Singular Value Decomposition

Hej!

Jag behöver hjälp att tänka om följande. Det handlar om om det går att ha repeated measurements i en principal components analysis (PCA) och vad det i så fall innebär. Låt säga att raderna i en datamatris ibland representerar samma individ. "Laddar" inte då principalkomponenterna med samma individ flera gånger utan att korrelationen mellan dessa rader är tagen hänsyn till? 

Man vill med en singular value composition (som ju är grunden i PCA) konstruera linjära kombinationer av kolonner och rader i datamatrisen till nya vektorer som "fångar" variationen i datat. Men om man har flera mätningar på samma individ, som säkerligen korrelerar, blir inte då "laddningen" för varje principalkomponent känslig för antalet mätningar för respektive individ?

Bästa,
Andreas