Esto puede ser un error. Una forma de ver por qué es que los valores singulares son las soluciones a lo siguiente:
[matemáticas] \ sigma = max _ {{u}, {v}} ({u} ^ {T} M {v}) [/ matemáticas]
Donde [math] M [/ math] es una matriz [math] n [/ math] por [math] m [/ math] y [math] {u} [/ math] y [math] {v} [/ math ] son unidades [math] n [/ math] y [math] m [/ math] vectores dimensionales respectivamente.
Conceptualmente, si terminamos con una solución de valor negativo [math] \ sigma [/ math] para
- ¿Cuáles son las propiedades de los valores propios de matrices similares?
- ¿Por qué la linealidad de la expectativa es válida para la multiplicación de matrices?
- Al calcular determinantes, ¿por qué el patrón para sumar el producto de diagonales no funciona para matrices de 4 × 4 y superiores?
- Si cada una de las n columnas de una matriz es una combinación lineal de los mismos r vectores, ¿cómo demuestro que el número de columnas linealmente independientes no puede ser mayor que r?
- Si [math] M = \ sum_ {i = 1} ^ r \ sigma_i u_i v ^ T_i [/ math] entonces, ¿por qué su norma de operador es el valor singular más grande?
[matemáticas] {u} ^ {T} M {v} [/ matemáticas]
entonces siempre existirá una solución valorada con valor positivo que se puede encontrar reflejando uno de los vectores unitarios (multiplicando por un [matemático] -1 [/ matemático]).
Esto sugiere que es probable que haya un error en su SVD, ya que solo debería encontrar soluciones de valor positivo.