\documentclass[12pt]{report}
\usepackage{amsthm,amssymb,amsmath,amsfonts,mathrsfs}
\usepackage{nicematrix}
\usepackage{xepersian}
\settextfont[Scale=1.1]{B Nazanin}
\ExplSyntaxOn
\cs_set_eq:NN
\etex_iffontchar:D
\tex_iffontchar:D
\cs_undefine:N\c_one
\int_const:Nn\c_one { 1 }
\ExplSyntaxOff
\setdigitfont[Scale=1]{XB Zar}
\setlatintextfont{Times New Roman}
\renewcommand\proofname{\textbf{برهان}}
\newtheorem{thm}{قضیه}[chapter] 

\renewcommand{\baselinestretch}{1.8}
\begin{document}
	\chapter{
		پیشنیاز
	}
	\section{مقادیر تکین}
	\begin{thm}[ تجزیه مقدار تکین\LTRfootnote{Singular Value Decomposition}]\label{1.1}
		
		فرض کنید
		‌$A \in \mathbf{M}_{m,n} (\mathbb{C}) $
		داده شده است و
		$q=min\{m,n\}$ .
		آنگاه ماتریس‌های یکانی
		$U \in M_{m}$ , $V \in M_{n}$ 
		و ماتریس قطری
		$$\Sigma=diag(\sigma_{1},\sigma_{2},\dots,\sigma_{q}) , \quad \sigma_{1}\ge\sigma_{2}\ge\dots\ge\sigma_{q}\ge 0 $$
		وجود دارد که
		$ A=U \Sigma V^* $  .
		اگر
		‌$A \in \mathbf{M}_{m,n} (\mathbb{R}) $
		آنگاه $U$ و $V$ ماتریس های متعامد یکه هستند .
	\end{thm}
	\begin{proof}
		دایره واحد اقلیدسی در
		‌$\mathbb{C}^n$ 
		یک مجموعه فشرده و تابع
		$f(x)=\Vert Ax\Vert _2$
		یک تابع پیوسته حقیقی مقدار است . بنابراین طبق قضیه وایرشتراس\LTRfootnote{Weierstrass theorem}
		بردار
		‌$v \in\mathbb{C}^n $
		با طول واحد وجود دارد که
		$$ \Vert Av\Vert _2=\max \{\Vert Ax\Vert _2,x\in \mathbb{C}^n ,\Vert x\Vert _2=1 \} $$
		اگر
		$\Vert Av\Vert _2=0$
		آنگاه طبق تعریف نرم ماتریسی
		$\Vert Av\Vert _2=0 \Leftrightarrow Av=0 $
		و باتوجه به فرض
		$v\neq 0$
		پس 
		$A=0$ 
		اکنون با درنظرگرفتن
		$\Sigma=0$
		و هر ماتریس یکانی
		$U \in M_{m}$ , $V \in M_{n}$ 
		حکم قضیه برقرار است . اما اگر
		$\Vert Av\Vert _2 \neq 0$
		بردار 
		$u=\dfrac{Av}{\sigma_1} \in \mathbb{C}^m $
		و
		$\sigma_1 =\Vert Av\Vert _2$
		را در نظر بگیرید ، در این صورت
		$m-1$
		بردار متعامد یکه
		$u_2,u_3,\dots,u_m \in \mathbb{C}^m$
		وجود دارد که می توان ماتریس یکانی\\
		$U_1=[u,u_2,\dots,u_m]\in \mathbf{M}_{m} $
		را بدین گونه ساخت وهمچنین
		$n-1$
		بردار متعامد یکه \\
		$v_2,v_3,\dots,v_n \in \mathbb{C}^n$
		وجود دارد که 
		$ V_1=[v,v_2,\dots,v_n]\in \mathbf{M}_{n} $
		نیز یک ماتریس یکانی است، در ادامه می خواهیم عناصر قطری ماتریس $\Sigma$ را بدست آوریم. \\
		\begin{align*}
			\setlength{\jot}{10pt}
			\tilde{A_1} = U^*_1 AV_1 & =
			\begin{bmatrix}
				u^*\\
				u^*_2\\
				\vdots\\
				u^*_m
			\end{bmatrix}
			A
			\begin{bmatrix}
				v & v_2 & \dots & v_n
			\end{bmatrix}\\
			& =
			\begin{bmatrix}
				u^*\\
				u^*_2\\
				\vdots\\
				u^*_m
			\end{bmatrix}
			\begin{bmatrix}
				Av & Av_2 & \dots & Av_n
			\end{bmatrix}\\
			& =
			\begin{bmatrix}
				u^*\\
				u^*_2\\
				\vdots\\
				u^*_m
			\end{bmatrix}
			\begin{bmatrix}
				\sigma_1 v & Av_2 & \dots & Av_n\\
			\end{bmatrix}\\
			& =
			\begin{bmatrix}
				u^*\sigma_1u    & u^*Av_2    & \dots & u^*Av_n \\
				\sigma_1u^*_2u & u^*_2Av_2 & \dots & u^*_2Av_n\\
				\vdots \\
				\sigma_1u^*_mu & u^*_mAv_2 & \dots & u^*_mAv_n
			\end{bmatrix}\\
			& =
			\setLTR
			\begin{bNiceArray}{cccc}
				\sigma_1    & u^*Av_2    & \dots & u^*Av_n \\
				0 & \Block{3-3}<\Large>{A_2} & & \\
				\vdots & & &\\
				0 & & &\\
			\end{bNiceArray} \quad && , A_2 \in \mathbf{M}_{m-1,n-1}\\
			& =
			\begin{bmatrix}
				\sigma_1    & z^* \\
				0 & A_2 
			\end{bmatrix}  \quad && , z^*=\begin{bmatrix}
				u^*Av_2    & \dots & u^*Av_n 
			\end{bmatrix}
		\end{align*} \\
		حال نشان می دهیم
		$z^*=0$ . 
