Métodos Numéricos modo virtual
(pandemia COVID-19)
Material Complementario
Descomposición en valores singulares- versión 1.0
Es material complementario de las diapos de la clase de descomposición en valores singulares usadas durante
el dictado virtual (pandemia-COVID-19). En este documento presentamos la demostración de la existencia
de esta descomposición y algunas propiedades de los valores singulares.
Proposición: Sea A ∈ Rm×n y r = rango(A) Existen U ∈ Rm×m y V ∈ Rn×n matrices ortogonales y
Σ∈R m×n
tal que
A = U ΣV t
1
σ 0 ··· 0 0 ··· 0
0 σ 2 · · · 0 0 · · · 0
.. .. .. .. . . ..
. . ··· . . . .
con Σ =
0
0 · · · σ 0 · · · 0
r
. .. . . .. .
.. . · · · .. .. . ..
0 0 ··· 0 0 ··· 0
con σ 1 ≥ σ 2 ≥, . . . , ≥ σ r > 0 (llamados valores singulares de A).
Demostración:
Notemos u1 , . . . , um a las columnas de la matriz U y v1 , . . . , vn a las columnas de V . Si la descomposición
existe, de la expresión A = U ΣV t (At = V Σt U t ), realizando el producto por columnas obtenemos que deben
satisfacerse las siguientes relaciones entre los vectores columnas de las matrices U y V :
A = U ΣV t ⇔ AV = U Σ ⇒
Avi = σ i ui para i = 1, . . . , r
Avi = 0 para i = r + 1, . . . , n
A t = V Σt U t ⇔ A t U = V Σ ⇒
At ui = σ i vi para i = 1, . . . , r
At ui = 0 para i = r + 1, . . . , m
Si multiplicamos la primera relación por At y usamos la tercera, obtenemos que debe cumplirse que
At Avi = σ i At ui = (σ i )2 vi para i = 1, . . . , r
1
Métodos Numéricos modo virtual (pandemia COVID-19)
. Si también multiplicamos la segunda por At , debe cumplirse que
At Avi = 0 para i = r + 1, . . . , n
Deducimos entonces que los vectores vi deberían ser autovectores de la matriz At A.
La matriz At A es simétrica semidefinida positiva y el rango(At A) = r. Por la condición de simetría sabemos
que existe una base ortonormal de autovectores. Además, por ser semidefinida positiva sus autovalores son
≥ 0 y como el rango es r, existen r autovalores no nulos y el 0 es autovalores con multiplicidad n − r. Sean
entonces λ1 , . . . , λr los autovalores > 0, v1 , . . . , vr los autovectores asociados y vr+1 , . . . , vn los autovectores
asociados al autovalor 0. Sabemos que v1 , . . . ,√ vn es base ortonormal. Estos vectores son los candidatos a
conformar las columnas de V y definimos σ i = λi > 0.
1
De la relación Avi = σ i ui para i = 1, . . . , r definimos ui = σ i Avi . Para que esta definición sea correcta,
debemos ver que u1 , . . . , ur son ortonormales:
1 1 1 1 1 1 1 1
ui t uj = (Avi )t j Avj = i j vi t At Avj = i j vi t λj vj = i j λj vi t vj = 0
σi σ σ σ ↓ σ σ σ σ ↓
t
vj autovector de A A los vi son ortonormales
por def de σ i
1 1 1 1 1 1 1 1 1 1 ↑
ui t ui = i (Avi )t i Avi = i i vi t At Avi = i i vi t λi vi = i i λi vi t vi = i i λi = 1
σ σ σ σ ↓ σ σ σ σ ↓ σ σ
t
vi autovector de A A los vi son ortonormales
Como dim(Im(A)) = r y los ui (ui = σ1i Avi para i = 1, . . . , r) pertenecen a Im(A), entonces conforman una
base ortonormal de Im(A). Nos falta aún definir el resto de los ui i = r + 1, . . . , m.
Sabemos de un resultado de álgebra lineal que Im(A) ⊕ N u(At ) = Rm y N u(At ) = Im(A)⊥ . Entonces
toda base ortonormal de Im(A) se puede extender a una base ortonormal de todo el espacio con vectores
ortonormales que pertenecen a N u(At ). Sean ur+1 , . . . , um dicha extensión.
En definitiva, tenemos hasta el momento dos bases ortonormales: u1 , . . . , um y v1 , . . . , vn candidatas a con-
formar las columnas de U y V y valores σ 1 , . . . , σ r para definir a Σ. Verifiquemos que son una descomposición
de la matriz A.
• Avi = σ i ui para i = 1, . . . , r. Se cumple por la definición de los ui .
• Avi = 0 para i = r + 1, . . . , n. Como vi es autovector de At A del autovalor 0, entonces At Avi = 0 ⇒
2
vit At Avi = 0 ⇒ ||At vi ||2 = 0 ⇒ At vi = 0.
• At ui = σ i vi para i = 1, . . . , r. Se cumple por la definición de los ui .
• At ui = 0 para i = r + 1, . . . , m. Se cumple porque los ui ∈ N u(At ).
Observar que un análisis similar se puede hacer para los vectores ui y concluir que son los autovectores de AAt .
En conclusión A = U ΣV t donde las columnas de U son una base ortonormal de autovectores de AAt ,
las columnas de V son una base ortonormal de autovectores de At A y σ i son las raíces cuadradas de los
autovalores de At A (AAt ).
Veamos ahora algunas propiedades de los valores singulares.
• ||A||2 = σ 1
√
||A||2 = max ||Ax||2 = max ||U ΣV t x||2 = max ||ΣV t x||2 = max ||Σx||2 = max (σ 1 x1 )2 + . . . + (σ r xr )2
||x||2 =1 ||x||2 =1 ↓ ||x||2 =1 ↓ ||x||2 =1 ||x||2 =1
U ortogonal V ortogonal
Métodos Numéricos modo virtual (pandemia COVID-19)
√ √
||A||2 = max (σ 1 x1 )2 + . . . + (σ r xr )2 ≤ max σ 1 (x1 )2 + . . . + (xr )2 ≤ σ 1
||x||2 =1 ||x||2 =1
Además √ √
||A||2 = max ||Ax||2 ≥ ||Av1 ||2 = v1t At Av1 = v1t (σ 1 )2 v1 = σ 1
||x||2 =1 ↓ ↓
v1 autov At A ||v1 ||2 = 1
Concluimos que ||A||2 = σ 1 .
√
2 2
• ||A||F = (σ 1 ) + . . . , (σ r )
√
2 2
||A||F = ||U ΣV t ||F = ||ΣV t ||F = ||Σ||F = (σ 1 ) + . . . , (σ r )
↓ ↓
U ortog V ortog
σ1
• A ∈ Rn×n inversible entonces κ(A)2 = σn
Como A es inversible, su rango es n y tiene n valores singulares no nulos. Además, los valores singulares
1
de A−1 son σ1n , . . . , σ11 . Por definición κ(A)2 = ||A||2 ||A−1 ||2 que por la propiedad anterior κ(A) = σσn
