Descomposicion en valores singulares:

definici
on y algunas propiedades elementales

Objetivos. Conocer la definicion de la descomposicion en valores singulares.

1. Definici on (diagonal principal de una matriz rectangular). Sea A Rmn .

Entonces la diagonal principal de la matriz A esta formada por las entradas Ai,i con
i {1, . . . , mn{m, n}}.

2. Definicion (matriz rectangular diagonal). Una matriz D Rmn se llama rec-

tangular diagonal si todas sus entradas fuera de la diagonal principal son cero:
 
i {1, . . . , m} j {1, . . . , n} i 6= j = Di,j = 0 .

3. Definici
on (descomposici on en valores singulares). Sea A Rmn . Una terna
ordenada (U, , V ) se llama descomposicion en valores singulares de la matriz A si

A = U V t ,

U Om (R), V On (R), y Rmn es una matriz rectangular diagonal de rango

r mn{m, n}, cuyas entradas diagonales no nulas 1 , . . . , r son positivas y forman una
secuencia decreciente:
1 2 . . . r .
En esta situacion las columnas de U se llaman vectores singulares izquierdos, las columnas
de V se llaman vectores singulares derechos, y los n umeros 1 , . . . , r se llaman valores
singulares de A. A veces se definen tambien i = 0 para todo i > r.

4. Por ejemplo, si m = 4, n = 5, r = 3, entonces

1 0 0 0 0
0 2 0 0 0
= 0 0 3
.
0 0
0 0 0 0 0

5. Teorema (existencia de una descomposici on en valores singulares). Toda

mn
matriz A R posee una descomposicion en valores singulares.

6. Los valores singulares se determinan de manera u nica (sin demostraci

on).
Se puede demostrar que las entradas diagonales de se determinan de manera u
nica.

7. La descomposici on en valores singulares no es u nica. Por ejemplo, si A = In ,

entonces para toda matriz ortogonal V On (R) tenemos

In = V In V t .

pagina 1 de 3
8. La descomposici on en valores singulares de la matriz transpuesta. Si (U, , V )
es una descomposicion en valores singulares de A, entonces (V, t , U ) es una descomposi-
cion en valores singulares de At .

9. Forma geom etrica de la descomposici on en valores singulares. Sea (U, , V )

Denotemos por u1 , . . . , um a las columnas de U y por v1 , . . . , vn a las columnas de V .
Entonces
( (
j uj , j {1, . . . , r}, j vj , j {1, . . . , r},
Avj = Auj =
0m , j {r + 1, . . . , n}; 0n , j {r + 1, . . . , m}.

10. Bases de la imagen y del nucleo de las matrices A y At en t

erminos de los
vectores singulares izquierdos y derechos.

im(A) = `(u1 , . . . , ur ), im(At ) = `(v1 , . . . , vr ),

ker(A) = `(vr+1 , . . . , vn ), ker(At ) = `(ur+1 , . . . , um ).

11. Corolario. Del resultado anterior sigue directamente que

im(A) = ker(At ), dim(im(A)) + dim(ker(A)) = n.

Por supuesto, estos resultados se pueden obtener con metodos mas simples.

12. Descomposici on de una matriz en una suma de productos exteriores de

sus vectores singulares.
Xr
A= j uj vjt .
j=1

13. La norma de una matriz inducida por la norma euclidiana de vectores es

aximo. Sea A Rmn . Entonces
igual al valor singular m

kAk2 = 1 .

14. Lema: la norma de Frobenius de una matriz rectangular diagonal es igual

a la norma euclidiana del vector de sus entradas diagonales. Sea D Rmn una
matriz rectangular diagonal. Entonces
v
umn{m,n}
u X
2
kDkF = t Dj,j .
j=1

15. Lema: la norma de Frobenius de una matriz no se cambia al multiplicar

por matrices ortogonales del lado izquierdo o derecho. Sea A Rmn y sean
U Om (R), V On (R). Entonces

kU AkF = kAkF , kAV kF = kAkF .

pagina 2 de 3
16. Proposici
on: la norma de Frobenius de una matriz es igual a la norma
euclidiana del vector de sus valores singulares.
v
u r 2
uX
kAkF = t j .
j=1

17. Si A Rnn es una matriz invertible, entonces

1 1
kA1 k2 = , 2 (A) = .
n r

18. Ejemplos (robados del libro de Watkins).

  3 2  
1 2 0 3 1  
A= , A= 2 3 , A= , A= 3 4 .
2 0 2 6 2
2 2

pagina 3 de 3