		بردار
		$y$
		را به صورت
		$y=
		\begin{bmatrix}\sigma_1\\z
		\end{bmatrix}/
		(\sigma_1^2+z^*z)^\frac12 \in \mathbb{C}^n $
		درنظر بگیرید . دراینصورت:
		\begin{align*}
			\Vert AV_1y\Vert_2^2=\Vert V_1^*AV_1y\Vert_2^2 &=\Vert \tilde{A}_1 y\Vert_2^2 && \text
			{$V_1^*$
				یکانی و حافظ نرم2 می باشد}\\
			& =\frac1{(\sigma_1^2+z^*z)}\Vert \begin{bmatrix}
				\sigma_1    & z^* \\
				0 & A_2 
			\end{bmatrix}\begin{bmatrix}
				\sigma_1 \\
				z 
			\end{bmatrix}\Vert^2_2 \\
			& = \frac1{(\sigma_1^2+z^*z)}\Vert\begin{bmatrix}
				\sigma_1^2+z^*z \\
				A_2z 
			\end{bmatrix}\Vert^2_2 \\
			& =\frac1{(\sigma_1^2+z^*z)}\big((\sigma_1^2+z^*z)^2+\Vert A_2z\Vert^2_2 \big)\\
			& =(\sigma_1^2+z^*z)+ \frac1{(\sigma_1^2+z^*z)}\Vert A_2z\Vert^2_2\\
			& \ge \sigma_1^2+z^*z
		\end{align*}
		اگر
		$z\neq 0$
		آنگاه به طور اکید از 
		$\sigma_1^2$
		بزرگ تر است.اما با توجه به این که
		$$\sigma_1=\max \{\Vert Ax\Vert _2:x\in \mathbb{c}^n,\quad \Vert x\Vert _2=1 \}$$
		نتیجه میگیریم
		$z=0$ . در نتیجه
		\begin{align*}
			\tilde{A_1} = U^*_1 AV_1 & =
			\begin{bmatrix}
				\sigma_1    & 0 \\
				0 & A_2 
			\end{bmatrix} 
		\end{align*}
		حال مراحل بالا را برای 
		$A_2\in \mathbf{M}_{m-1,n-1}$
		تکرار میکنیم و ستون های 
		$U$
		و
		$V$ 
		و قطری های 
		$ \Sigma $
		را بدست می آوریم. اگر
		$m\le n$
		آنگاه
		\begin{align*}
			AA^*=(U\Sigma V^*)(U\Sigma V^*)^* &=(U\Sigma V^*)(V\Sigma ^T U^*)\\
			& = U\Sigma \Sigma^T U^*
		\end{align*}و
		$$\Sigma \Sigma^T=diag(\sigma_1^2,\dots ,\sigma_q^2)$$
		بنابراین اعداد نامنفی 
		$\sigma_i$
		به طور منحصربفرد توسط 
		$A$
		محاسبه می شوند.
		اگر 
		$n\le m$
		آنگاه از
		$A^*A$
		چنین نتیجه ای بدست می  آید. اگر
		$A$
		حقیقی باشد
		$(A\in \mathbf{M}_{m,n}(\mathbb{R}))$ تمام محاسبات را میتوان روی اعداد حقیقی انجام داد و بدین ترتیب 
		$U$
		و
		$V$ 
		ماتریس های حقیقی متعامد یکه خواهند بود.
	\end{proof}
\end{document}