalah matriks orthogonal dan kolom-kolom matriks adalah vektor-
vektor satuan , maka untuk
Atau dapat juga dikatakan bahwa adalah matriks orthogonal jika , dalam hal
ini adalah matriks identitas

4
 Apa yang dimaksud nilai singular?

• Misal matriks , jika adalah nilai-nilai eigen dari , maka

disebut nilai-nilai singular dari matriks

• Diasumsikan , sehingga

Teorema:
Jika adalah matriks , maka nilai eigen dari tidak negatif

5
Langkah-Langkah SVD mendekomposisi menjadi , , dan :
1. Untuk vector singular kiri, hitung nilai-nilai eigen dari . banyaknya nilai-nilai eigen tidak nol
dari
2. Tentukan vector-vector eigen yang berkorespondensi dengan nilai-nilai eigen dari .
Normalisasi dengan cara setiap komponen vektornya dibagi dengan Panjang vektor.
Diperoleh matriks
3. Untuk vektor singular kanan, hitung nilai-nilai eigen dari lalu tentukan nilai-nilai singularnya
4. Tentukan vektor-vektor eigen yang berkorespondensi dengan nilai-nilai dari
5. Normalisasi dengan setiap komponen vektornya dibagi dengan Panjang vektor.
6. Lalu diperoleh matriks . Transpose-kan matriks sehingga menjadi
7. Bentuklah matriks berukuran dengan elemen-elemen diagonalnya adalah nilai-nilai singular
dari matriks dengan susunan dari besar ke kecil. (Nilai singular di dalam adalah akar
pangkat dua dari nilai-nilai eigen tidak nol dari
8. Maka,

6
Contoh:
Faktor matriks dengan metode SVD

1. Singular kiri

Nilai-nilai eigen dari adalah

(Persamaan Karakteristik)

7
2. Menentukan matriks

Untuk , diperoleh:

SPL : , dan

, misal , maka
Vektor eigen
Untuk ,

SPL : , dan

, misal , maka
Vektor eigen
Normalisasi dan : ,

8
Diperoleh matriks :

3. Menentukan singular kanan:

Nilai

9
Nilai-nilai eigen dari adalah dan (terurut dari besar ke
kecil)
Nilai-nilai singular dari nilai eigen yang tidak nol adalah ,
Vektor-vector yang bersesuaian dengan setiap nilai eigen
tersebut adalah

Normalisasi

10
Matriks

Matriks yang berukuran

Jadi,

𝐴 𝑈 ∑ 𝑉 𝑇

11
Terima Kasih